二项分布和poisson分布及其应用.pptxVIP

定性变量的描述指标与分布从群体的角度，描述定性变量的分布特征的指标绝对数：群体中发生某事件(某类别)的频数相对数：率或构成比抽样研究中，亦为样本统计量分布：变量X的取值(或取值范围)与其发生概率间函数表达形式离散型变量及其分布频数：数值只能用自然数或整数单位表达——离散型变量(discrete variable)常见描述离散型变量取值及其概率的分布形式0-1分布(0-1 distribution)二项分布(Binomial distribution)泊松分布(Poisson distribution)超几何分布(Hypergeometric distribution)例10.1 对某化学制品的毒性进行鉴定设某化学制品对小鼠的致死率为60%对符合实验要求的3只小鼠注射规定剂量的该化学制品观察指标：是否死亡，即死亡或未死亡计算在本次毒性试验中2只小鼠死亡的概率P(2)分析该化学制品的毒性试验—利用3只小鼠重复试验该化学制品的毒性每次观察(每只小鼠)只有两种可能结果—死亡或未死亡每次观察(每只小鼠)死亡的概率P(死亡)=?，且保持不变每次观察(每只小鼠)结果间彼此保持独立Bernoulli试验(伯努利试验) 瑞士数学家Jakob Bernoulli所发展每一次试验只有两个结果，一个记为“发生”，一个记为“未发生”，P(发生)=?，P(未发生)=1-?发生的概率? 在每次试验中保持不变各次试验之间相互独立0-1分布(Bernoulli distribution)Y10P(Y)?1-?一次Bernoulli试验中，事件的发生次数Y取值为0或1则Y的概率分布形式为：称Y服从参数为?的两点分布，记作X~B(1, ?)n次(重)Bernoulli试验Y 1 1 0 1 0 1 0 … 1?发生次数?Y Xn事件的发生次数X的分布服从参数为n、?的二项分布(binomial distribution)，记作X~B(n, ?)本例：X~B(3, 0.6)发生次数的概率分布3只小鼠注射规定剂量的该化学制品，该化学制品对小鼠的致死率为60%“死亡数”X不能确定，0, 1, 2, 3都有可能发生在n重伯努利试验中，发生次数为变量记为X，X=0, 1, 2, …, k, …, n“死亡数”的发生概率3只小鼠存亡分析可能的死亡数排列方式甲 乙 丙每种排列概率每种组合概率0生 生 生0.4×0.4×0.40.431死 生 生0.6×0.4×0.40.6×0.42生 死 生0.4×0.6×0.40.6×0.42生 生 死0.4×0.4×0.60.6×0.422死 死 生0.6×0.6×0.40.62×0.4死 生 死0.6×0.4×0.60.62×0.4生 死 死0.4×0.6×0.60.62×0.43死 死 死0.6×0.6×0.60.63二项分布(binomial distribution)n重Bernoulli 试验中，X为事件A在 n 次试验中发生的次数 ，P (A) =? ，若：则称X服从参数为n, ?的二项分布，记作X~B(n, ?)两点分布是二项分布n=1时的特殊形式在n重Bernoulli试验中，发生某种结果A(如死亡)次数的一种概率分布二项分布的概率计算在n重试验中发生的次数X服从参数为n, ?的二项分布分布律X0123P(X)0.064 0.288 0.432 0.216 本例X~B(3, 0.6)X~ B(3,0.5)X~ B(3,0.6)X~ B(30,0.6)X~ B(10,0.6)二项分布的图形分布形式当? =0.5时，二项分布图形是对称的当? ?0.5时，图形是偏态的随着n的增大，图形趋于对称当n?+?时，只要?不太靠近0或1，近似于正态分布当n?和n(1－? )都大于5分布特征集中趋势离散趋势二项分布中发生次数的均数反映随机变量的平均取值大小，又称数学期望，即均数?是以相应概率作为“权重”的加权平均二项分布中发生次数的方差度量随机变量偏离(背离)数学期望(即均数) 程度的指标实际值与期望值之差平方的期望值偏离平均值的平均偏离程度二项分布和两点分布的分布特征二项分布和两点分布及其分布特征描述指标分布形式表示方法均数E(X)方差V(X)两点分布X~B(1，? )二项分布X~B(n，? )正态近似(德莫佛—拉普拉斯中心极限定理)Abraham de Moivre(1667-1754)n?和n(1-?)均大于5A药治疗90例缺血性贫血患者效果差值(D)是否有效(E)110181151311110……24114005815.560.64定量变量定性变量二项分布及其近似正态分布在n次实际观测中，发生概率为?的某事件发生次数X及其发生频率p的分布形式考察二分类(发生/未发生)定性变量的分布