第五章节常用概率分布幻灯片.pptVIP

(三) Poisson分布的图形 不同的参数λ 对应不同的Poisson分布，即 λ 的大小决定了Poisson分布的图形特征，见图5-3。 当λ 越小，分布就越偏态； 当 λ 越大时，Poisson分布则越渐近正态分布。当 λ ≥ 1时，随X取值的变大，P(X)值反而变小；当 λ 1 时，随X取值的变大，P(X)值先增大而后变小。 如若 λ 是整数，则P(X)在X= λ 和X= λ-1位置取得最大值。 图5-3 λ取不同值时的Poisson分布图 由图5-3可以看到Poisson分布当总体均数λ值小于5时为偏峰，λ愈小分布愈偏，随着λ增大，分布趋向对称。 Poisson分布有以下特性： （1）Poisson分布的总体均数与总体方差相等,均为 λ （2）Poisson分布的观察结果有可加性 即对于服从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。 Poisson分布的应用 （一）概率估计 例5-7 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 （二）单侧累计概率计算 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 例5-8 例5-7中，至多有4人患先天性心脏病的概率有多大？至少有５人患先天性心脏病的概率有多大？ 至多有4人患先天性心脏病的概率 至少有５人患先天性心脏病的概率为 例5-9 实验显示某100cm2的培养皿平均菌落数为6个，试估计该培养皿菌落数小于3个的概率，大于1个的概率。 该培养皿菌落数小于3个的概率 菌落数大于1个的概率为 正态分布、二项分布和Poisson分布的关系 正态分布 二项分布 Poisson分布 发生的概率?很小， 而观察例数n很大 n?和n(1- ?)均大于5 λ≥20 第五章 常用概率分布 二项分布 二项分布的概念与特征 一个袋子里有5个乒乓球，其中2个黄球，3个白球，我们进行摸球游戏: 每一次摸到黄球的概率是0.4，摸到白球的概率是0.6。 先后摸5次，摸到黄球次数为0、1、2、3、4和5的概率分别是多大？ 该实验有三个特点： 一、是各次摸球是彼此独立的； 二、是每次摸球只有二种可能的结果，黄球或白球； 三、是每次摸到黄球（或摸到白球）的概率是固定的。 具备这三点， n次中有X次摸到黄球（或白球）的概率分布就是二项分布。 例5-1 用针灸治疗头痛，假定结果不是有效就是无效，每一例有效的概率为π。某医生用此方法治疗头痛患者5例，3例有效的概率是多少？ 因为每例有效的概率相同，且各例的治疗结果彼此独立，5例患者中可以是其中的任意3例有效。 医学研究中很多现象观察结果是以两分类变量来表示的，如阳性与阴性、治愈与未愈、生存与死亡等等。 如果每个观察对象阳性结果的发生概率均为?，阴性结果的发生概率均为（1－?）；而且各个观察对象的结果是相互独立的： 那么，重复观察n个人，发生阳性结果的人数X的概率分布为二项分布，记作B（X；n，π）。 二项分布的概率函数P(X)可用公式（5-1）来计算。 例5-2 临床上用针灸治疗某型头痛，有效的概率为60%，现以该法治疗3例，其中两例有效的概率是多大？ 表5-1 治疗3例可能的有效例数及其概率 有效人数(x) ?x (1－?)n-x 出现该结果概率P(x) 0 1 0.60=1 0.4×0.4×0.4 0.064 1 3 0.6 0.4×0.4 0.288 2 3 0.6×0.6 0.4 0.432 3 1 0.6×0.6×0.6 0.40 0.216 由表5-1可知,各种可能结果出现的概率合计为1，即?P(X)=1（X=0,1,…,n）。 因此,如果欲求1例以上有效的概率可以是 P(x≥1)=P(1)+P(2)+P(3)=0.288+0.432+0.216 =0.936 也可以是P(x≥1)=1－P(0)=1－0.064=0.936 二项分布的特征 二项分布的图形特征 ?接近0.5时，图形是对称的；图5-1 ?离0.5愈远，对称性愈差，但随着n的增大，分布趋于对称。图5-2 当n→∞时，只要?不太靠近0或1， 当nP和n(1－P)都大于5时，二项分布近似于正态分布。 二项分布图形取决于