医药统计学-第四章-概率分布.pptVIP

4、缺点：当n较大时，计算比较繁锁，但精确。 5、解题思路： 将随机变量量化 指出分布类型 计算概率 6、二项分布的图形： 二项分布的形状取决于p和n的大小，高峰在E（X）=n p 处：已知p和n，可按公式计算X=0，1，…，n时的P（X）值。 以X为横坐标，以P（X）为纵坐标作图，即可绘出二项 分布的图形，如图1，给出了p=0.5和 p=0.3时不同n值对 应的二项分布图。 p=0.5时,不同n值对应的二项分布 p=0.3时, 不同n值对应的二项分布 图1 二项分布B( n，p )的概率分布 当 p 接近0.5时，图形是对称的；p 离0.5愈远，对 称性愈差，但随着 n 的增大，分布趋于对称。 当n→∞时，只要 p 不太靠近0或1，特别是当 n p和n(1－p )≥5时，二项分布近似于正态分布。 7、二项分布的数字特征：在二项分布资料中，当 p 和 n 已知时， 数学期望E（X）：E（X）=n p 标准差σ：σ（X）= = 方差D（X）：D（X）=n p q= n p(1- p) 8、举例： eg: 一张考卷上有5道选择题，每道题列出4个可能答案，其中只有一个答案是正确的。 问：某学生靠猜测至少能答对4道题的概率是多少？ 解：设 X=“该学生靠猜测答对的题目”，则 X ～B(5,1/4 ) P{ X≥4 } = P{ X=4 }+P{ X=5 } = 1/64 二、泊松分布 1、泊松 分布（Poisson distribution）：若随机变量X 的分 布律为 （k =0、1、2、3、…，即可列无穷的非负整数） 其中，λ＞0是常数，则称X 服从参数为λ的泊松分 布，表示方法：X～P (λ) 法国数学家 2、泊松分布与二项分布的关系：泊松分布是二项分布的特例、 极限，当n 充分大（n→∞），p足够小时的二项分布，较 二项分布有所改进，首先，淡化了n；并且，当n 较大时， 应用泊松分布计算简便。 因此，泊松分布是一种试验，两种结果，无数次独立重复，恰有k 例发生的概率分布。 3、性质（条件）： 满足分布概率函数的性质 P k ≥ 0 ∑P k = ∑ = 1 4、泊松近似定理： 当n充分大，p足够小（一般n≥20，p≤0.1）时，即泊松分布是描述大量试验中稀疏现象（小概率事件）发生次数的概率分布模型，同时也可用于研究单位时间或空间内某事件发生次数的概率分布。 eg: 单位体积内红细胞计数； 某地区一段时间间隔内发生火灾的次数、发生交通事故的次数； 一段时间间隔内某放射性物质射出的粒子数； 某地区一年内发生暴雨的次数 等事件均近似服从某一参数的泊松分布。 5、Poisson分布的图形： Poisson分布的形状取决于λ的大小。已知λ，就可 按公式计算得出X= 0，1，2，…时的P（k）值； 以X 为横坐标，以P（k）为纵坐标作图，即可绘出 Poisson分布的图形。 次品数X的概率分布列 X 0 1 2 P 0.357 0.536 0.107 （2）P{ X≤1 } = P{ X=0 }+ P{ X=1 } = 0.839 eg2：设有 X -1 0 1 2 P 0.1 0.3 0.2 0.4 （1）问：上表能否作为随机变量X的分布列？ （2）求：P{X≤0.1}；P{0.2≤X＜2}。 解：（1）能； （2）P{ X ≤ 0. 1 } = P{ X = -1 } + P{ X = 0 }=0.1+0.3=0.4 ; P{ 0.2≤X＜2 }= P{ X=1 }=0.2 互不相容事件同时发生的概率，为各概率之和 概率基本性质 可列可加性 eg3： 设一汽车在开往目的地的道路上需要经过四盏信号灯，每盏信号灯以1/2的概率允许或禁止汽车通