第六章二项分布和Poisson分布及其应用.ppt

例7.6 View Variable: View Data: Data ?Weight Cases … Weight Cases by Frequency Variable:f OK Analyze?Nonparametric Test?Binomial … Test Variable List: Chromo Test Proportion: 0.01 Exact Continue OK Poisson分布：例7.14 Transform?Compute … Target Variable:p Numeric Expression:1-CDF. POISSON（4，3） OK 第六章 二项分布与Poisson分布及其应用 第一节 二项分布(binomial distribution)的概念 一.Bernoulli试验和二项分布 Bernoulli试验应用条件 各次试验独立。 每次试验结果只能是两个互斥的结果之一； 每次试验时，其中一种结果发生的概率不变； 通常，在 Bernoulli概型中，称所关心的事件A发生为“成功”，称A发生为“失败”。 在n次独立试验中，用x表示试验成功（即事件A发生）的次数，则x是服从二项分布的离散型随机变量。 二. 二项分布的概率是如何计算的？ 例 实验白鼠共3只，死亡率为0.8，生存率为0.2。 表1 3只白鼠各种试验结果及其发生概率 死亡数 生存数 试验结果 每种排列的概率 组合的概率 甲 乙 丙 0 1 2 3 3 2 1 0 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0.2? 0.2? 0.2=0.008 0.8 ?0.2 ?0.2=0.032 0.032 0.032 0.2 ?0.8 ?0.8=0.128 0.128 0.128 0.8 ?0.8 ?0.8=0.512 0.008 0.096 0.384 0.512 n P（X）= （ ）?x（1- ?）n-x x 假定 ? 为阳性结果的概率，构成 Bernoulli 试验序列的n次试验中，事件A出现的次数x的概率分布为： 由于 是二项式[? +（1- ? ）]n展开式中的各项，故称此分布为二项分布 。 n、 ?是二项分布的两个参数。 若一个随机变量x，它的可能取值是0，1，…，n，且相应的取值概率为： （ ）?x（1- ?）n-x x n P（X）= （ ）?x（1- ?）n-x x n 则称此随机变量x服从以 n、 ?为参数的二项分布，记为 X ~ B（ n， ? ） 三.累计概率 最多有k个阳性的概率： P（X?k）= ? k X=0 （ ） ?x（1- ?）n-x n x =P（0）+P（1）+ ··· +P（k） 最少有k个阳性的概率： P（X?k）= ? （ ） ?x（1- ?）n-x X=k n n =P（k）+P（k+1）+ ··· +P（n） x 四.二项分布的性质 1.是离散型的分布。 2.二项分布的图形随?及n的取值而不同。在n较小时，当?=0.5时是对称的，当? ?0.5时呈偏态，但随着n的增大而逐渐趋于对称。当n很大， ? 不接近0也不接近1时，二项分布接近正态分布。 3.概率值中间高，两头低。 4.均数?=n?，标准差?= n?（1- ?） 5.样本率的分布： 阳性率 p = x n ，其分布为： P（p）= P（X）=（ ） ?x（1- ?）n-x n x 其中p= x n = ， ， ···， 0 n 1 n n n 。 阳性率的均数?p= ? ， 标准差?p= ?（1- ?） n 以样本率P代替总体率?，则 Sp= p（1- p） n 第二节 二项分布的应用 一.总体率的区间估计 查表法: p414表7（n?50） 正态近似