卫生统计学Poisson分布及其应用.PPTVIP

(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?0=0.15。x=2，根据题意需计算最少有2例发生严重反应的概率，按Poisson分布的概率函数得 (3)做出推断结论。本例P0.05，按? = 0.05水准拒绝H0，接受H1，认为该批疫苗的严重反应率高于一般。 例7 卫生标准规定, 生活饮用水大肠杆菌数不得超过3个/ml。现对某饮用水进行抽检，抽取1ml水样培养得到5个大肠杆菌。问该水样中的大肠杆菌是否超标？ H0:?=3成立时, 每毫升水中大肠杆菌数的概率分布 (1) 建立检验假设，确定检验水准 H0：? =?0，即该水样中大肠杆菌数不超标 H1：? ?0 ，即该水样中大肠杆菌数超标 ? = 0.05 (2) 根据Poisson分布的分布规律，计算 P 值。 本例?0=3，x=5，根据题意需计算每毫升水有5个以上大肠杆菌的概率，按Poisson分布的概率函数得 (3) 做出推断结论. 本例P0.05，按? = 0.05水准不拒绝H0，尚不能认为该水样中大肠杆菌超标。 (2) 正态近似法： 当?020时, 样本计数 ，可用正态近似法。 例8 质量控制标准规定某装置平均每小时发出质点数不超过50个。今抽查一次，在1小时内测得该装置发出的质点数为58个，问该装置是否符合要求？ H0(?=?0=50) 成立时,1小时内该装置发出的质点数的概率分布 ?=50 样本计数与已知总体均数的比较——正态近似法 (1) 建立检验假设，确定检验水准 H0：? =?0，即该装置符合质量标准(平均每小时发出的 质点数不超过50个) H1：? ?0 ，即该装置不符合质量标准(平均每小时发出 的质点数超过50个) ? = 0.05 (2) 计算检验统计量。 (3)确定P值，做出推断结论。 查表得0.10P0.25 (P=0.1289) ，按? = 0.05水准不拒绝H0, 尚不能认为该装置不符合质量标准。 例9 某省肺癌死亡率为35.2/10万，在该省某地抽查10万人，进行三年死亡回顾调查，得肺癌死亡数为82人。已知该地人口年龄别构成与全省基本相同。问该地肺癌死亡率与全省有无差别？ 样本计数与已知总体均数的比较——正态近似法 (1) 建立检验假设，确定检验水准 H0：该地肺癌死亡率与全省相同，即平均每10万人三年死 亡人数? =?0=35.2?3=105.6， H1：该地肺癌死亡率与全省不同，即平均每10万人三年死 亡人数? ??0=105.6， ? = 0.05 (2) 计算检验统计量。 本例X=82, ?0=105.620。 可用正态近似法进行检验。 (3) 确定P值，做出推断结论。 查表得0.01P0.05, 按? = 0.05的检验水准拒绝H0, 接受H1, 认为该地居民肺癌死亡率低于全省。 (二)假设检验 2、两样本计数(或均数)的比较 服从Poisson分布的两样本计数(或两样本均数)比较的目的是推断两个样本各自代表的两总体均数是否相等。当两样本计数(或均数)均大于20时，可用u检验。 你们好 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? 本例? =0.00028, n =10000。 X~ B(0.00028, 10000) 内容提纲 Poisson分布的概念及应用条件 Poisson分布的概率函数和图形 Poisson分布随机变量的均数和方差 Poisson分布的特点 Poisson分布的应用 一、Poisson分布的概念及应用条件 1、概念 Poisson分布由法国数学家S.D.Poisson在1837年提出。该分布也称为稀有事件模型，或空间散布点子模型。在生物学及医学领域中，某些现象或事件出现的机会或概率很小，这种事件称为稀有事件或罕见事件。稀有事件出现的概率分布服从Poisson分布。 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Poi