二项分布及Pisson分布.pptVIP

二项分布及Poisson分布 第一节 二项分布（binomial distribution） 第二节 Poisson分布（Poisson distribution） 一、Poisson分布的概念 Poisson分布最早是由法国数学家Siméon-Denis Poisson (西莫恩·德尼·泊松 )研究二项分布的渐近公式是时提出来的。 地震 在生物学、医学、工业统计、保险科学及公用事业的排队等问题中 , 泊松分布是常见的.例如地震、火山爆发、特大洪水、交换台的电话呼唤次数等, 都服从泊松分布. 火山爆发 特大洪水 电话呼唤次数 交通事故次数 商场接待的顾客数 在生物学、医学、工业统计、保险科学及公用事业的排队等问题中 , 泊松分布是常见的.例如地震、火山爆发、特大洪水、交换台的电话呼唤次数等, 都服从泊松分布. Poisson分布作为二项分布的一种极限分布，已发展成为描述小概率事件发生规律的一种重要分布。常用于研究单位时间或单位空间内某罕见事件发生次数的分布。 常见的Poisson分布现象有：每滴海水中浮游生物数量的分布；用显微镜观察片子上每一格子上细菌繁殖数的分布；某些野生生物或昆虫数在单位空间中的分布；某种患病率或死亡率很低的非传染性疾病的患病人数或死亡人数的分布等。 如果随机变量X的取值为0，1，2，…，且其取值为X的概率为 则称X服从Poisson分布，记作X~P(λ) 。 一般X为单位度量中研究事件的发生数，也称样本计数或样本均数,λ为总体均数，λ=nπ 1。Poisson分布的定义 Poisson分布的概率函数式 可以证明总有： 2。服从Poisson分布的条件 在规定的单位度量中某事件（阳性事件）发生次数为X，则X满足下列条件时，X服从Poisson分布。 ① 普通性 在充分小的观测单位上X的取值最多为1 ② 平稳性 X的取值只与观测单位的大小有关，而与观测单位的位置无关 ③ 独立增量性 在某个观测单位上X的取值与其他各观测单位上X的取值无关 3。Poisson分布的性质与图形 （1）Poisson分布的图形 Poisson分布的图形与λ有关。λ越小，分布就越偏；随着λ增大，分布趋于对称，并且渐近正态分布。 当λ≤1时，随X的取值变大，P(X)值反而变小；当λ1时，随X的取值变大，P(X)值先增大后变小。 若λ是整数，则P(X)在X=λ和X=λ-1处取最大值。 （2）Poisson分布的性质 ① Poisson分布的总体均数等于总体方差μ=σ2=λ。 ② 当n很大，而π很小，且nπ=λ为常数时，二项分布近似Poisson分布。 ③ 当λ增大时，Poisson分布渐近正态分布。一般，当λ≥20时，Poisson分布可作为正态分布处理。 ④ Poisson分布具有可加性。对于服从Poisson分布的m个独立的随机变量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。 二、Poisson分布的应用 1。查表法 （一）总体均数的区间估计 对于样本计数（样本均数）X，当X≤50时，可使用附表7求其总体均数的可信区间。 例 在对市场上的纯净水进行卫生学检测时，抽查了某品牌的纯净水样1ml，培养出4个大肠杆菌。试估计该纯净水中平均每毫升所含大肠杆菌数的的95%和99%的可信区间。 本例X=4。查附表7，当α取0.05时，数值为1.0-10.2；当α取0.01时，数值为0.6-12.6 所以该纯净水中平均每毫升所含大肠杆菌数的95%可信区间为（1.0，10.2）；99%可信区间为（0.6，12.6） 2。正态分布法 当X50时，可以利用正态近似法求总体均数的可信区间。 总体均数的可信度为1-α的可信区间： 当观察单位数n=1时： 当观察单位数n1时： 例6-11 研究者对某社区12000名居民进行了健康检查，发现其中有68名胃癌患者。估计该社区每12000名居民胃癌患病数的95%和99%可信区间。 本例X=68，满足正态近似法求总体均数可信区间的条件。 所以，该社区胃癌患病数的95%可信区间为： (51.84，84.16)；99%可信区间为(46.72，89.28) （二）样本均数与总体均数的比较 样本均数与总体均数比较的检验目的是推断样本均数所代表的总体均数λ与已知的总体均数λ0是否相等。 可使用的检验方法有：直接计算概率法和正态近似法 例6-13 有研究表明，一般人群精神发育不全的发生率为3‰，今调查了有亲缘血统婚配关系的后代25000人，发现123人精神发育不全，问有亲缘血统婚配关系的后代其精神发育不全的发生率是否要高于一般？ 分析：以123人