对二项分布选取合适的参数，区分两种近似分布（即泊松分布和正态分布）限制条件的差异 matalab语句实现

针对二项分布，我们需要选取两个参数：试验次数n和成功概率p。

对于泊松分布近似，我们需要满足以下条件：

1. 试验次数n足够大，即n≥20；
2. 成功概率p足够小，即p≤0.05。

而对于正态分布近似，我们需要满足以下条件：

1. 试验次数n足够大，即n≥30；
2. 成功概率p不需要满足特定条件。

在MATLAB中，可以使用`binopdf`函数计算二项分布的概率密度函数、`binocdf`函数计算累积分布函数、`poisspdf`函数计算泊松分布的概率密度函数、`poisscdf`函数计算累积分布函数、`normpdf`函数计算正态分布的概率密度函数、`normcdf`函数计算累积分布函数。例如：

n = 50;
p = 0.02;
k = 0:10;

% 二项分布的概率密度函数
bino = binopdf(k, n, p);

% 泊松分布的概率密度函数
poiss = poisspdf(n*p, k);

% 正态分布的概率密度函数
mu = n*p;
sigma = sqrt(n*p*(1-p));
norm = normpdf(k, mu, sigma);

% 绘制概率密度函数图像
plot(k, bino, 'o-', k, poiss, 'x-', k, norm, '+-');
legend('二项分布', '泊松分布', '正态分布');

这段代码可以计算n=50，p=0.02时，k取值为0~10的二项分布、泊松分布和正态分布的概率密度函数，并将三种分布的图像绘制在同一张图中，方便比较。