管理8 常用概率分布.ppt

二项分布(binomial distribution) 二分类资料，观察对象的结局只有相互对立的两种结果。 例如： 生存、死亡 阳性、阴性 发病、不发病 治愈、未愈 * 先看一个例子 已知：小白鼠接受某种毒物一定剂量时， 死亡率=80% 生存率=20% 每只鼠独立做实验，相互不受影响 若每组各用3只小白鼠（甲、乙、丙） 3只小白鼠的存亡方式符合二项分布 * 概率的乘法法则 : 几个独立事件同时发生的概率，等于各独立事件的概率之积 概率的加法法则 : 互不相容事件和的概率等于各事件的概率之和 * 3只小白鼠均生存的概率： P=0.2?0.2?0.2=0.008 3只小白鼠2生1死的概率： P1=0.2?0.2?0.8=0.032 P2=0.2?0.8?0.2=0.032 P=0.096 P3=0.8?0.2?0.2=0.032 * 3只小白鼠1生2死的概率： P1=0.2?0.8?0.8=0.128 P2=0.8?0.8?0.2=0.128 P=0.384 P3=0.8?0.2?0.8=0.128 3只小白鼠均死亡的概率： P=0.8?0.8?0.8=0.512 * * x 0 0.5 0.4 0.3 0.2 0.1 0.0 1 2 3 (0.2+0.8)3 二项分布示意图 * 二项分布的定义 从阳性率为π的总体中随机抽取含量为n的样本，恰有X例阳性的概率为： 　 X=0,1,2,…,n 则称X服从参数为n和?的二项分布，记为：X～B(n,?)。其中参数 n由实验者确定，而?常常是未知的。 * 如已知n=3，?=0.8，则恰有１例阳性的概率P(1)为： * 二项分布的性质（一） 均数与标准差 * 二项分布的性质（二） 累计概率(cumulative probability) 从阳性率为?的总体中随机抽取n个个体 最多有k例阳性的概率： 最少有k例阳性的概率： * 递推公式： * 二项分布的例子 据以往经验，用某药治疗小儿上呼吸道感染、支气管炎，有效率为85％，今有5个患者用该药治疗，问：① 至少3人有效的概率为多少？② 最多1人有效的概率为多少？ * ① 至少3人有效的概率： P(X≥3)=P(3)+P(4)+P(5) 则 P(X≥3)=0.138178125＋0.391504688＋0.443705313=0.973388126 * ② 最多1人有效的概率为： P(X ≤ 1)=P(0)+P(1) * 二项分布的图形特征 偏态分布 N逐步增大且 不要太小或太大（ 和 ），二项分布趋向与正态分布。 * 二项分布的应用条件 各观察单位只能有互相对立的一种结果，属于二分类资料 已知发生某一结果(如阴性)的概率?不变，其对立结果(如阳性)的概率则为1-? n次试验在相同条件下进行，且各观察单位的结果互相独立 * Poisson 分布的概念 单位时间、单位空间内某事件的发生数 单位人群（较大）中某稀有事件的发生数 放射性物质每分钟放射的脉冲数 每ml水中大肠菌群数、每升空气中粉尘数、每1万个细胞中有多少个发生突变 某地每天的交通事故数、某工矿企业每天的工伤人数 足球比赛每场的进球数 生物：每平方公里有多少植物 * 如果某事件的发生是完全随机的，则单位时间或单位空间内，事件发生0次、l次、2次…的概率为： X=0，1，2，… 　　　 则称该事件的发生服从参数为?的Poisson分布，记为X～Poisson(?)。X为单位时间或空间内某事件的发生数，P(X)为事件数为X时的概率，e为自然对数的底。 * Poisson分布的性质（一） 均数与方差　 Poisson分布的方差?2与均数? 相等，均为 ? ，即：?2=?=?　 　　　　　 其中参数 ? 即为均数，表示单位空间或时间内事件平均发生的次数，又称强度参数。 * Poisson分布的性质（二） 累计概率 最多为k次的概率： 最少为k次的概率： * 递推公式： * Poisson分布的形状取决于 ? 的大小。 Poisson分布为正偏态分布，且? 愈小分布愈偏； 随着? 的增大，分布逐渐趋于对称 当 ? =20时已基本接近对称分布； 当 ? = 50时，Poisson分布近似正态分布， ? ≥50时可按正态分布原理处理