第六章、二项与泊松分布预案.ppt

两组资料均无法满足正态，可以分别对改革前后重复测量数次，例如改革前又测量了2次，分别为6颗/升、7颗/升；改革后又测量了4次，分别为3颗/升、 4颗/升、 6颗/升、 4颗/升；这样改革前每三升空气的粉尘颗粒数就可以近似表达为正态分布N(21,21)，而改革后每5升空气的粉尘颗粒数近似表达为正态分布N(20,20)；然后依据上述例题将它们化为相同单位，用u检验分析 请注意，不可直接将改革前第一次测量的结果8颗/升直接乘以3，得到每三升的颗粒为24颗/升；因为并非每次测量的结果都是8颗/升（ 8颗/升仅仅是一次样本的数据，并不代表每升的总体均数也是8） 泊松分布资料的假设检验 本章小结 两种不同的概率分布的定义、满足条件 图形特点、分布的参数 不同概率分布的应用 两种分布间的联系与正态近似 泊松分布的定义 泊松分布的满足条件 现以放射性脉冲为例：将一段规定时间内平均放射的脉冲数记为l，把这段时间分成n等份(n→∞)，则每小段时间内的平均放射脉冲数为l/n 在每小段时间中观察脉冲发生与否，结果只能是“是”与“否”，所以观察结果是一个二分类变量，几乎不会在同一瞬间发生两个或以上脉冲 每小段时间中出现脉冲的可能性大小均为l/n 不同时间段内是否有脉冲出现并不受前后时间点的影响，即不同时间段上脉冲的出现是相互独立的 设想每个脉冲所持续的时间都是极短的，时间段数n十分大，则在任意时间段出现脉冲的可能性几乎可以忽略（即l/n≈0） 所以泊松分布可以归纳为：大量重复而发生可能性很小的贝努利试验序列（也可以理解为n很大而p很小的二项分布），阳性数近似满足泊松分布 泊松分布的满足条件 泊松分布与二项分布的关系 发生数x 发生概率P(x)（p=18/10万，n=1000；l=1.8） 二项分布计算 泊松分布计算 0 0.1650 0.1653 1 0.2976 0.2975 2 0.2680 0.2678 3 0.1608 0.1607 4 0.0723 0.0723 5 0.0260 0.0260 6 0.0078 0.0078 7 0.0020 0.0020 8 0.0004 0.0005 9 0.0001 0.0001 10 0.0000 0.0000 泊松分布的特征：图形特点 由于泊松分布的概率值仅仅由自变量x与一个固定的常数l（参数）决定；所以决定分布形态的参数只有一个：l 现令l分别为1、5、10、20、50，试描述图形的变化特点 泊松分布的特征：图形特点 类似二项分布图形，泊松分布也是离散分布 在x= l处，泊松分布的概率值最大 由于泊松分布描述的是小概率事件，发生可能性p很小，所以分布均为正偏态，即大多数可能情况出现在阳性数小的时候 在l较小的时候，分布是不对称的，例如l=1时，而当其大于等于5时，就逐渐“对称”起来，“对称”的位置为x= l 当l≥20，泊松分布近似正态分布 泊松分布是二项分布的极端情况（n→∞、而p→0），所以它的均数与标准差也可以用二项分布的均数与标准差表示 二项分布的均数为np，故泊松分布的均数也是np，只不过用平均发生的阳性数l代替而已（l=np） 在二项分布中，发生阳性数的方差为np(1-p)；而在泊松分布情况下，由于p→0，使得1-p→1，故np(1-p) →np=l 泊松分布的特征：均数与标准差 泊松分布的特征：均数与标准差 泊松分布的均数与方差相等，均为l 即： 泊松分布的特征：泊松分布的可加性 观察某一现象的发生数时，如果它满足泊松分布，那么把若干个小单位合并为一个大单位后，其合计数亦满足泊松分布；x1~P(l1)、 x2~P(l2)、 x3~P(l3)、 ……则x1+x2+x3……~P(l1+l2+l3……) 某放射性物资每0.1s放射粒子数服从均数为2.2的泊松分布，现随机取3次观测结果进行研究，这3次的结果分别为每0.1s放射2、3、4个离子，请问每0.3s放射粒子数为多少？并指出其服从均值为多少的泊松分布？ 泊松分布的应用：概率估计 例：如果某地新生儿先天性心脏病的发病率为8‰，那么该地120名新生儿中出现4例先心患儿的概率有多大？ 首先对于每个新生儿，先天性心脏病的发生满足贝努利试验要求；同时它的发生概率很低，而本题的人数相对较多；故既可以用二项分布法计算，也可以用泊松分布法计算 n=120，p=0.008，l=120×0.008=0.96； 泊松分布的应用：累积概率估计 上述例题中，至多有4名新生儿患先心的概率有多大？介于1～3人的概率有多大？ 解： 泊松分布的正态近似性 当l较小时， 泊松分布呈偏态分布，随着l增大，迅速接近正态分布，当l?20时，可以认为近似正态分布，这样在计算累积概率时就可以转化为求正态分布的曲线下面积，大大简化计算 该正态分布的均数为泊松分布的均数l，方