概率分布演算法
① 統計學知識，用excel計算，求大蝦們賜教。 我有一組數據，個數很多，如何計算其概率分布情況
假設求的是A1：A22，在區間【50,60】內的數據個數，公式為：
=COUNTIF($A$1:$A$22,">50")-COUNTIF($A$1:$A$22,">60")
以此類推
概率計算公式為：
=COUNTIF($A$1:$A$22,">50")-COUNTIF($A$1:$A$22,">60")/樣本個數
② 正態分布的概率計算
正態分布是具有兩個參數μ和σ2的連續型隨機變數的分布，第一參數μ是遵從正態分布的隨機變數的均值，第二個參數σ2是此隨機變數的方差，所以正態分布記作N(μ，σ2 )。 遵從正態分布的隨機變數的概率規律為取 μ鄰近的值的概率大 ，而取離μ越遠的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正態分布的密度函數的特點是：關於μ對稱，在μ處達到最大值，在正（負）無窮遠處取值為0，在μ±σ處有拐點。它的形狀是中間高兩邊低 ，圖像是一條位於x軸上方的鍾形曲線。當μ＝0，σ2 ＝1時，稱為標准正態分布，記為N（0，1）。μ維隨機向量具有類似的概率規律時，稱此隨機向量遵從多維正態分布。多元正態分布有很好的性質，例如，多元正態分布的邊緣分布仍為正態分布，它經任何線性變換得到的隨機向量仍為多維正態分布，特別它的線性組合為一元正態分布
③ 多次投擲骰子的數字之和的概率分布的計算過程
干算的。用三個來說吧：
總共有
6的三次方的可能性
例如
6的概率就是
先找到
3個骰子
有幾種加起來等於6的可能性（不算循序，前後不可重復），從小到大排：
1＋1＋4
1＋2＋3
2
+
2
+2
3種可能的排列
每個算循序的話，不相同字面數的階乘：
1＋1＋4
兩個不相同
得
2！
1＋2＋3
三個不相同
得
3！
2
+
2
+2
一個不相同
得
1！
－－－－－－－－－－－－－－－
相加得
10
那麼就是
10/(6的三次方)=0.0463=4.63%
其他的都是這樣算出來的，該用的技巧在這個例子里都有。
④ 正態分布概率計算公式是什麼
正態分布概率計算公式：
正態分布符號定義：
若隨機變數X服從一個數學期望為μ、方差為的高斯分布，記為N(μ，)。其概率密度函數為正態分布的期望值μ決定了其位置，其標准差σ決定了分布的幅度。因其曲線呈鍾形，因此人們又經常稱之為鍾形曲線。正態分布有兩個參數，即均數（μ）和標准差（σ）。
例如，在生產條件不變的情況下，產品的強力、抗壓強度、口徑、長度等指標；同一種生物體的身長、體重等指標；同一種種子的重量；測量同一物體的誤差；彈著點沿某一方向的偏差；某個地區的年降水量；以及理想氣體分子的速度分量，等等。
⑤ 概率論 聯合分布律
解決辦法：相互獨立是關鍵。對於離散型，P（x=I，y=J）=P（x=I）*P（y=J），請記住。用E（XY）方法可以得到XY的分布規律。
P 0.32 0.08 0.48 0.12.E（XY）=3*0.32+4*0.08+6*0.48+8*0.12=5.12
P（X Y=1）=P（X=1）P（Y=1）+P（X=-1）P（Y=-1）=0.1875+0.1875=0.375
P（X Y=-1）=P（X=1）P（Y=-1）+P（X=-1）P（Y=1）=0.5625+0.0625=0.625
E（XY）=1*0.375+（-1）*0.625=-0.25
P（X=2，Y=2）=P（XY=4）=1/12
P（X=2，Y=0）=P（X=2）-P（X=2，Y=1）-P（X=2，Y=2）=1/6-1/12=1/12
同樣，P（x=0，y=2）=P（y=2）-P（x=1，y=2）-P（x=2，y=2）=1/3-1/12=1/4。
那麼，P（x=0，y=0）=P（x=0）-P（x=0，y=1）-P（x=0，y=2）=1/2-1/4=1/4。
(5)概率分布演算法擴展閱讀：
在同時擲硬幣和骰子的隨機實驗中，如果事件a要獲得國徽，且點數大於4，則事件a的概率應計算如下：
S={（國徽，1分），（數字，1分），（國徽，2分），（數字，2分），（國徽，3分），（數字，3分），（國徽，4分），（數字，4分），（國徽，5分），（數字，5分），（國徽，6分），（數字，6分）}，a={（國徽，5分），（國徽，6點）}，由拉普拉斯定義。
a的概率是2/12=1/6。值得注意的是，拉普拉斯測驗中有一些問題。在現實中是否存在這樣的檢驗，其單位事件的概率具有完全相同的概率值，因為人們並不知道。
硬幣和骰子是否「完美」，即骰子是否均勻，重心是否在正中心，輪盤賭是否趨向於某一個數字等。
⑥ 請問這個概率分布是咋計算的
看圖
⑦ 正態分布的概率計算，X~N(50,100),求P(X<=40)
如下圖，可以轉化為標准正態分布計算，需要查表。
若隨機變數X服從一個數學期望為μ、方差為σ^2的正態分布，記為N(μ，σ^2)。其概率密度函數為正態分布的期望值μ決定了其位置，其標准差σ決定了分布的幅度。當μ = 0,σ = 1時的正態分布是標准正態分布。
拓展資料：
正態分布（Normal distribution），也稱「常態分布」，又名高斯分布（Gaussian distribution），最早由A.棣莫弗在求二項分布的漸近公式中得到。C.F.高斯在研究測量誤差時從另一個角度導出了它。P.S.拉普拉斯和高斯研究了它的性質。
正態分布有極其廣泛的實際背景，生產與科學實驗中很多隨機變數的概率分布都可以近似地用正態分布來描述。例如，在生產條件不變的情況下，產品的強力、抗壓強度、口徑、長度等指標；同一種生物體的身長、體重等指標；同一種種子的重量；測量同一物體的誤差；彈著點沿某一方向的偏差；某個地區的年降水量；以及理想氣體分子的速度分量，等等。
一般來說，如果一個量是由許多微小的獨立隨機因素影響的結果，那麼就可以認為這個量具有正態分布（見中心極限定理）。從理論上看，正態分布具有很多良好的性質 ，許多概率分布可以用它來近似；還有一些常用的概率分布是由它直接導出的，例如對數正態分布、t分布、F分布等。
參考資料：網路-正態分布
⑧ 如果沒學過排列組合怎麼計算概率
排列、組合、概率都與集合密切相關。排列和組合都是求集合元素的個數，概率是求子集元素個數與全集元素個數的比值。
以最常見的全排列為例，用S（A）表示集合A的元素個數。用1、2、3、4、5、6、7、8、9組成數字不重復的九位數，則每一個九位數都是集合A的一個元素，集合A中共有9！個元素，即S（A）=9！
如果集合A可以分為若干個不相交的子集，則A的元素等於各子集元素之和。把A分成各子集，可以把復雜的問題化為若干簡單的問題分別解決，但我們要詳細分析各子集之間是否確無公共元素，否則會重復計算。
集合的對應關系
兩個集合之間存在對應關系（以前學的函數的概念就是集合的對應關系）。如果集合A與集合B存在一一對應的關系，則S（A）=S（B）。如果集合B中每個元素對應集合A中N個元素，則集合A的元素個數是B的N倍（嚴格的定義是把集合A分為若干個子集，各子集沒有共同元素，且每個子集元素個數為N，這時子集成為集合A的元素，而B的元素與A的子集有一一對應的關系，則S（A）=S（B）*N
例如：從1、2、3、4、5、6、7、8、9中任取六個數，問能組成多少個數字不重復的六位數。
集合A為數字不重復的九位數的集合，S（A）=9！
集合B為數字不重復的六位數的集合。
把集合A分為子集的集合，規則為前6位數相同的元素構成一個子集。顯然各子集沒有共同元素。每個子集元素的個數，等於剩餘的3個數的全排列，即3！
這時集合B的元素與A的子集存在一一對應關系，則
S（A）=S（B）*3！
S（B）=9！/3！
組合與排列的區別在於，每一個組合中的各元素是沒有順序的。無論這些元素怎樣排列，都只當作一種組合方式。所以在計算組合數的時候，只要分步，就意味有次序。取N次，N件物品的N！種排列方式都會被當作不同選法，該選法就重復計了N！次。比如10個球中任取三個球，取法應該是C（10，3），但如果先從10個中取一個，得C（10，1），再從9個中取一個得C（9，1），再從8個中取一個得C（8，1），再相乘結果成了P（10，3），結果增大了3！倍。
概率的概念。在有限集合的情況下，概率是子集元素個數與全集元素個數的比值。在無限集合的情況下，概率是代表子集的點的面積與代表全集的點的面積的比值。
概率分布函數可以描述概率分布的全貌。離散型的概率分布是一組數列，計算事件發生的概率、數學期望和方差都使用數列的計算方法。連續型的概率分布是一個函數， 它等於概率密度函數的積分，計算事件發生的概率、數學期望和方差都使用積分的計算方法。
⑨ 請問這個概率分布如何計算的，謝謝
在離散分布中,兩點分布,二項分布,以及所說的超幾何分布,都涉及抽取的問題 但前兩個可以用貝努力實驗(幾何分布)解釋.超幾何分布不能用貝努力實驗來概括,命名者就乾脆定了個超幾何吧. 泊松分布側重於到達的概念.就算它是代數分布吧 例如 黑箱中有A個紅球和B個綠球，從箱中先後取N個球(不放回)，其中有X個紅球，這個X服從超幾何分布