第四章随机变量概率和概率分布.ppt

第四章随机变量、概率和概率分布 本章内容 一、频率与概率 frequency and probability 二、随机事件 Random events 第二节 随机变量及其概率分布概述 一、随机变量 二、离散型随机变量与连续型随机变量 三、概率分布（probability distribution） 1. 离散型随机变量的概率分布 离散型随机变量的概率分布举例 2. 连续型随机变量的概率分布 如果样本量很大，组段很多，矩形顶端组成的阶梯型曲线可变成光滑的分布曲线。 大多数情况下，可采用一个函数拟合这一光滑曲线。这种函数称为概率密度函数（probability density function） 如果连续型随机变量X的概率密度函数记为： 则在区间[x1,x2] 范围内的概率可由微积分函数定义 第三节 常用的概率分布离散型随机变量分布一、二项分布二、泊松分布连续型随机变量分布三、正态分布 一、二项分布 Bernoulli试验序列 成功次数的概率分布─二项分布 例 设某毒理试验采用白鼠共3只，它们有相同的死亡概率π，相应不死亡概率为1－π 。记试验后白鼠死亡的例数为X，分别求X＝0、1、2和3的概率 二项分布的性质 （二）样本率与总体率的比较 二、 泊松分布 当二项分布中n很大，π很小时,二项分布就变成为Poisson分布，所以Poisson分布实际上是二项分布的极限分布。 由二项分布的概率函数可得到泊松分布的概率函数为： Poisson分布主要用于描述在单位时间(空间)中稀有事件的发生数 例如： 1. 放射性物质在单位时间内的放射次数； 2. 在单位容积充分摇匀的水中的细菌数； 3. 野外单位空间中的某种昆虫数等。 Poisson分布概率的计算 Poisson分布的性质（1） 一、Poisson分布的均数与方差相等 即σ2=m 二、Poisson分布的可加性 第五节 Poisson分布的性质（2） 三、Poisson分布的正态近似 m相当大（≥20）时，近似服从正态分布：N（m， m ） 四、二项分布的Poisson分布近似 二项分布的应用 在m处的概率最大 在m处的概率最大 * * 第四军医大学卫生统计学教研室 * 七年制《医学统计学》 Dr. 宇传华 制作 * 00级七年制《医学统计学》Dr. 宇传华 制作 第一节 概率的有关概念 第二节 随机变量及其概率分布概述 第三节 常用的概率分布 二项分布、泊松分布、正态分布 第四节 常用的抽样分布 卡方分布、t分布、F分布 第一节 概率的有关概念 样本的实际发生率称为频率。设在相同条件下，独立重复进行n次试验，事件A出现f 次，则事件A出现的频率为f/n。 概率：随机事件发生的可能性大小，用大写的P 表示；取值[0，1]。 必然事件 P = 1 随机事件 0 P 1 不可能事件 P = 0 P ≤ 0.05（5％）或P ≤ 0.01（1％）称为小概率事件(习惯)，统计学上认为不大可能发生。 Certain Impossible 0.5 0 1 样本空间（sampling space):随机试验的所有可能的结果称为样本空间。 频率与概率间的关系： 1. 样本频率总是围绕概率上下波动 2. 样本含量n越大，波动幅度越小，频率越接近概率。 每次抛两个硬币，记录正、反面结果；结果可记录为： 硬币1正面朝上，硬币2正面朝上； 2个正面 硬币1正面朝上，硬币2反面朝上； 1个正面 硬币1反面朝上，硬币2正面朝上； 1个正面 硬币1反面朝上，硬币2反面朝上 0个正面 正面数就是一个随机变量，记为x，我们通常对x的每个取值的概率感兴趣。 对于本例，x的取值为0、1、2。 离散型随机变量（discrete random variable）：数据间有缝隙，其取值可以列举。 例如抛硬币10次，正面的可能取值x为0、1、2、3、4、5、6、7、8、9、10 连续型随机变量（continous random variable）数据间无缝隙，其取值充满整个区间，无法一一列举每一可能值 例如身高、体重、血清胆固醇含量 概率分布：描述随机变量值xi及这些值对应概率P(X=xi)的表格、公式或图形。 离散型随机变量概率分