第5章二项分布及Poisson分布.pptVIP

一.概念： 为率的抽样分布，各种情况的概率等于二项式展开后的各项。 X=0.1.2…..n ⑴污染样品数为3个的概率： 五. 二项分布的均数与标准差 2.若用率表示，则： X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X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中平均死亡鼠数及其标准差。 根据死亡鼠数X～B（3，0.8）得到 平均死亡鼠数 只 标准差 二项分布的应用 二项分布是一种常用的离散型分布，具有广泛的应用价值。在实际问题中特别要注意判定一个变量是否服从二项分布。凡具有贝努利试验序列3个特点的变量，一般可认为服从二项分布。 1）总体率的区间估计 总体率估计包括点估计和区间估计。点估计是直接用样本率来估计总体率。区间估计是根据样本提供的信息按一定的概率（即可信度）来估计总体率的可能范围。 总体率的可信区间根据n和P的大小一般有两种估计方法。 a正态近似法 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。 可信度为1-α的可信区间： 例: 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，试估计等量齐观方当归注射液显效率的95%和99%可信区间。 复方当归注射液静95%可信区 （0.4415×1.96×0.036,0.4415×1.96×0.036） =(0.3709,0.5121)=(37.09% ,51.21%) B查表法 如果n,p不符合上述要求，当n≤50，特别是P很接近0或1时，样本资料呈二项分布，可用二项分布法估计总体率的可信区间。该法计算繁杂，附表3列出了总体率的95%和99%可信区间， 例5.5 从某学校随机抽取26名学生，发现有4名感染沙眼，试求该校沙眼感染率95%可信区间。 本例n=26，X=4，查附表3的可信度为95%的可信区间为（0.04,0.35），即（4%，35%）。 注意： 附表3中X值只列出 时， 可以用n-X查表，然后以100%减去查的区间即为所求的可信区间 例5.6 某县抽查了10名人员的乙型肝炎表面抗原（HBsAg）携带情况，阴性者8人，求该县人群HbsAg阴性率的95%可信区间为 若x ? n/2 ，则按n-x 查表得？，然后100-？ 例：上题若 X=8，则 n-x=10-8=2 查表得：3% ~ 56% 然后100-？得：44% ~ 97% 例如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，试推断这种药对预防感染是否有效 Ho： 此药物对预防感染无效 即π=0.2 H1： 此药物对预防感染有效 即π 0.2 单侧α=0.05 在Ho成立的前提下，25只鸭发生感染的只数X～B（25，0.2）则有 Poisson分布 一.概念： poisson分布与二项分布 及正态分布的关系 poisson分布可视为二项分布的特例　若某种现象的发生率π甚小，而样本例数甚多时，则二项分布逼近poisson分布 .? poisson分布的正态近似　一般在实际应用中，当μ≥２０时，poisson分布近似正态分布，资料可根据正态分布原理处理，从而简化计算 poisson分布的应用 poisson分布的应用条件 凡具有贝努利实验序列３个特点且π很小n大时，其相应的变量一般认为服从poisson分布. 实际工作中，μ往往是未知的，当poisson分布的观察单位为n＝１时，常用样本计数（样本均数）Ｘ作为μ的点估计值，相应的样本标准差的计算式为： 标准误的计算式为： 当poisson分布的观察单位为n1时，常用样本均数Ｘ／n作为μ的点估计值，相应的样本标准差的计算公式： 标准误的计算公式为： 例５.１３　某研究者取５mＬ纯净水培养，得细菌数６０个，试分别估计５mＬ和１mＬ纯净水中细菌数的标准差和均值 本例以每５mＬ纯净水为一个poisson分布观察单位，此时n＝1，利用式（５.１6）得样本标准差， 以每1mＬ纯净水为一个poisson分布观察单位此时n＝5，利用式（５.１）得样本标准差为　　　　　　　　　　　， 样本均数为Ｘ＝６０／５个／mＬ＝ １２个／mＬ 当Poisson分布的观察单位为n1时，其总体均数