雷静《卫生统计学》第五章常用概率分布.pptVIP

第五章 常用概率分布 二项分布 泊松分布 正态分布 二项分布及其应用 二项分布的概念与特征 二项分布的应用 二项分布的概念 在医学领域中，有一些随机事件是只具有两种互斥结果的离散型随机事件，称为二项分类变量（dichotomous variable），如对病人治疗结果的有效与无效，某种化验结果的阳性与阴性，接触某传染源的感染与未感染等。 二项分布（binomial distribution）就是对这类只具有两种互斥结果的离散型随机事件的规律性进行描述的一种概率分布。 二项分布的概念 只有两种可能结果的随机试验，当成功的概率（π）是恒定的，且各次试验相互独立，这种试验在统计学上称为贝努里试验（Bernoulli trial）。如果进行n 次贝努里试验，取得成功次数为X（X=0,1,…,n）的概率可用下面的二项分布概率公式来描述： 二项分布的概念 二项分布的概率函数： 二项分布的概念 二项分布的应用条件： 各观察单位只能具有相互对立的一种结果（互斥的两分类资料） 已知发生某一结果的概率为π，其对立结果的概率为1-π，实际工作中要求π是从大量观察中获得比较稳定的数值。 n次试验在相同条件下进行，且观察结果相互独立。如要求疾病无传染性、无家族性等。 二项分布的特征 二项分布的图形及其正态近似性： 已知π和n，就能按公式计算X=0，1，…，n时的P（X）值。以X为横坐标，以P（X）为纵坐标作图，即可绘出二项分布的图形，如图5-1，图 5-2； 二项分布的高峰在?=n?处。当?接近0.5时，图形是对称的；?离0.5愈远，对称性愈差，但随着n的增大，分布趋于对称。 当n较大，nP和n(1－P)都大于5时，二项分布近似于正态分布。 二项分布的特征 二项分布的均数和标准差： μ=nπ σ= （原理见P64例5-3） 用率表示时，即上式分别除以n，得 μp=π σp= sp= 二项分布的应用 从阳性率为π的总体中随机抽取含量为n的样本，则有： 概率估计：可计算恰好有X例阳性的概率 累积概率的计算： （1）最多有k例阳性的概率 小结 二项分布的特征 二项分布的均数和标准差 二项分布的正态近似条件 泊松分布 Poisson分布的概念 Poisson分布，用于研究单位时间、单位人群、单位空间内，某罕见事件发生次数的概率分布。是描述小概率事件出现规律性的一种重要的离散型分布。 如某种细菌在单位容积空气或水中出现的情况，某段时间特定人群中某种恶性肿瘤患者的分布或出生缺陷的发病情况，放射性物质在单位时间内的放射次数，单位空间某种昆虫数的分布等等。 Poisson分布的概念 Poisson分布的应用条件： 事件发生的概率π不变 每个事件的发生是相互独立的 Poisson分布的特征 Poisson分布的概率函数： X=1,2,3… 意义：单位时间（单位人群、单位空间内，单位容积）内，某罕见事件发生次数的概率分布 Poisson分布的特征由参数λ确定。 Poisson分布的特征 Poisson分布的图形：已知λ ，就可按公式计算得出X= 0，1，2，…时的P（X）值，以X为横坐标，以P（X）为纵坐标作图，即可绘出Poisson分布的图形，如图5-3。 Poisson分布的形状取决于λ的大小。λ值越小，分布越偏，随着λ的增大，分布越趋于对称，当λ=20时，分布接近正态分布。 1.Poisson分布是一种单参数的离散型分布，其参数为λ，它表示单位时间或空间内某事件平均发生的次数，又称强度参数。 2. Poisson分布的总体方差σ2与总体均数μ相等，即σ2=μ=λ。 3. Poisson分布的观察结果有可加性。若从总体均数为λ1的Poisson分布总体中随机抽出一份样本，其中稀有事件的发生次数为X1，再独立地从总体均数为λ2的Poisson分布总体中随机抽出另一份样本，其中稀有事件的发生次数为X2，则它们的合计发生数T =（X1+ X2）也服从Poisson分布，总体均数为（λ1 + λ2）。 上述性质还可以推广到多个Poisson分布的情形。例如，从同一水源独立地取水样5次，进行细菌培养，每次水样中的菌落数分别为Xi，i=1，…5，均服从Poisson分布，分别记为 ∏(λi) ， i=1，…5，那么把5份水样混合，其合计菌落数 也服从Poisson分布，记为∏(λ1 + λ2 +…+ λ5 ) 医学研究中常利用其可加性，将小的观