第五章二项分布和poisson分布及其应用技术分析.ppt

二项分布与Poisson分布 连续性分布 正态分布 t 分布 分布 F分布 离散性分布 二项分布 Poisson 分布 如果已知某种药物的某种副反应发生率为10%，现有5个病人服用此药物，请问4个或4个以上的病人发生此副反应的概率是多少？ 二项分布(binomial distribution) 概念：是描述只具有两种互斥结果的随机事件规律性的一种概率分布。 二项分布的特点： 每次试验结果有两种可能（成功或失败）。 每次试验出现成功的概率 恒定。 各次试验独立。 例：5.1 设实验用白鼠共3只，记事件“白鼠用药后死亡”为A，相应死亡概率为 。记事件“白鼠用药后不死亡”为 ，相应概率为 。 记经试验后3只白鼠中死亡白鼠数为X，则X的可能取值为0、1、2和3，取这些值的概率如下表。 若白鼠死亡概率为0.8。 二项分布的规律 在n次试验中出现成功次数为Ｘ次(成功率为 )的概率为： 二项分布的参数 对于不同的 ，不同的 有不同的二项分布。 二项分布有两个参数 、 。 随机变量X服从以 、 为参数的二项分布，记为X～B( , )。 二项分布的概率分布列 见表5.3，列出了发生A事件k次的概率 （k=0，1，2，3，….） 二项分布的累计概率 结果A最多有K次发生的概率 结果A最少有K次发生的概率 例5.2 经统计，某省用“中药阑尾炎合剂”治疗急性阑尾炎性腹膜炎的有效率为86%，试分别估计：① 治疗10例中至少9例有效的概率；② 治疗10例中至多7例有效的概率。 本例有效例数～B(10，0.86) 10例患者中至少9例有效的概率为： 至多7例有效的概率： 二项分布的均数与方差 若 ，则 : 的均数 的方差 的标准差 的均数在这里可以理解为n次试验中结果A期望出现的次数，而 的标准差则是衡量结果A出现次数的变异程度。 例5.3 求例5.1中平均死亡鼠数及标准差。 根据死亡鼠数 ～B(3，0.8)，则： 平均死亡鼠数 (只)。 标准差 (只 ）。 二项分布的图形 二项分布的正态近似 由数理统计学的中心极限定理可得，当n较大、 不接近0也不接近1时，二项分布B( , )近似正态分N 。 样本率的分布规律 在n次试验中出现成功率为 的概率为： 总体率及标准误 样本率的总体均数 样本率的总体标准差 率的标准误的估计值 例5.4 某医院用复方当归注射液静脉滴注治疗脑动脉硬化症188例，其中显效83例，试估计其标准误。 率的参数估计 率的假设检验 二项分布的应用 率的参数估计 总体率的点估计 总体率的区间估计 查表法 正态近似法 样本率与总体率比较 两样本率的比较 总体率的区间估计 查表法：当≤50时可查表求总体率的95%或99%可信区间(附表3)。 附表3中的X值只列出 部分，当 时，应以 值查表，求总体阴性率可信区间，再用1减去阴性率可信区间，即得阳性率的可信区间。 当n足够大，p和1－p均不太小时(可通过np与n(1－p)均大于5判断)，样本率p近似正态分布，这时可以利用正态分布理论来估计总体率的可信区间 ： 率的标准误 例5.4 某医院用复方当归注射液静脉滴注治疗脑动脉硬化症188例，其中显效83例，试估计复方当归注射液显效率的95%和99%可信区间。 本例，n＝188，p＝83/188=0.4415 估计显效率的95%的可信区间： 复方当归注射液显效率的95%的可信区间为： (0.4415－1.96×0.036，0.4415＋1.96×0.036) =(37.09%，51.21%) 复方当归注射液显效率的99%的可信区间为： (0.4415－2.58×0.036， 0.4415＋2.58×0.036)= (34.86%，53.44%) 率的假设检验 样本率与总体率的比较 直接计算概率法 正态近似法 两个率的比较 直接计算概率法 根据二项分布的概率分布列计算概率或累积概率，并依据小概率事件原理，作出统计推断。 例5.7 一种鸭通常感染某种传染病的概率是0.2，现将一种药物注射到25只鸭后发现有1只鸭发生感染，试判断这种药物对预防感染是否有效。