《卫生统计学》第五章 常用概率分布(6版).pptVIP

Poisson 分布的应用条件 服从泊松分布的条件与二项分布一样，其中之一是各事件相互独立。例如，某一昆虫是否落入，某人是否患某病与他人是否患病无关等。如果不符合这一条件就不呈泊松分布。因此，也可以用泊松分布来研究某些疾病是否有家族聚集性、传染性等。 二、 Poisson分布的特征 Poisson分布是一种单参数的离散型分布，其参数为λ，它表示单位时间或空间内某事件平均发生的次数，又称强度参数。 二、 Poisson分布的特征 Poisson分布的图形 泊松分布的图形是由平均数λ来确定的，当λ较小时，泊松分布不对称的程度较为显著，通常呈左偏分布；随着λ值逐渐增大，泊松分布逐渐趋向对称，而且，和二项分布一样，也逐渐趋向正态分布。一般说来，当平均数λ50时(有人认为当λ20)，泊松分布就近似于正态分布。 二、 Poisson分布的特征 当n很大，p很小，np=λ为一常数时，二项分布近似于泊松分布。p愈小，近似程度愈好。 例：据以往经验，新生儿染色体异常率为1%，试分别用二项分布和泊松分布原理，求100名新生儿中发生X例（X=1,2,3......）染色体异常的概率。 二项分布与泊松分布的比较 由上表可见，二者计算结果非常接近，当n愈大其接近程度愈好，但泊松分布的P(X)计算较为简便。 X P(X) 二项分布 泊松分布 0 1 2 3 4 5 6 7 8 0.3360 0.3697 0.1849 0.0610 0.0149 0.0029 0.0005 0.0001 0.0000 0.3679 0.3679 0.1839 0.0613 0.0153 0.0031 0.0005 0.0001 0.0000 合计 1.0000 1.0000 二、 Poisson分布的特征 Poisson分布的总体均数和总体方差相等 对于符合泊松分布的资料，其n很大，而π很小，因此，泊松分布的平均数为：λ=nπ 当π →0，(1-π)→1时，泊松分布的标准差为： 即泊松分布的总体均数与它的方差相等： μ=σ2 二、 Poisson分布的特征 Poisson分布的可加性 如果相互独立的k个随机变量都服从泊松分布，则它们之和仍服从泊松分布，且其均数为k个随机变量的均数之和。此称为泊松分布的可加性。 例：已知某放射性物质每10分钟放射脉冲数呈泊松分布，5次测量的结果分别为35、34、36、38、34次，那么，50分钟总计的脉冲数177次，亦呈泊松分布。因此，泊松分布资料可利用可加性原理使λ20，这样就可以用正态近似法处理。 第五章 常用概率分布分布 桂立辉 新乡医学院公共卫生学系 流行病与卫生统计学教研室 第五章 常用概率分布分布 二项分布 Poisson分布 正态分布 第一节 二项分布 一、二项分布的概念和特征 （一）二项分布的概念 在生命科学研究中，经常会遇到一些事物，其结果可分为两个彼此对立的类型，如一个病人的死亡与存活、动物的雌与雄、微生物培养的阳性与阴性等，这些都可以根据某种性状的出现与否而分为非此即彼的对立事件。这种非此即彼事件构成的总体，就称为二项总体（binomial population）。 第一节 二项分布 二项分布(binomial distribution)就是对这种只具有两种互斥结果的离散型随机变量的规律性进行描述的一种概率分布。由于这一种分布规律是由瑞士学者贝努里(Bernoulli)首先发现的，又称贝努里分布。 第一节 二项分布 二项分布有两个基本假设： 1.各事件是相互独立的，即任一事件的发生与否，不影响其它事件的发生概率； 2.各个随机事件只能产生相互排斥的两种结果。 定理：几个相互独立事件同时发生的概率等于各独立事件的概率之积。 定理：在几个互不相容的事件中，任一事件发生的概率等于这几个事件的概率之和。 抓中两黑一白的概率： P(2)=3×0.125=0.375 抓中三个黑球的概率： P(3)=0.5×0.5×0.5=0.125 第一节 二项分布 各种可能发生的结果对应的概率相当于展开后的各项数值，即： 前例：π=0.8，1-π=0.2，n=3 二项分布的概率函数 如果一个事件A，在n次独立试验中，每次试验都具有概率π ，那么，这一事件A将在n次试验中出现x次的概率为： 式中： 称二项系数。 二项分布的应用条件 1. 各观察单位只能具有互相对立