第四章 抽样误差与参数估计.ppt

本例，最多治愈7人的概率为多大？ ? =0.65， n=10，x=7。求P(x≤7)。 按二项分布的概率密度函数得 例 某疗法治疗某病10人，7人有效，求该疗法有效率的95%可信区间。 本例n =10,有效人数=75，先以n =10和无效人数 X=3查附表7，得总体无效95%的可信区间为(7%, 65%)，用1减去此区间的上、下限，得总体有效率的95%的可信区间为(35%, 93%)。 Poisson分布最初是作为二项分布的一个特例提出来的，在n较大， 较小时，Poisson分布是二项分布的极限形式。 例：据以往经验，新生儿染色体异常率为1%，试分别用二项分布和Poisson分布原理，求100名新生儿中发生x例染色体异常的概率。 例：据以往经验，新生儿染色体异常率为1%，求100名新生儿中发生最多发生2例染色体异常的概率及最少发生3例染色体异常的概率。 3. Poisson分布的应用条件 条件：除π 0.05外，其余同二项分布。 从π 0.05的两分类资料中以固定的、足够大的 n（通常为单位人群、单位容积、单位面积、单位时间）抽样时，样本中出现阳性数X = 0,1,2…的样本的分布为Poisson分布。 4. Poisson分布的图形 ? =1 ? =2 4. Poisson分布的图形 ? =3 ? =5 Poisson分布的图形 ? =50 ? =20 ? =10 Poisson分布的图形 Poisson分布的形状取决于 的大小： 很小时(如 )，Poisson分布的图形呈正偏态；随 的增大而逐渐趋于对称；当 时，图形近似正态分布； 时，图形为正态分布。 Poisson分布的正态近似示意图 N ( ? , ? ) 5. Poisson分布的性质 Poisson分布是单参数的离散型分布，参数为 。 方差等于均数， 。 Poisson分布可以看成二项分布的特例。 Poisson分布的极限形式是正态分布。 Poisson分布具有可加性。 多个服从Poisson分布的独立随机样本，其和仍服从Poisson分布。利用Poisson分布的可加性，可通过扩大样本含量 n ，使 ，即可利用正态分布原理进行统计推断。 Poisson分布的可加性 若 x1，x2 ，…，xk相互独立，且它们分别服从参数?1， ?2， …， ?k的Poisson分布，则 x1+ x2 +…+ xk 也服从Poisson分布，其参数为 ?1 + ?2 …+ ?k 。 例：设某车间平均每升空气中的粉尘颗粒数为25，现考虑3升空气中的粉尘颗粒数，则它服从参数为75的Poisson分布。 二、总体均数的估计 点值估计：以 X 作为为? 的点值估计。 由于抽样误差的存在，X往往不等于? ，通常用区间估计。 区间估计：根据样本阳性数X是否大于50，可用查表法和正态近似法。 区间估计----查表法 当样本阳性数 时，用?查附表8 Poisson分布 的可信区间，可得总体均数 ? 的95%或99%可信区间。 例： 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％CI。 本例 ，查附表8 ，得 ?的95%下限为3.4，上限为15.8，即该病房平均每100cm2细菌数的95％可信区间为3.4?15.8。 区间估计----正态近似法 当样本阳性数 时，可按正态近似法估计 ?的可信区间： 例题---正态近似法 用计数器测得某放射性物质1小时内发出的脉冲数为200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。 5. 二项分布的均数和标准差 二项分布的均数和标准差 设从概率为? 的总体中随机抽取样本量为n的样本，每个样本的事件发生数为x，则x的总体均数和总体标准差（绝对数形式）分别为： 若用相对数表示，即样本率的均数和标准差分别为： ? 未知时，用样本率 p 估计： 二项分布的抽样分布及其性质 样本率 围绕总体率波动，样本含量 越大，这种波 动越小，当 充分大时， 的分布就近似均数为 ，标 准差为 的正态分布。要求 和 且 总体率 时，样本率 的分布为对称分布 当样本含量 为定值时，总体率 越接近0.5，样本率 近似正态分布的程度就越好。