医学统计学之概率分布的概念.docVIP

医学统计学之概率分布的概念 　　 　　众所周知统计分析可以分为描述性统计分析(descriptivestatistics)和推断性统计分析(inferentialstatistics)下面是yjbys小编为大家带来的关于医学统计学的知识欢迎阅读 　　 　　对于推断性统计分析来说要抓住其本质就必须对其背后最根本的概率分布(probabilitydistribution)有个清楚的理解概率分布是很多统计推断方法的基础最典型的例子就是正态分布很多统计检验方法都会涉及到正态分布而有些统计检验则是直接建立在统计量值服从某种概率分布的基础上的比如t检验的t值服从t分布方差分析的F值服从F分布卡方检验的卡方值服从卡方分布等因此在展开推断性统计分析或统计检验之前先和大家一起熟悉一下概率分布 　　 　　首先简单介绍一下几个常见的概念： 　　 　　1、Randomvariable(随机变量)： 　　 　　假设我们掷硬币那么出现的结果有两种：正面或反面我们换个角度把正面和反面的结果与数字联系起来将结果数量化比如我们掷10次硬币出现5正5反这时我们就把掷硬币的结果(正或反)与出现正或反结果的数字联系起来了而随机变量就是一种function它把每一种结果都与一个唯一的数值联系起来对于随机变量的定义版本有很多我们来看一下其中的一个定义：一个随机试验的可能结果(称为基本事件)的全体组成一个基本空间Ω随机变量X是定义在基本空间Ω上的取值为实数的函数即基本空间Ω中每一个点也就是每个基本事件都有实轴上的点与之对应 　　 　　随机变量一般可分为离散型随机变量(discrete)和连续性随机变量(continuous) 　　 　　所谓离散型随机变量是指随机变量X的取值是有限个或可列无限个比如我们掷硬币我们定义随机变量是正面的次数那么我们掷10次那么X的取值只能是0,1,2,3,4,5,6,7,8,9,10这时我们就称X是个离散型随机变量 　　 　　所谓连续性随机变是指X可以取某一区间的所有值比如我们定义X为收缩压血压值理论上来说X可以取任意非负值此时X就是个连续性随机变量 　　 　　了解了什么是随机变量接下来我们开始看一下什么是概率分布 　　 　　2.概率分布(probabilitydistribution) 　　 　　TheprobabilitydistributionassociatedwiththerandomvariableXdescribesthelikelihoodofobtainingcertainvaluesorrangesofvaluesoftherandomvariable 　　 　　概率分布是描述随机变量取某个特定的值或取某一区间范围内值的概率 　　 　　对应着概率分布的定义取某个特定的值或取某一区间内的值或者说对应着离散型变量或连续性变量概率分布可以分为离散型概率分布和连续性概率分布 　　 　　常见的离散型概率分布有二项分布(BinomialDistribution)和泊松分布(PoissionDistribution) 　　 　　常见的连续性概率分布我们一般称为ProbabilityDensityFunction包括正态分布(NormalDistribution)、t分布(tDistribution)、卡方分布(ChiSquareDistribution)、F分布(FDistribution)等 　　 　　一提到概率分布我们一般第一想到的便是正态分布有人说没有正态分布就没有统计由此正态分布的普遍性和重要性不言而喻 　　 　　那么为什么正态分布如此普遍和重要呢? 　　 　　首先很多情况下自然界很多东西都是自然呈正态分布的而更重要的原因在于中心极限定理(centrallimittheorem)的应用所谓中心极限定理是指当样本量足够大时无论其总体分布如何其样本均数趋于正态分布中心极限定理为正态分布的普遍应用提供了最为坚实的理论基础而对于上则几百例病人的临床试验来说正态分布更是找到了其适合生长的最好土壤另外我们常用的一些统计方法都是依赖于正态分布的： 　　 　　(1)一些统计方法如t检验和方差分析其应用的前提条件就是要求数据服从正态分布 　　 　　(2)而对于一些统计模型来说比如线性模型往往要求其残差服从正态分布 　　 　　关于正态分布在统计模型中的应用下边有一段论述很有意思小胖摘抄下来供大家参考： 　　 　　正态分布对统计学家从某种角度来说是“垃圾的分布” 　　 　　当向一个统计学家问什么是正态分布时他会回答：当一个变量有多个、解释不清的因素决定而且每个因素的作用都不强于是变量就呈现正态分布 　　 　　一个随机变量中有两种成分一是非随机成分一是随机成分分建模把非随机部分用模型(函数形式)来表达纯随机