生物统计学第三章概率和概率分布(2).pptVIP

第三章 概率与概率分布 第一节 概率基础知识 第二节 几种常见的理论分布 第三节 统计数的分布 一、二项分布（Binomial Distribution） 1.贝努利试验和在什么情形下应用二项分布 2. 二项分布的常用符号 3. 二项分布的概率函数P(y) 怎样得到P(x)? 每种方式发生的概率为： 例一，纯种白猪与纯种黑猪杂交，根据孟德尔遗传理论，子二代中白猪与黑猪的比率为3:1。求窝产仔10头，有7头白猪的概率。 例二，有一批玉米种子，出苗率为0.67。现任取6粒种子种1穴中，问这穴至少有1粒种子出苗的概率是多少？ 4 二项分布的概率分布表和概率分布图 除以P(x)表示，二项分布也可通过表或图来直观显示。 5 二项分布变量的平均数和标准差 平均数 例三，某树种幼苗成材率为70％，现种植2000株，问成材幼苗数的平均值和标准差是多少？ 二项分布（实例） 二项分布的程序计算方法 二项分布函数Binomdist（k,n,p,false/true） 某数阶乘的计算函数Fact 从给定元素数目m的集合中抽取若干n元素的排列组合数 计算函数Combin（m，n） 二、 泊松分布（Poisson Distribution） 1. 在什么情形下应用泊松分布 2. 泊松分布的概率函数与特征数 泊松分布变量X只取零和正整数：0,1,2…，其概率函数为 例一，显微镜下观察一种悬浮液中的某种颗粒，据前人报告，平均每张样片可以观察到3个微粒，问在一次观察中看到3个微粒的概率是多大？少于3个微粒的概率是多少？若观察100张片子，大约有多少张片子看到的微粒数少于3个？ 程序计算 Poisson（x,μ,true or false） 超几何分布 适用范围：多次完全相同并且相互独立的重复试验，如果在有限总体中不重复抽样，抽样成功的次数X的概率分布服从超几何分布，如福利彩票 数学期望与方差 计算程序：P（X）=hypgeomdist（x，n，M，N） 例子 四川卧龙大熊猫自然保护区共有野生大熊猫100只，其中10只做了标记。某小组去调查研究大熊猫的生活习性，随机观察了15只大熊猫，问这15只大熊猫中有5只做了标记的概率？ 解：依题意有N=100，M=10，n=15，y=5，求p（5） p（5）=hypgeomdist（x，n，M，N）=hypgeomdist（5，15，10，100）=0.00569 三、正态分布（Normal Distribution） 1 正态分布的定义与主要特征 定义：若变量X的概率分布的密度函数为 正态分布曲线的主要特征： 2 标准正态分布 定义：μ=0，σ=1时的正态分布称为标准正态分布。标准正态分布变量记为U，写作 U～N(0,1)。 3 标准正态分布的概率计算 查表法：附表1（260页）列出了标准正态变量的累积分布函数值，即U小于某个值u的概率：P(Uu) 4 一般正态分布的概率计算 通过如下定理，将一般正态分布变量转化成标准正态分布变量来求。 关于一般的正态分布，以下的一些概率经常用到：变量X落在μ的不同倍数σ区间的概率。 以第一章里的120头母羊的体重资料为例： 5 正态分布的单侧、双侧临界值（分位数） 定理： 这些结论可以用一个实例来印证： 由表可见，实际频率与理论概率相当接近，说明120头基础母羊体重资料的频率分布接近正态分布，从而可推断基础母羊体重这一随机变量很可能是服从正态分布的。 在以后的统计推断中，我们经常需要做与上面相反的工作：即已知曲线下右侧尾区的一定面积α，求α对应的临界值uα * * * * 离散型变量 连续型变量 二项分布 泊松分布 超几何分布 负二项分布 指数分布 正态分布 第二节 几种常见的理论分布 贝努利试验（Bernoulli trial）：试验只有两种可能的结果，并且发生每种结果的概率是一定的。 例如：抛一枚硬币，看得到正面还是反面； 掷一次骰子，看得到6还是没有得到6； 随机抽查一名婴儿的性别，看是男是女 在贝努利试验里，两种结果可分别称为“成功”和“失败”，或者“事件A发生”和“事件A没有发生”。 什么情形时应用二项分布：实验中进行了n次独立的贝努利试验，统计在这n次试验中总共获得了多少次“成功”。“成功”的次数，记为变量X；X称为二项分布变量，X的概率分布称为二项分布。 （1）连续抛硬币100次，统计总共出现正面的次数。次数X服从二项分布。 X的可能取值为0，1，2，…，n。所以X是个离散型变量。 二项分布变量的一些例子： （2）调查250名新生婴儿的性别，记男婴的总数为X，则X服从二项分布。 （3）调查n枚种蛋的出雏数，出雏数X服从二项分布。 （4）n头病畜治疗后的治愈数X，X服从二项