27二项与泊松分布.ppt

二项与泊松分布·统计学基本方法 Contrast Analyze. Statistics 华中科技大学同济医学院 公共卫生学院 熊光练 二项分布的概念 在医学卫生领域中的许多试验(或观察)中人们感兴趣的是某事件是否发生。 例如: 用白鼠作某药物的毒性试验，感兴趣的是白鼠是否死亡； 某新疗法临床试验，感兴趣的是患者是否治愈； 某指标的化验，感兴趣的是其结果是否呈阳性。 若称感兴趣的事件A出现为“成功”，不出现为“失败”，相应的这类试验就称为“成─败型”试验或称为Bernoulli试验。 Bernoulli试验序列 三个条件 (1)每次试验结果，只能是两个互斥的结果之一(A或非A)。 (2)每次试验的条件不变。即每次试验中，结果A发生的概率不变，均为 。 (3)各次试验独立。即一次试验出现什么样的结果与前面已出现的结果无关。 概率分布 一般地构成Bernoulli试验序列的n次试验中事件A出现的次数X有概率分布 二项分布的两个参数 不同的n，不同的π有不同的二项分布。 二项分布的性质 二项分布的均数与方差 平均数为: μ＝nπ 标准差为：σ＝√nπ(1-π) 二项分布示意图 二项分布的应用 总体率的估计 样本率与总体率差异的显著性检验 两样本率差异的显著性检验 总体率的估计 查表法 当样本含量n较小, 如n≤50时, 特别是π很接近0或1时,可由附表“百分率的可信区间表”直接查出。 例：某地调查50名儿童蛔虫感染情况, 发现有10人大便中有蛔虫卵, 问儿童蛔虫感染率的95％的置信区间是多少？ 此例n＝50, x＝10, 查附表得儿童蛔虫感染率的95％的置信区间为10％～34％。 总体率的估计 正态近似法 当样本含量很大时, 可以运用正态分布的置信区间方法进行近似的估计。 95％置信区间为　π±1.96σp 99％置信区间为　π±2.58σp 正态近似法实例 例：在某地随机抽取329人, 作HBsAg检验, 得阳性率为8.81％，求阳性率的95％置信区间。 已知 π＝8.81％　ｎ＝329 代入上式 σp＝√π(1-π)/n＝√0.0881(1-0.0881)/329 ＝0.0156＝1.56％ 　阳性率的95％置信区间为(8.81±1.96×1.56)即: 5.75％～11.87％ 差异的显著性检验(一) 据以往经验新生儿染色体异常率为0.01，某研究者想了解当地新生儿染色体异常是否低于一般，他随机抽查当地400名新生儿，结果1名染色体异常，请作统计推断。 分析：是否低于一般 单侧检验问题 服从二项分布 样本率与总体率的比较 H0: π=0.01 H1: π0.01 α=0.05 P(X≤1)= P(X=0)+ P(X=1) =0.0180+0.0725=0.0905 两样本率的比较 统计量u的计算公式为 实例 为研究A、B两地学生的肺吸虫感染率是否相同，某研究者随机抽取80名A地学生和85名B地学生，查得感染人数A地23，B地13。请作统计推断。 泊松分布的概念 Poisson分布主要用于描述在单位时间(空间)中稀有事件的发生数。医学卫生领域中有些指标服从Poisson分布，例如：放射性物质在单位时间内的放射次数；在单位容积充分摇匀的水中的细菌数；野外单位空间中的某种昆虫数等。 计算公式 递推公式： Poisson分布的性质 均数 Poisson分布只有一个参数 。这个参数就是Poisson分布的总体均数。不同的 对应于不同的Poisson分布。 方差 总体均数等于总体方差，它是Poisson分布的特征。 Poisson分布的正态近似 =3 =5 =10 =20 样本率与总体率比较 设一般人群食管癌患病率为30/10万，某研究者为了解当地食管癌患病率是否高于一般人群，随机抽查当地500人，结果6人患食管癌。请作统计推断。 两样本率比较 为研究两个水源被污染的情况是否相同，在每个水源各取10ml水作细菌培养，结果甲水源样品中测得890个，乙水源样品中测得785个。请作统计推断。 计算 两样本观察单位不同时 小结 二项分布 泊松分布 * * n=20,π=0.5 n=5,π=0.3 n=10,π=0.3 n=30,π=0.3