计数值控制图适用于二项分布过程和泊松过程。
二项分布的图型，在什么情况下近似于正态分布（）。
π或1－π小于5%，n很大时，二项分布可用Poisson分布来近似。
样本率与总体率的比较，当可用正态近似法检验时也可用二项分布法直接计算概率。
泊松分布是辐射探测中的主要分布。它由二项分布演化而来，在推导泊松分布的时候，需要满足什么条件？请对下面的问题作出回答。
二项分布和泊松分布属于离散型随机变量分布
设X服从参数为λ>0的泊松分布，其数学期望EX=（）
对于二项分布，理论上其均数与方差的关系是（）
二项分布近似正态分布的条件是（）
当n充分大时，泊松分布近似于正态分布
二项分布接近泊松分布的条件是（）二项分布的总体均数是（）泊松分布接近正态分布的条件是（）
当n充分大时，二项分布近似于正态分布
二项分布的数学期望EX=（）
二项分布接近泊松分布的条件是（）
设随机变量X与Y相互独立，它们分别服从参数λ=2的泊松分布与指数分布．记Z=X-2Y，则随机变量Z的数学期望与方差分别等于（）．
二项分布B（n，p）的数学期望为（）
对于二项分布,其对应的样本率p近似正态分布的条件是360b8075ddf931c931ac357b4a1e3072.pnga066f85e642827e954030f4c39232df9.png
现有以下结论（1）泊松分布族【图片】是指数族. (2) 二项分布族{b(n,p),0<p<1}是指数族。（3）正态分布族【图片】是指数族.（4）均匀分布族【图片】是指数族.（5）双参数指数分布族【图片】是指数族.则以上结论正确的有( )个.
设某二项分布的均值等于3，方差等于2．7，则二项分布参数=（）
二项分布期望与方差 二项分布期望公式E=np 方差D=np(1-p) 我知道是怎么推导出来的,但是书上没有方差公式的意义.那个公式仅仅是推倒得来的?有没有什么能解释的?D=np(1-p)其中 np=E,也就是说方差D=E(1-p),仅仅是巧合吗?方差和期望有什么关系?不要数学推倒,要说理性解释,能想明白的.
设总体X服从泊松分布P（A),抽取样本X<sub>1</sub>,X<sub>2</sub>…,X<sub>n</sub>.求:（1)样本均值的数学期望与方差;（2
【单选题】射击命中率为0.08，独立射击100次，用随机变量X 表示击中目标的次数，则X近似服从参数为（）的泊松分布。
设X<sub>1</sub>,…,X<sub>n</sub>是来自泊松分布P（λ)的样本,证明:λ的近似1-α置信区间为
当n充分大时，二项分布近似于（)。
