积极 AI Logo 积极 AI

二项分布及其正态与泊松近似可视化

二项分布及其正态与泊松近似可视化
几何画板及绘图内容加载中，请稍等……
2020-04-26 17:08
函数数列概率统计滑块动画函数图像
① 本范例通过动态交互图形直观展示二项分布的概率质量函数，并叠加正态分布近似曲线和泊松分布近似，帮助用户观察不同参数下近似的效果。② 核心数学概念包括二项分布、正态分布、泊松分布、期望值μ、标准差σ、概率质量函数与概率密度函数，以及中心极限定理在离散分布近似中的应用。③ 作图要点：使用GeoGebra的Sequence命令生成二项分布概率点列，Polygon绘制概率柱状图，Line绘制正态近似曲线，Sum和Integral用于计算累积概率，通过滑块控制n和p，并利用If、Slider等对象实现交互，同时包含临界值序列和按钮控制播放。④ 适合高中至大学阶段的概率统计教学，可用于课堂演示、学生自主探索二项分布随n和p变化的形态，以及理解正态近似和泊松近似的适用条件。

GeoGebra 命令及参数

  1. Sequence(Polygon[(i - 0.475, 0), (i - 0.475, ((Binomial[n, i] * p^(i)) * (1 - p)^(n - i))), (i + 0.45, ((Binomial[n, i] * p^(i)) * (1 - p)^(n - i))), (i + 0.45, 0)], i, 0, n) → list1
  2. If(b, Max[list1] / 0.925, 1) → a
  3. If(b, 1, 0) → c
  4. Polygon((-2, 1.05), (-2, 1.6), (103, 1.6), (103, 1.05)) → poly1, f, g, h, i
  5. Sequence(Polygon[(i - 0.475, 0), (i - 0.475, ((Binomial[n, i] * p^(i)) * (1 - p)^(n - i))), (i + 0.45, ((Binomial[n, i] * p^(i)) * (1 - p)^(n - i))), (i + 0.45, 0)], i, 0, criticallow) → list2
  6. Sequence(Polygon[(i - 0.475, 0), (i - 0.475, ((Binomial[n, i] * p^(i)) * (1 - p)^(n - i))), (i + 0.45, ((Binomial[n, i] * p^(i)) * (1 - p)^(n - i))), (i + 0.45, 0)], i, criticalhigh, n) → list3
  7. Line(A, B) → k
  8. If(n ≤ 20, 20, n) → xmax
  9. Sequence(Polygon[(i - 0.475, 0), (i - 0.475, (ℯ^(((-n) * p)) * ((n * p))^(i) / i!)), (i + 0.45, (ℯ^(((-n) * p)) * ((n * p))^(i) / i!)), (i + 0.45, 0)], i, 0, n) → list4
  10. Sequence(((Binomial[n, i] * p^(i)) * (1 - p)^(n - i)), i, 0, criticallow) → criticallowsequence
  11. Sum(criticallowsequence) → criticallowvalue
  12. Sequence(((Binomial[n, i] * p^(i)) * (1 - p)^(n - i)), i, criticalhigh, n) → criticalhighsequence
  13. Sum(criticalhighsequence) → criticalhighvalue
  14. If(d, criticallow + 1, 0) → criticalhighslidermin
  15. Polygon((m - 0.475, 0), (m - 0.475, ((Binomial[n, m] * p^(m)) * (1 - p)^(n - m))), (m + 0.45, ((Binomial[n, m] * p^(m)) * (1 - p)^(n - m))), (m + 0.45, 0)) → poly2, r, s, t, a_1
  16. Integral(q, -50, criticallow + 0.5) → criticallownormal
  17. Integral(q, criticalhigh - 0.5, n + 50) → criticalhighnormal

AI 绘图提示语参考

绘制一个二项分布的概率质量函数条形图，横轴为试验次数，纵轴为概率。用可调节的滑块控制试验次数和成功概率。在条形图上叠加一条正态分布曲线和一条泊松分布曲线，用于近似比较。用不同颜色或透明度区分二项分布条形、正态曲线和泊松曲线。在图形下方或侧边显示累积概率区域，用阴影标出左尾和右尾的临界值范围。添加一个高亮条形，标记当前选中的临界值位置。整体布局清晰，包含图例和坐标轴标签，便于观察离散分布与连续近似的拟合程度。
以上提示语为根据原始绘图命令整理而来，仅供参考。