泊松分布.pptVIP

* * * 例 8-12 用甲、乙两种培养基对水质进行细菌培养,在相同的条件下, 用甲培养基的菌落数为100, 用乙培养基的菌落数为150, 问两培养基的菌落数的差别有无显著性? 由于平均数λ大于50，因而可用正态近似法进行泊松分布的检验 当两样本的观察单位（时间、面积、容积）不相同时： X1＋x2≥20 5＜X1＋x2 ＜ 20 例8-13 例8-13 两样本计数差别的统计检验 某车间在改革生产工艺前，测取三次粉尘浓度，每升空气中分别有38，39，36颗粉尘；改进工艺后，测取两次，分别有25，18颗粉尘。问工艺改革前后粉尘数有无差别？ H0：μ1 = μ2 H1：μ1≠μ2 α=0.05 P0.01，拒绝H0接受H1 用泊松分布对聚集性的研究 应用均数=方差的特点可以检验样本中各计数（x1 ，x2 ，… xn)是否来自同一总体有随机样本。用所观察到的样本数据，作如下卡方检验，其自由度为n-1 这一检验和上面介绍的泊松分布配合适度检验都可用于检验某一样本是否来自泊松分布，或检验某事件（或颗粒）之间是否独立或是否有聚集性。 例 在室内不同位置放置6个平皿，隔一定时间后进行培养，得葡萄球菌落数分别为21，26，22，18，19，32，问细菌在室内不同位置的分布是否随机? 则接受这一分布属于泊松分布的假设，说明菌落分布是随机的，没有聚集性。 小结 在总体比例很小时，样本含量n趋向于无穷大时，二项分布也就趋向于泊松分布 泊松分布可看作是单位时间、单位面积或单位容积中颗粒数或某罕见事件发生数的概率分布 泊松分布的特征 泊松分布的应用范围 * * * * * * * * * * * * * * * * * * * * * * * * * * 第二节 泊松分布（Poisson distribution） 一、泊松分布的概念 二、泊松分布的性质 三、泊松分布的应用 一、泊松分布的概念 泊松分布（Poisson distribution）：为二项分布的特例，如果某些现象的发生率π很小，而样本例数较大，则二项分布逼近Poisson分布。 1837年S.D.Poisson提出的 如果某事件的总体平均发生次数为λ，则在n个独立试验中，则该事件发生x次的概率为： 泊松分布的概率 x=0，1，2，3… e＝2.71828 λ为总体平均数 Poisson分布的条件 n值很大，而π（或1-π)很小的二项分布 π或1- π接近于0或1：如0.001或0.999 二项分布的条件 用途： 用来描述研究单位时间内（或单位空间、容积内）某罕见事件发生次数的分布：如 单位体积的水或牛奶中的细菌数的分布 计数空气中细菌或灰尘的分布 放射性物质在单位时间内放射次数的分布 用来分析医学上人群中遗传缺陷、癌症等发病率很低的非传染性疾病的发病或患病人数的分布 二、泊松分布的性质 当n很大而π很小,且nπ=?为常数时,二项分布近似Poisson分布 Poisson分布的总体均数和方差相等：即?=?2 当?增大时，Poisson分布渐近正态分布;当?≥20时Poisson分布资料可作为正态分布处理 Poisson分布具有可加性 Poisson分布的均数和方差 泊松分布的均数与它的方差相等 例：有人观察血细胞计数池中400小格，并数出小格中红细胞数，如下图，问此分布是否符合Poisson分布? 每小格红细胞数(x) 小格数 0 11 1 36 2 76 3 80 4 74 5 58 6 38 7 17 8 6 9 3 10 0 11 1 合计 400 计算平均数和 和方差，看 是否相等 Poisson的可加性 从总体均数为λ1的Poisson分布总体中随机抽出一份样本，其中稀有事件的发生次数为X1次， 再独立地从总体均数λ2的Poisson分布总体中随机抽出另一份样本，其中稀有事件的发生次数为X2， 则它们的合计发生数T=X1+X2也服从Poisson分布，总体均数为λ1+λ2。 从同一水源独立地取水样5次，进行细菌培养，每次水样中的菌落数分别为Xi，i=1,…,5,均服从Poisson分布，分别记为Π（λi）, i=1,…,5，把5份水样混合，其合计菌落数∑Xi也服务Poisson分布，记为Π（λi+λi +…+λ5）. 例 某一放射性物体，以一分钟为时间单位的放射性计数为50，20，20，40，10，问如果以5分钟为时间单位，其标准差是多少？ 据泊松分布的可加性原理，可计算出5分钟计数为： 50+20+20+40+10=140 若测定的数据只限于此，则5分钟的放射性脉冲计数的均值可估计为140，则标准差为 例 一个放射性物体5分钟测得脉冲数为140，另一个放射性物体5分钟测得脉冲数为200次，这两