方积乾统计基础.pptVIP

（三）二项分布、泊松分布的正态分布近似 二项分布的正态近似：当n? 和 n(1-?) 都大于5时， 二项分布近似于正态分布 k k-0.5 k+0.5 (b) (a) k k+0.5 k k-0.5 (c) 例4-14 某地钩虫感染率为13%，如果随机抽查当地150人，至少有20人感染钩虫的概率有多大？ 至少有20人感染钩虫的概率为50%。 Poisson分布的正态近似 当 ??20 时Poisson分布近似于正态分布 N(?, ?) 例4-15 实验显示某放射性物质半小时内发出的脉冲数服从Poisson分布，平均为360个，试估计该放射性物质半小时内发出的脉冲数大于400个的概率。 小结 本章介绍了三个最常用的分布模型： 离散型随机变量的二项分布、Poisson分布 以及 连续型随机变量的正态分布 1. 如果每一次试验只有两种可能的结果; 每次试验阳性结果的发生概率均为?， 阴性结果的发生概率均为1－ ? ， 那么，独立重复 n 次试验，发生阳性结果的次数X 的概率分布称为二项分布。 2. 发生概率 ? （或1－? ）很小，而观察例数n很大时, 二项分布近似于Poisson分布。 3. 正态分布是一种很重要的连续型分布。 很多医学现象都近似地服从正态分布； 正态分布也是许多统计方法的理论基础。 确定正态分布的两个参数： 均数μ 标准差σ 为了应用方便常对任意一个正态分布随机变量X作 Z变换 转换为标准正态分布。 应用正态分布曲线下面积分布规律，可估计医学参考值范围、进行质量控制。 n? 和n (1- ? ) 均大于5时，二项分布近似于正态分布; ??20 时，Poisson分布近似于正态分布。 谢谢 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