10二项分布解析.pptVIP

二项分布及其应用Binomial distribution and its application 主要内容 二项分布的概率及定义 二项分布的性质 二项分布的应用 率的区间估计 两个样本率的比较 样本率与总体率的比较 1 二项分布的概念 二项分布的概率 设事件A出现的概率为?。则在n次独立试验中，事件A恰好出现 k 次的概率为： 对应于二项展开式： 二项展开 ( 0.2 +0.8 )3 = 0.23 + 3×0.22×0.8 + 3×0.2×0.82 + 0.83 累计概率 P(X≤k) = P(X=0)+P(X=1)+…+P(X=k)　 　 P(X≥k) = P(X=k)+P(X=k+1)+…+P(X=n)　 P(X≤k) = 1－ P(X≥k+1) 2.1 二项分布的均数和方差 　如果X~B(n,?)，则： Ｘ的均数： Ｘ的方差： Ｘ的标准差： 2.2 二项分布的图形 二项分布的性质 1、二项分布的形状取决于n和 的大小 2、二项分布关于 对称 正偏态 负偏态 且n越小，偏态程度越严重 3、随着n的增大，二项分布逐渐逼近正态分布 大于5，可用正态分布原理分析 例 2374户6人家庭乙肝表面抗原阳性人数 2.3 率的抽样分布及其性质 在n足够大时，样本率 p 的分布近似正态分布。 率的均数和方差 　　　　　X~B(n, p)，p=X/n 样本率的均数： 　样本率的标准差： 　　(率的标准误)　 二项分布的应用(1 )  3.1 率的可信区间估计 n 较大时, 可用正态近似法： 率的 95%的CI: 例4.4 n=144, X=13: p=13/144=0.0902, sp=0.02388 0.0902±1.96×0.02388=(0.0435, 0.1371) 　　　　　　　　　　 (4.35%, 13.71%)　 n 较小时, 查表法(直接计算概率法) 例4.5 n=29, X=1。p=3.4%. (-3.1%, 10.0%) × 查附表6，n=29, X=1。 (0.1%, 17.8%) 率的可信区间的不对称性 ?＝0.1 ?＝0.2 ?＝0.3 ?＝0.5 n＝10 0~45 3~56 7~65 19~81 n＝20 1~32 6~44 12~54 27~73 n＝30 2~27 8~39 15~49 31~69 n＝40 3~24 9~35 17~47 34~66 n＝50 3~22 10~34 18~45 36~65(%) 率的可信区间的性质 只有?=0.5时是对称的； n越大，区间越窄； 对同一n， ?越接近0.5，分布越宽，越接近0或1，分布越窄； 两样本率之差的区间估计 二项分布的应用条件 各观察单位的观察结果只能是相互对立的两种结果之一； 某事件出现的概率不变； n次试验条件相同， n个观察对象同质，且相互之间不影响(例如，无传染性、聚集性等)。 二项分布的应用(2 )：率的假设检验 样本率与总体率的比较 直接计算概率法 样本含量较小时，或样本率较小时，如 np和n(1-p)均小于5 正态近似法 二项分布的应用：率的假设检验 新生儿染色体异常率0.01，随机抽取某地400名新生儿中有1名异常，问该地异常率是否低于一般？ H0： ?＝0.01； H1： ? 0.01 α=0.05，单侧 Pα,不拒绝H0，尚不能认为该地异常率低于一般。 二项分布的应用：率的假设检验 两样本率的比较 正态近似法 当n1,n2均较大，p1，p2，(1-p1)，(1-p2) 均不太小，如n1p1，n2p2，n1(1-p1)， n2(1-p2)均大于5时，可用u检验。 二项分布的应用：率的假设检验 例 109例贫血患者治疗后有效率比较 查u界值表，p0.05，不拒绝H0，尚不能认为两药有效率不同。 * 0.512 0 3 0.8×0.8×0.8 死 死 死　　　 1.000 1 0.8×0.8×0.2 死 死 生　 0.384 1 2 0.8×0.2×0.8 死 生 死　 0.2×0.8×