02 概率与分布幻灯片.pptVIP

第 2 章 概率与分布 统计学结论 两部分 : 结论 概率 2.1 概率和有关概念 2.1.1 概率（Probability） 掷骰子 可能结局: 1, 2, …, 6 “1” 的概率 = 1/6 色盲检查 可能结局: 正常、异常 异常的概率 = ? ---- 未知! 随机选择 n 位学生, 若其中m 位色盲, 则 异常的概率 ? 一般地, 事件: 可能的结局 ,… 事件 E 的概率 : P(E) ---- 0 和 1 之间 条件概率: 在 出现的条件下, 事件 的概率 例如, P( 鼻咽癌∣EB病毒 +) 2.1.2 优势（Odds） 对立事件: 如果只有两种互相对立的、可能的 结局，记为 和 优势: 优势比: A、B两个不同条件下，优势OddsA 和 OddsB 之比 2.1.3 Bayes’ 公式 肺癌 (B) 与吸烟 (A) 理想情形： 将对象随机分成两组, 邀请一组吸 烟，另一组禁止吸烟； 随访若干年，得到患肺 癌的人数 …… 然而， 不可行！ 但是，我们可以这样做： 利用Bayes’ 公式计算 Example 2.1 2.3 二项分布(binomial Distribution) 例2.3 已知某种动物关于某毒物的50%致死剂量 (LD50), 现有5只这样的动物注射了该剂量, 试分 别计算死亡动物数X＝0, 1, 2, 3, 4, 5的概率。 每个动物 将要死或生, 0 或 1 ; 每个动物 死于注射毒物的概率为 ； 独立、重复 5 次可能的死亡数 ； X 服从二项分布 2.4 Poisson 分布 罕见 “颗粒” 的分布 二项分布的特例： 大 n, 小 例 同位素脉冲计数. 大 n ， 0-1: 将事件轴分成n 个小段, 小到每一段时 间内脉冲个数 = 0 或 1 罕见事件: 脉冲数的平均值为: 独立：时间段内脉冲发生与否是互相独立的 例：玻片上红细胞计数. 2.4.2 概率函数的图形 Poisson 分布的性质 总体均数 =总体方差 =λ 可加性 若 和 互相独立, 则 若 则 注意: 为什麼? 若 , 则 2X 并不服从 并不服从  例： 从河中取出5份样品， 检查大肠杆菌数目 第1份样品, X1 ~ ?(?1) 第2份样品, X2 ~ ?(?2) ……………. ……. 第5份样品, X5 ~ ?(?5) 将5份样品混合起来，大肠杆菌总数也服从Poisson分布 X1+ X2+…+ X5 ~ ?(?1 + ?2 +…+?5) 可加性的应用: 将小单位合并，使得观察单位放大，这样，增大 了参数值, 分布就变得接近对称，数据处理方便。 2.5 正态分布（Normal Distribution) 实践中，许多频率分布形状如此: 中间高, 两侧低、对称 2.5.2 正态概率密度曲线下面积 多数统计教科书都附有标准正态分布表: 根据Z值查下侧尾部面积（概率）， 或 根据下侧尾部面积（概率）查Z值 区间上方的面积 区间上方的面积 临界值 的分布 2.5.3 参考值范围的确定 参考值范围或“正常值范围”: (1) 大多数 “健康人” 的取值范围. “大多数” : 95% or 99%