[其它考试]二项、Poisson分布.pptVIP

第五章 二项分布和Poisson分布 n重Bernoulli实验 1、二项分布的定义 二项分布是指在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。恰有X例阳性的概率为： 　 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。 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。 2、二项分布的性质—图形特征 ?=0.5时，二项分布对称。 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，见图6-2。 3.二项分布的性质—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： 方差： 标准差： 如果将出现阳性结果的频率记为 总体均数： 标准差： 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: 4、二项分布的性质—累计概率 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： 例 某地钩虫感染率为13%，随机抽查当地150人，其中至多有2名感染钩虫的概率有多大？至少有2名感染钩虫的概率有多大？至少有20名感染钩虫的概率有多大？ 至多有2名感染钩虫的概率为 至少有2名感染钩虫的概率为 至少有20名感染钩虫的概率为 5、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 人群中遗传缺陷、癌症等发病率很低的非传染性疾病的发病或患病人数. 每毫升水中的大肠杆菌数。 每个立升气体中粉尘的计数 单位时间内放射性质点数。 单位空间中某种野生动物数。 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分布作为二项分布的一种极限情况，已发展成为描述小概率事件发生规律性的一种重要分布。 2、Poisson分布的性质 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分布图形特征 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 当时 已基本接近对称分布； 可加性 对于服从Poisson分布的m个互相独立的随机变量X1，X2，……，Xm，它们之和也服从Poisson分布，且其均数为这m个随机变量的均数之和。 例如，已知某放射性物质每10分钟放射脉冲数呈Poisson分布，5次测量的结果，分别为35、34、36、38、34次，那么50分钟放射脉冲数(总计为177次)亦呈一Poisson分布。 Poisson分布资料可利用可加性原理使?≥50，然后用正态近似法处理之。 Poisson分布是二项分布的极限形式 二项分布中，当?很小，比如?0.05，而n很大，二项分布逼近Poisson分布。且： 一个实例： 据以往经验，新生儿染色体异常率为1％，试分别用二项分布及Poisson分布原理，求100名新生儿中发生X例(X=0，l，2…)染色体异常的概率。 如果稀有事件发生次数的总体均数为λ，那么该稀有事件发生次数至多为k次的概率 发生次数至少为k次的概率 （一）概率估计 例4-7 如果某地新生儿先天性心脏病的发病概率为8‰，那么该地120名新生儿中有4人患先天性心脏病的概率有多大？ λ=n?=120×0.008=0.96