X~N(a.b)表示随机变量X满足二项分布，其中a表示实验的次数，b表示实验每次发生的概率。
二项分布是指在只有两个结果的n次独立的伯努利试验中，所期望的结果出现次数的概率。
伯努利分布：
在一次试验中，事件A出现的概率为p，不出现的概率为q=1-p。若以β记事件A出现的次数，则β仅取0，1两值，相应的概率分布为：
在生产实践过程中会有来自很多方面因素的影响，所有这些因素的综合作用导致过程动荡，从而体现出一些质量特性的不稳定性. 概率论与数理统计一些统计技术可以帮助我们了解和监控这些波动，帮助我们朝着有利于我们的方向发展。
在生产实践中有一类现象，研究的对象只产生两种可能结果，他们的分布规律就是二项分布，二项分布应用很广泛。
扩展资料：
需要特别提醒的是：二项分布是建立在有放回抽样的基础上的，也就是抽出一个样品测量或处理完后再放回去，然后抽下一个。在实际的工作中通常我们很少会这样抽，一般都属于无放回抽样，这时候需要用超几何分布来计算概率。
在一般的教课书上都会要求，当总体的容量N不大时，要用超几何分布来计算，如果N很大而n很小，则可以用二项分布来近似计算，也就是可以将无放回抽样近似看出有放回抽样。至于n要小到什么程度，有的书上说n/N小于0.1就可以了，有的书上则要求小于0.05。
X~N(a.b)表示随机变量X满足二项分布，其中a表示实验的次数，b表示实验每次发生的概率。
在概率论和统计学中，二项分布是n个独立的成功/失败试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上，当n=1时，二项分布就是伯努利分布。
扩展资料
当试验的次数趋于无穷大，而乘积np固定时，二项分布收敛于泊松分布。因此参数为λ=np的泊松分布可以作为二项分布B(n,p)的近似，近似成立的前提要求n足够大，而p足够小，np不是很小。
当n越大（至少20）且p不接近0或1时近似效果更好。不同的经验法则可以用来决定n是否足够大,以及p是否距离0或1足够远,其中一个常用的规则是np和n(1 −p)都必须大于 5。
本回答被网友采纳其中a是平均数，b是方差。
具体不懂再追问本回答被提问者和网友采纳