二项与泊松分布(10硕).pptVIP

二项分布与泊松分布Binominal Distribution and Poisson Distribution 华中科技大学同济医学院 公共卫生学院 吴 静 第一节 二项分布 一、二项分布的概念 Bernoulli试验 在医学卫生领域中的许多试验(或观察)中人们感兴趣的是某事件是否发生。 例如： 毒性试验：白鼠 死亡——生存 临床试验：患者 治愈——未愈 临床化验：血清 阳性——阴性 若称感兴趣的事件A出现为“成功”，不出现为“失败”（非A），相应的这类试验就称为“成—败型”试验或称为Bernoulli试验。 Bernoulli试验序列 n次Bernoulli试验构成了Bernoulli试验序列 三个条件 (1)每次试验结果，只能是两个互斥的结果之一(A或非A) (2)每次试验的条件不变，即每次试验中，结果A发生的概率不变，均为π (3)各次试验独立，即一次试验出现什么样的结果与前面已出现的结果无关 成功次数的概率分布——二项分布 一般地，构成Bernoulli试验序列的n次试验中事件A出现的次数X有概率分布： π为每次Bernoulli试验中结果A出现的概率 二项分布描述的是在n次Bernoulli试验中，“结果A出现k次”这一随机事件的取值及其概率 成功次数的概率分布——二项分布 若从阳性率（死亡率、感染率等）为π的总体中随机抽取大小为n的样本，则出现阳性数为X的概率分布即呈二项分布，记为X～B (n, π) 二项分布的两个参数n, π 不同的n，不同的π有不同的二项分布 二项分布的概率计算 例6-1 某种药物治疗某种非传染性疾病的有效率 为0.70。今用该药治疗该疾病患者10人，试分别 计算这10人中有7人有效的概率。 本例n=10，π=0.70，X=7。按公式（6-1）计 算相应的概率为： 二、二项分布的特征 二项分布的图形特征 当π=0.5时，图形对称 二项分布的图形特征 当 0.5时，图形呈偏态，但随n的增大，图形逐渐对称。 当n 时，只要π不太靠近0或1，特别是当nP和n(1-P)都大于5时，二项分布则接近正态分布。 二项分布的均数与标准差 若X～B (n, π)，则X的 总体均数为： 总体方差为： 总体标准差为： 二项分布的均数与标准差 若以率表示，则样本率p (0, 1/n, …, k/n, …, n/n)的 总体均数为 总体方差为 总体标准差为 二项分布的均数与标准差 样本率的标准差也称为率的标准误，可用来描述样本率的抽样误差，率的标准误越小，则率的抽样误差就越小。 若总体率π未知，可用样本资料计算样本率p=X/n作为π的估计值，则 的估计为： 三、二项分布的应用 二项分布的应用 总体率的估计 样本率与总体率差异的显著性检验 两样本率差异的显著性检验 总体率的估计 查表法 当样本含量n较小, 如n≤50时, 特别是π很接近0或1时,可由附表6“百分率的可信区间表”直接查出。 例6-2 某地调查50名儿童蛔虫感染情况, 发现有 10人大便中有蛔虫卵, 问儿童蛔虫感染率的95％ 的置信区间是多少？ 此例n＝50, x＝10, 查附表6得儿童蛔虫感染率 的95％的置信区间为10％～34％。 总体率的估计 正态近似法 总体率的估计 p ? z0.05/2 = 0.783 ? 1.96? = 0.709 ~ 0.857 即该仪器乳腺癌总体检出率的95%置信区间为(70.9% , 85.7% )。 样本率与总体率的比较 直接法 （1）出现“阳性”的次数至多为k次的概率为（回答“差”或“低”的问题）： （2）出现“阳性”的次数至少为k次的概率为（回答“优”或“高”的问题）： 样本率与总体率的比较 例6-4 据以往经验新生儿染色体异常率为0.01，某研究者想了解当地新生儿染色体异常是否低于一般，他随机抽查当地400名新生儿，结果1名染色体异常，请作统计推断。 分析：是否低于一般 单侧检验问题 服从二项分布 样本率与总体率的比较 H0: π=0.01 H1: π0.01 α=0.05 P(X≤1)= P(X=0)+ P(X=1) =0.0180+0.0725=0.0905 Pα，不拒绝H0，尚不能认为该地新生儿染色体异常低于一般新生儿。 样本率与总体率的比较 正态近似法 当n较大、p和1-p均不太小，如np和n(1-p)均大于5时，利