统计学 二的项分布.ppt

第8章  几种离散型变量的 分布及其应用 Distribution and Application of Discrete Data Binomial distribution Poissin distribution 随机变量有连续型和离散型之分，相应的概率分布就可分为连续型分布和离散型分布。 有关连续型分布如正态分布、t分布和F分布等在前面的章节中已作了介绍。 本章主要介绍在医学中较为常用的离散型分布，即二项分布、Poisson分布。 第一节  二项分布 二项分布（binomial distribution）是指在只会产生两种可能结果如“阳性”或“阴性”之一的n次独立重复试验（常常称为n重Bernoulli试验）中，当每次试验的“阳性”概率保持不变时，出现“阳性”的次数X=0，1，2，…，n的一种概率分布。 在医学中类似如这种n重Bernoulli试验的情形较为常见。 如用某种药物治疗某种疾病，其疗效分为有效或无效； 在动物的致死性试验中，动物的死亡或生存； 接触某种病毒性疾病的传播媒介后，感染或非感染等。 若从阳性率（死亡率、感染率等）为π的总体中随机抽取大小为n的样本，则出现阳性数为X的概率分布即呈二项分布，记为X～B(n，π). 二项分布有两个参数： 总体率 样本含量 记作：X～B(n，π) 在n个独立的个体中出现X个阳性的概率可由下式求出： 一、二项分布的适用条件和性质 (一) 二项分布的适用条件 1. 每次试验只会发生两种对立的可能结果 之一，即分别发生两种结果的概率之和 恒等于1； 2. 每次试验产生某种结果（如“阳性”）的 概率π固定不变； 3. 重复试验是相互独立的，即任何一次试 验结果的出现不会影响其它试验结果出 现的概率。 (二) 二项分布的性质 1. 二项分布的均数与标准差 在n次独立重复试验中，出现“阳性”次数X的 总体均数为 总体方差为 总体标准差为 若以率表示，则样本率p的 总体均数为 总体方差为 总体标准差为 样本率的标准差也称为率的标准误，可用来描述样本率的抽样误差，率的标准误越小，则率的抽样误差就越小。 在一般情形下，总体率π往往并不知道。此时若用样本资料计算样本率p=X/n作为π的估计值，则 的估计为: 2.二项分布的图形 对于二项分布而言，当π=0.5时，分布是对称的，见图； 当 0.5时，分布是偏态的，但随着n的增大，分布趋于对称。当n 时，只要π不太靠近0或1，二项分布则接近正态分布。 二、二项分布的应用 (一)总体率的区间估计 1. 查表法 2. 正态近似法 1. 查表法 对于n 50的小样本资料，直接查附表6百分率的95%或99%可信区间表，即可得到其总体率的可信区间。 例6-2 在对13名输卵管结扎的育龄妇女经壶腹部-壶腹部吻合术后，观察其受孕情况，发现有6人受孕，据此资料估计该吻合术妇女受孕率的95%可信区间。 本例n=13，X=6。查附表6，取0.05时，在n=13（横行）与X=6（纵列）的交叉处数值为19～75，即该吻合术妇女受孕率的95%可信区间为（19%，75%）。 附表6只列出 的部分。当 时，可先按“阴性”数n-X查得总体阴性率的 可信区间QL～QU，再用下面的公式转换成所需的阳性率的 可信区间。 PL=1-QU， PU=1-QL 2. 正态近似法 根据数理统计学的中心极限定理可得，当n较大、π不接近0也不接近1时，二项分布B(n，π)近似正态分布 ，而相应的样本率p的分布也近似 正态分布。为此，当n较大、p和1-p均不太小，如np和n(1-p)均大于5时，可利用样本率p的分布近似正态分布来估计总体率的可信区间。 的 可信区间为： 如： 的95%可信区间为 的99%可信区间为 (二)样本率与总体率的比较 1.直接法 在诸如疗效评价中，利用二项分布直接计算有关概率，对样本率与总体率的差异进行有无统计学意义的比较。比较时，经常遇到单侧检验，即“优”或“劣”的问题。那么，在总体阳性率为π的n次独立重复试验中，下面两种情形的概率计算是不可少的。 （1）出现“阳性”的次数至多为k次的概率为: （2）出现“阳性”的次数至少为k次的概率为 例6-