(卫生统计学)第四篇 章 常用概率分布.pptVIP

百分位数法 例4-13 282名正常人尿汞值（?g/L）测量结果 尿汞值 人数f 累计频数∑f 累计频率% 0~ 45 45 16.0 8.0~ 64 109 38.6 16.0~ 96 205 72.7 24.0~ 38 243 86.2 32.0~ 20 263 93.3 40~ 11 274 97.2 48.0~ 5 279 98.9 56.0~ 2 281 99.6 64.0~72.0 1 282 100.0 因此，该地正常人的尿汞值的95%医学参考值范围为43.6（μg/L） Common Probability Distribution 要求： 1.熟悉三个分布的（图形与数字）特征和性质 2.掌握三个分布的概率计算，尤其是正态分布 3.了解三个分布之间的关系 4.掌握用正态分布法估计医学参考值范围 第四章 常用概率分布 第一节 二项分布 在医学卫生领域的许多试验（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；某新药、新疗法的临床试验观察患者是否治愈；观察某项指标的化验结果是否呈阳性等。 用A表示感兴趣的事件，则P(A)为所感兴趣事件发生的概率。 Bernoulli 试验序列 满足以下三个条件的n 次试验构成Bernoulli试验序列 1.每次试验只有两个互斥的结果之一（A或非A） 2.每次试验的条件不变（即每次试验有P(A)=π ） 3.各次试验独立 例4-1 例4-1 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。某医生用此法治疗头痛患者5例，3例有效的概率是多少？ 本例为Bernoulli试验序列 ，5 次试验中，事件“有效”出现的次数X=3的概率分布为： 一、二项分布的概念与特征 例4-2 例4-2 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2例有效的概率为多大？ 本例为Bernoulli试验序列 ，3 次试验中，事件“有效”出现的次数X=2的概率分布为： 治疗3例可能的有效例数及其概率 有效人数x C3x πx (1- π)n-x P(x) 0 1 0.60 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 二项分布的均数与方差 若X~B（x, n, π），则 在例4-3中，n=3,π =0.6，则3人中有效人数X的总体均数 样本率的误差估计—频率的标准误 用样本率p估计总体率π存在抽样误差，样本率p的总体均数和标准差为： 当n 较大时，对随机抽取的一个样本而言，95%的可能样本与总体率间的误差不超过1.96标准差，即： 实际工作中， 例4-4 已知某地钩虫感染率为6.7%（即?=0.067），如果随机抽查该地150人，记样本钩虫感染率为p，求p的抽样误差。 二、 二项分布的统计应用 1.概率估计 例4-5 如果某地钩虫感染率为13%，随机抽查该地150人，其中有10人感染钩虫的概率有多大？有11人感染的概率？ 2.单侧累计概率 例4-6 在例4-5中，至多有2名感染钩虫的概率有多大？至少有2名感染的概率有多大？至少有20名感染的概率有多大？ 第二节 Poisson分布的概念与特征 若某一随机变量X的取值为0，1，2，…，且X=k 的概率为： 其中 自然数e≈2.7182; λ 是大于0的常数，称X服从以λ 为参数的Poisson分布。 Poisson分布主要用于描述在单位时间（空间）内稀有事件的发生数。例如：放射性物质在单位时间内的放射次数、单位容积内充分摇匀的水中的细菌数、染色体异变数等。 一、Poisson分布概念与特征 记作 X~P（ λ ） 例如 X=k 0 1 2 3 4 ≥ 5 P 0.607 0.303 0.076 0.013 0.002 0.000 某地20年间共出生肢短畸形儿10名，平均每年0.5名。分析每年出生畸形儿数的概率分布。 分析：出生畸形儿是个稀有事件，设x为每年出生畸形儿数，?=0.5 每年出生肢短畸形儿概率分布 Poisson 分布图 Poisson分布的均数与方差都等于λ，因此参数λ的统计意义就是平均值。 三、Poisson分布的可加性 若X1,X2,…Xk 相互独立，且分别服从以λ1, λ2,…, λk 为参数的Poisson分布，则X= X1+X2+…+Xk