第10章-二项分布与Poisson分布及其应用.pptxVIP

从群体的角度，描述定性变量的分布特征的指标 绝对数：群体中发生某事件(某类别)的频数 相对数：率或构成比 抽样研究中，亦为样本统计量 分布：变量X的取值(或取值范围)与其发生概率间函数表达形式;频数：数值只能用自然数或整数单位表达——离散型变量(discrete variable) 常见描述离散型变量取值及其概率的分布形式 0-1分布(0-1 distribution) 二项分布(Binomial distribution) 泊松分布(Poisson distribution) 超几何分布(Hypergeometric distribution);对某化学制品的毒性进行鉴定 设某化学制品对小鼠的致死率为60% 对符合实验要求的3只小鼠注射规定剂量的该化学制品 观察指标：是否死亡，即死亡或未死亡 计算在本次毒性试验中2只小鼠死亡的概率P(2);该化学制品的毒性试验—利用3只小鼠重复试验该化学制品的毒性 每次观察(每只小鼠)只有两种可能结果—死亡或未死亡 每次观察(每只小鼠)死亡的概率P(死亡)=?，且保持不变 每次观察(每只小鼠)结果间彼此保持独立;瑞士数学家Jakob Bernoulli所发展 每一次试验只有两个结果，一个记为“发生”，一个记为“未发生”，P(发生)=?，P(未发生)=1-? 发生的概率? 在每次试验中保持不变 各次试验之间相互独立 ;一次Bernoulli试验中，事件的发生次数Y取值为0或1 则Y的概率分布形式为： 称Y服从参数为?的两点分布，记作X~B(1, ?);事件的发生次数X的分布服从参数为n、?的二项分布(binomial distribution)，记作X~B(n, ?) 本例：X~B(3, 0.6);3只小鼠注射规定剂量的该化学制品，该化学制品对小鼠的致死率为60% “死亡数”X不能确定，0, 1, 2, 3都有可能发生 在n重伯努利试验中，发生次数为变量 记为X，X=0, 1, 2, …, k, …, n “死亡数”的发生概率 ;可能的死亡数;n重Bernoulli 试验中，X为事件A在 n 次试验中发生的次数 ，P (A) =? ，若： 则称X服从参数为n, ?的二项分布，记作X~B(n, ?) 两点分布是二项分布n=1时的特殊形式 在n重Bernoulli试验中，发生某种结果A(如死亡)次数的一种概率分布 ;在n重试验中发生的次数X服从参数为n, ?的二项分布;本例X~B(3, 0.6);X~ B(3,0.6);分布形式 当? =0.5时，二项分布图形是对称的 当? ?0.5时，图形是偏态的 随着n的增大，图形趋于对称 当n?+?时，只要?不太靠近0或1，近似于正态分布 当n?和n(1－? )都大于5 分布特征 集中趋势 离散趋势;反映随机变量的平均取值大小，又称数学期望，即均数? 是以相应概率作为“权重”的加权平均 ;度量随机变量偏离(背离)数学期望(即均数) 程度的指标 实际值与期望值之差平方的期望值 偏离平均值的平均偏离程度 ;分布形式;正态近似(德莫佛—拉普拉斯中心极限定理);;定量变量;在n次实际观测中，发生概率为?的某事件发生次数X及其发生频率p的分布形式 考察二分类(发生/未发生)定性变量的分布特征 抽样研究 一般发生概率?未知 有关样本统计量(发生次数X及其发生频率p)的分布形式 说明样本统计量与其相对应的总体参数间的关系 ;二项分布及其近似正态 分布的应用;抽样研究中利用样本信息推断未知的总体特征 抽样误差客观存在 参数估计：p?? 假设检验：利用样本信息完成总体率的比较 单样本率与已知率的比较 独立样本率的比较 配对样本率的比较;点估计：p?? 区间估计 在给定的置信水平(1-?)条件下，利用特定的分布形式，估计总体参数所在的区间，该区间为可信区间或置信区间;精确估计 利用分布形式：二项分布 一般适用条件：n?50 估计方法：查附表7：百分率的置信区间(P328) 据GB/T 4088-2008 数据的统计处理和解释—二项分布参数的估计与检验 当n10时，置信区间一般太宽，无应用价值 ;例10.4 某医院肿瘤科收治某种罕见肿瘤患者40例，1年内死亡5例。试估计该病年病死率。 点估计：该病年病死率为12.5% 区间估计：n=4050，根据n=40, x=5, 1-?=0.95查附表7：百分率的置信区间(P447)，得： 95%置信区间为：(4%~27%);正态近似法 利用分布形式：近似正态分布 条件： n?+?时，只要?不太靠近0或1?当np和n(1－p)都大于5时 估计方法：;例10.3 某医院用注射用阿奇霉素对110名儿童肺炎患者进行治疗，其中痊愈50例，试估计注射用阿奇霉素治疗儿童肺炎痊愈率的95%置信区间。 痊愈人数