卫生统计学 第四章 常用概率分布.pptVIP

第四章 常用的概率分布 正态分布 —连续型变量 二项分布 —离散型变量 Poisson分布 —离散型变量 第一节 正态分布 一、正态分布—Gauss分布 连续型分布 正态曲线—是高峰位于中央(均数所在处)、两侧逐渐降低且左右对称、不与横轴相交的钟型光滑曲线。 三、正态分布的特征 均数处最高； 均数为中心对称； 正态分布的均数与中位数为同一数值； 决定正态曲线两个参数 N（u ，?）： 位置参数：总体均数? 形状参数：总体标准差? 正态分布的特殊形式：标准正态分布N（0 ，1）； 标准正态变换（变换公式）； 5.曲线下的面积有一定规律。 正态曲线下的面积特点 横轴上曲线下的面积为1 曲线下,横轴上对称于0的面积相等, (从-?到μ的面积相等从μ到? )； u ,?已知时，进行标准正态变换再查表 u ,?未知时，用样本的均数和标准差代替 95%，99%的面积公式： 2.百分位数法 ● 应用条件 : 偏态分布资料  ●计算公式： 双侧界值：P 2.5 ~ P 97..5  单侧 上界： P 95  单侧 下界： P 5 95％医学参考值范围 思考题： 1.正态分布曲线下，从均数u 到u +1.96?的面积为； A. 95% B. 45% C. 97.5% D. 47.5% 2. 1976年美国8岁男孩的平均身高为146厘米，标准差为8厘米，估计在该研究中有%多少的男孩平均身高在138与154之间？又有多少在130到162之间？ 第二节　二项分布  （binomial distribution） 一、二项分布的概念 在医学领域中，有一些随机事件是只具有两种互斥结果的离散型随机事件，称为二项分类变量 如对病人治疗结果的有效与无效，某种化验结果的阳性与阴性，接触某传染源的感染与未感染等。 二项分布就是对这类只具有两种互斥结果的离散型随机事件的规律性进行描述的一种概率分布。 二项试验—贝努里试验 摸球试验 这种考虑只有两种可能结果的随机试验，当阳性的概率（π）是恒定的，且各次试验相互独立，这种试验在统计学上称为贝努里试验（Bernoulli trial）。 如果进行n次贝努里试验，取得成功次数为X（X=0,1,…,n）的概率可用下面的二项分布概率公式来描述： 式中的n为独立的贝努里试验次数， π为成功的概率,(1-π）为失败的概率， 为在n次贝努里试验中出现成功的次数， 表示在n次试验中出现X的各种组合情况，在此称为二项系数 含量为n的样本中，发生各种阳性数的概率正好为下列二项式展开的各项 二、二项分布的应用条件 1．各观察单位只能具有相互对立的一种结果，如阳性或阴性，生存或死亡等，属于两分类资料。 2．已知发生某一结果（阳性）的概率为π，其对立结果的概率为1-π，实际工作中要求π是从大量观察中获得比较稳定的数值。 3．n次试验在相同条件下进行，且各个观察单位的观察结果相互独立，即每个观察单位的观察结果不会影响到其他观察单位的结果。如要求疾病无传染性、无家族性等。 三、二项分布的概率 四、二项分布的累计概率 （1）最多有k例阳性的概率 （2）最少有k例阳性的概率 五、二项分布的特点 1.二项分布图 二项分布的形状取决于π和n的大小，高峰在m=np处。当p接近0.5时，图形是对称的；p离0.5愈远，对称性愈差，但随着n的增大，分布趋于对称。当n→∞时，只要p不太靠近0或1，特别是当nP和n(1－P)都大于5时，二项分布近似于正态分布。 二项分布 π=0.3时, 不同n值对应的二项分布 π=0.3时, 不同n值对应的二项分布 2.二项分布的均值与标准差 μ=nπ σ= 六、二项分布的应用 一、总体率的区间估计 二、样本率与总体率比较 三、两样本率比较 第三节　Poisson分布 一、Poisson分布的概念 Poisson分布更多地专用于研究单位时间、单位人群、单位空间内，某罕见事件发生次数的分布。 Poisson分布为π很小，样本含量n趋向于无穷大时，二项分布的极限形式。 二、Poisson分布的概率 Poisson分布的累计概率 最多为k次的概率 最少为k次的概率 三、Poisson分布的性质 Poisson分布是一种单参数的离散型分布， Poisson分布可视为二项分布的特例，率很小，n很大时； Poisson分布的方差σ2与均数μ相等， 即σ2=μ Poi