卫生统计学 Poisso分布及其应用.pptxVIP

Poisson分布及其应用;例 假设某地某种恶性肿瘤死亡率为28/10万。 若随机抽查1万人,问至少有2人死于该种恶性肿瘤的概率有多大?;内容提纲;一、Poisson分布的概念及应用条件;Poisson分布可看成是二项分布的特例，当某事件的发生率π或(1-π)很小(比如小于0.05)，而样本含量n很大，则二项分布逼近于Poisson分布。Poisson分布和二项分布一样, 也是一种离散型分布，常用于研究单位时间(或面积、容积等)内，某罕见事件发生次数的概率分布。 例如，研究每ml水中大肠杆菌数的分布，可看成将1ml体积等分为很多个相同于一个大肠杆菌的微小体积，这里n很大；而大肠杆菌数与总微小体积数之比为p，这里p很小。如果细菌在水中分布是均匀的，则每毫升水中大肠杆菌数的分布服从Poisson分布。;同理研究粉尘在单位容积内计数的分布，放射性物质在单位时间内放射出质点数的分布，单位空间中某些野生动物或昆虫数的分布，一定人群中某种患病率很低的非传染性疾病数或死亡数的分布等等，也服从Poisson分布。 2、应用条件 各观察单位相互独立； 各观察单位只有两种相互对立结果中的一种； 某一结果出现的概率为一稳定不变的数值； 事件发生的概率 ? 很小，而 n 相对很大。 ;Poisson分布和二项分布一样均要求n次试验是相互独立的,像一些具有传染性的罕见疾病的发生率很低，但因为首例发生之后可作为传染源，会影响到后续病例的发生，所以不符合Poisson分布的应用条件。 对于在单位时间、单位面积或单位体积内，所观察的事物由于某些原因分布不均匀时，如细菌在牛奶中成集落存在,钉螺在繁殖期成窝状散布时，亦不呈Poisson分布。 ;二、Poisson分布的概率函数;例1 已知某批疫苗接种后的严重反应率为1‰。问用该批疫苗接种150人，有2人以上发生严重反应的概率是多少？ ;3、Poisson分布的图形;;由上面图形可见，μ值愈小分布愈偏，随着μ的增大，分布愈趋于对称，当μ=20时分布接近正态分布，当μ=50时，可以认为Poisson分布呈正态分布。 ;三、 Poisson分布随机变量的均数和方差;四、Poisson分布的性质;Poisson定理： 若随机变量x服从二项分布B(n,?)， ， 设n?=?，则当n→ ?时， 。即 。 因此，当?很小而n很大时，二项分布近似Poisson分布。;Poisson分布与二项分布概率比较;例 假设某地某种恶性肿瘤死亡率为28/10万。 若随机抽查1万人,问至少有2人死于该种恶性肿瘤的概率有多大?;Poisson分布的正态近似示意图;Poisson分布的正态近似计算(当??20时);例2 某放射性物质平均每小时发出质点数360个, 试估计该放射性物质在1小时内发出质点数超过400个的概率。;Poisson分布的可加性;五、Poisson分布的应用(一) Poisson分布总体均数的估计 (1) 查表法 当 样本计数 x 较小时( x ? 50)，按Poisson分布的概率函数，由样本计数 x 估计总体均数? 的可信区间，计算较繁，可由附表7 Poisson分布? 的可信区间直接查得。 ;例3 将一个面积为100cm2的培养皿置于病房中，1h后取出，培养24h，查得8个菌落，试估计该病房平均每100cm2细菌数的95％可信区间。 本例，查附表7 Poisson分布的可信区间，得的95%下限为3.4，上限为15.8，该病房平均每100cm2细菌数的95％可信区间为3.4?15.8。 ;(2) 正态近似法： 因? 较大时， x ～N( ? , ?)。因此当x较大时(x 50) ，可按正态近似法估计 ? 的可信区间： ;例5 用计数器测得某放射性物质2小时内发出的脉冲数为400个, 据此估计该放射性物质平均每小时发出的脉冲数的95%可信区间。 ;方法1　x =400，则平均每 2小时发出的脉冲数95%可信区间为;分 析;平均每小时发出的脉冲数95%的可信区间为：;(二)假设检验;(1)建立检验假设，确定检验水准 H0：? =? 0，即该批疫苗的严重反应率不高于以往 H1：? ? 0，即该批疫苗的严重反应率高于以往 ? = 0.05 (2) 根据Poisson分布的分布规律，计算 P 值。 本例?0=0.001，n=150，?0=n?