现在开始了解概率，考虑这样一个示例：假设您想要查看一家大型公司内一个部门的加班费工资分布。首先，您要收集原始数据，在本例中，要收集该部门内有加班费的每名员工的工资。接下来，将数据整理成有意义的格式，在图表上将数据绘制成频率分布。要创建频率分布，您要将工资分成几组（也称为区间或区段），并将这些区间列在图表的水平轴上。然后，将各个区间内员工的人数或频率列在图表的垂直轴上。现在，您便可以轻松查看该部门的加班费工资分布。
看一下图 A.2 “概率分布的原始频率数据” 中所示的图表会发现，最常见的工资范围在 $12.00 到 $15.00 之间。
大约 60 名员工（总共 180 名）每小时挣得 $12 到 $15.00。
您可以将这些数据绘制成概率分布图表。在概率分布中，各个区间内的员工人数显示为员工总数的一部分。要创建概率分布，您要用各个区间内的员工人数除以员工总数，并将结果列在图表的垂直轴上。
在图 A.3 “工资概率分布” 中所示的图表中，各个工资组内的员工人数显示为员工总数的一部分。您可以估计从整组中随机抽取的员工挣得的工资属于指定区间的可能性或概率。例如，假定抽样时存在相同的条件，则从整组中随机抽取的员工每小时挣得 $12 到 $15 的概率为 0.33（三分之一的几率）。
将上例中的概率分布与 Crystal Ball 中的概率分布（图 A.4 ““分布库”对话框”）进行比较。
图 A.3 “工资概率分布” 示例中的概率分布的形状类似于分布库中的许多分布。将数据绘制成频率分布并将其转换成概率分布的这一过程为选择 Crystal Ball 分布提供了一个起点。在显示的库中选择类似于该概率分布的分布，然后阅读本章中关于这些分布的信息，找到正确的分布。