在固定试验块中计算成功次数与在固定成功次数前计算失败次数，分别产生什么离散概率分布？

二项分布的概率质量函数通过将包含 k 次成功和 n-k 次失败的单一特定序列的概率，乘以排列这些成功的可能方式的数量，来计算恰好 k 次成功的概率。公式为 $Pr(X = k) = \binom{n}{k} p^{k}(1-p)^{n-k}$。

适用条件：随机变量 X 服从参数为 n 和 p 的二项分布。；k 是满足 $0 \le k \le n$ 的整数。；试验相互独立且具有恒定的成功概率 p。

合适的稀有事件极限将这些离散故事与泊松计数和指数等待时间联系起来。

适用条件：背景是稀有事件极限。；变量代表计数和等待时间。

秩匹配方法通过从目标正态分布中生成一组随机数，对原始分数和生成的数字进行排序，然后用相同秩次的标准化分数替换每个学生的原始分数，从而实现分数标准化。这在保持相对排名的同时，使整体分布的形状与目标参数相匹配。

适用条件：已知考生的总人数。；预先设定了目标正态分布的均值和标准差。；原始分数和生成的随机数按相同方向排序。

通过将原始测量值分组到定义的区间（箱）中，并统计落入每个箱中的观测值数量，可以构建直方图。每个条形的高度或面积代表该区间的频率或计数，直观地揭示了数据点聚集最密集的区域。

适用条件：数据由数值测量值组成。；测量值被排序到预定义的区间（箱）中。；记录了每个箱中的观测值数量。

具有相同比率的独立指数等待时间之和产生伽马等待时间。

适用条件：指数等待时间是独立的。；所有指数等待时间共享相同比率。