积极 AI Logo 积极 AI

二项分布、泊松分布与正态分布的近似关系演示

二项分布、泊松分布与正态分布的近似关系演示
几何画板及绘图内容加载中，请稍等……
2014-04-15 06:20
函数微积分概率统计滑块动画函数图像
本范例通过动态图形直观展示二项分布（B）、泊松分布（Po）与正态分布（N）之间的近似关系，即当参数满足一定条件时，二项分布可分别用泊松分布或正态分布近似，而泊松分布也可用正态分布近似。核心数学概念包括离散概率分布（二项分布、泊松分布）与连续概率分布（正态分布）的极限逼近，以及期望值、方差和标准差的计算。作图要点：使用GeoGebra的BinomialDist、Poisson、Normal命令分别生成三种分布的概率质量/密度函数曲线，并通过Segment、Slider等对象动态调整参数n、p、λ，观察曲线拟合程度；同时利用文本对象显示期望np、方差npq等统计量。适合高中至大学阶段的概率统计教学，用于理解中心极限定理和泊松定理的直观含义，也可作为数学实验或探究性学习的素材。

GeoGebra 命令及参数

  1. BinomialDist(n, p) → Binomial
  2. Normal(np, ((np * (1 - p)))^(0.5), x) → f
  3. Segment((np, 0), (np, 0.15)) → d
  4. Segment((0, 0), (0, 0.15)) → e
  5. Poisson(λ) → Poisson
  6. Poisson(np) → g
  7. Normal(np, sqrt(npq), x) → h
  8. Segment((np - sqrt(npq), 0), (np - sqrt(npq), 0.2)) → k
  9. Segment((np + sqrt(npq), 0), (np + sqrt(npq), 0.2)) → l
  10. Segment((np - (2 * sqrt(npq)), 0), (np - (2 * sqrt(npq)), 0.2)) → r
  11. Segment((np + (2 * sqrt(npq)), 0), (np + (2 * sqrt(npq)), 0.2)) → s
  12. Normal(λ, sqrt(λ), x) → t

AI 绘图提示语参考

绘制一个概率分布近似关系的交互图形。包含二项分布、泊松分布和正态分布的曲线，其中二项分布用离散点表示，泊松分布用离散点表示，正态分布用连续曲线表示。设置三个滑块分别控制二项分布的试验次数n、成功概率p和泊松分布的参数λ。显示二项分布的均值np和方差npq的数值。在图中添加垂直线段标记均值位置以及均值加减一个和两个标准差的位置，用于直观比较不同分布的中心和离散程度。整体布局应清晰展示当n较大且p较小时二项分布趋近泊松分布，当n较大且p适中时趋近正态分布，以及泊松分布在大λ时趋近正态分布。
以上提示语为根据原始绘图命令整理而来，仅供参考。