方积乾(统计基础).pptVIP

２．二项分布的均数和标准差 B(n,π) 出现阳性结果的次数 X 总体均数 总体方差 总体标准差 出现阳性结果的频率 总体均数 　 总体标准差 （一）概率估计 例4-5 　如果某地钩虫感染率为13%，随机观察当地 150人，其中有10人感染钩虫的概率有多大？ 分析：二分类 (感染、不感染) 独立 (假定互不影响) 重复( n= 150人)，每人钩虫感染率均为 (π=13%) 感染钩虫的人数X 服从二项分布 B(150,0.13) 二、二项分布的应用 （二）单侧累积概率计算 经常需要计算的是二项分布的累积概率 例4-6 某地钩虫感染率为13%，随机抽查当地150人， 其中至多有2名感染钩虫的概率有多大？ 至少有2名感染钩虫的概率有多大？ 至少有20名感染钩虫的概率有多大？ 第二节 Poisson分布的概念与特征 一、Poisson分布的概念 Poisson分布:描述罕见事件发生次数的概率分布。 例：出生缺陷、多胞胎、染色体异常、癌症患病数或死亡数的分布。 Poisson分布可以看作是二项分布的特例: 独立、重复的次数n很大很大 每次出现某事件的概率? 很小 (或未出现某事件的概率1－? 很小) 可以证明 当 , （浪打） 时 , 若随机变量X的的概率函数为 则称此变量服从Poisson分布，记为 ，其中 参数 是总体均数。 例： 1毫升水样品中大肠杆菌数目X的分布. 将1毫升水等分为n 个微小体积，这里n 很大； 每一个微小体积中大肠杆菌是否出现，互相独立； 每一个微小体积中大肠杆菌出现的概率都是?，且 很小 每毫升水中大肠杆菌数目的分布服从Poisson分布 例：放射性物质一定时间内放射出质点数的分布 时间 “n 很大、独立、概率都是? 且很小”的二项分布 -----Poisson分布 若每次观察互不独立、发生概率不等，则不能看作Poisson分布 ！！ 观察结果不独立： 例如，传染性疾病首例出现后便成为传染源， 会增加后续病例出现的概率； 又如，污染的牛奶中细菌成集落存在、 钉螺在繁殖期一窝一窝地散布等等 这些现象均不能用Poisson分布处理。 例：某地20年间共出生肢短畸形儿10名，平均每年0.5名。请估计该地每年出生此类畸形人数为0,1,2,…的概率P(X)（见表4-2）：用Poisson分布的概率函数式来计算 3.方差（variance） 又称均方差（mean square deviation） μ：总体均数 N：总体中个体的总数 分母：离均差平方和 方差越大意味着数据间变异越大 样本方差: 或 n-1称为自由度（degrees of freedom）： 总体方差: 4. 标准差（standard deviation，S） 标准差是方差的算术平方根。 标准差的量纲与原变量一致。 标准差越大意味着个体间变异越大。 标准差适合用来表达对称分布的离散趋势。 例2-14 分别计算例2-11中三组数据的标准差。 按照公式（2-11）与标准差的定义 A组 B组 C组 C组数据的离散趋势最小，B组的最大 5.变异系数（coefficient of variation ，CV） 例2-16 1985年通过十省调查得知，农村刚满周 岁的女童体重均数为8.42kg，标准差为0.98kg； 身高均数为72.4cm，标准差为3.0cm。体重的变 异大还是身高的变异大？ 体重的变异系数 身高的变异系数 用于 量纲不同的变量间变异程度的比较 或 均数差别较大的变量间变