生物统计学：第三章随机变量与概率分布.ppt

二项分布的方差证明 γ1＝3.11 γ2＝9.50 γ1＝0 γ2＝0 γ1＝0 γ2＝－0.02 γ1＝0 γ2＝－0.20 γ1＝0.12 γ2＝0.01 γ1＝0.27 γ2＝0.05 γ1＝0.44 γ2＝0.19 γ1＝0.98 γ2＝0.95 γ1＝0.84 γ2＝0.51 二项分布应用实例 例 3.7 例：用棕色正常毛(bbRR)的家兔和黑色短毛(BBrr)兔杂交，F1代为黑色正常毛长的家兔(BbRr), F1代自交，F2代表型比为：9/16B_R_ : 3/16B_rr : 3/16bbR_ : 1/16bbrr。问最少需要多少F2代家兔，才能以99％的概率得到至少一个棕色短毛兔（bbrr）？ 解： 设φ为棕色短毛兔出现的概率，则1－φ就为非棕色短毛兔出现的概率。 在[φ＋(1－φ)]n的展开式中只有最后一项（1-φ）n无棕色短毛兔出现，因此n值可由（1-φ）n＝1－0.99求出。 （1- φ）n ＝（15/16）n ＝ 0.01 n（lg15－lg16）＝ lg0.01 -0.02803n ＝－2.00000 n ＝71.4 二项分布的应用条件有三： （1）各观察单位只具有互相对立的一种结果，如阳性或阴性， 生存或死亡等， 属于二项分类资料； （2）已知发生某一结果 (如死亡) 的概率为p，其对立结果的概率则为1-p=q，实际中要求 p 是从大量观察中获得的比较稳定的数值； （3）n个观察单位的观察结果互相独立，即每个观察单位的观察结果不会影响到其它观察单位的观察结果。 3. 5 Poisson分布 在生物学研究中，有许多事件出现的概率很小，而样本容量或试验次数却往往很大，即有很小的φ值和很大的n值。这时二项分布就变成另外一种特殊的分布，即Poisson分布。 如，显微镜视野内染色体有变异的细胞计数、单位容积的水中细菌数目的分布、作物种子内杂草的分布以及样方内少见植物的个体数等都属于泊松分布。 其概率函数可由二项分布的概率函数推导。 3. 5.1 Poisson分布概率函数的推导 （将系数的分子分母同乘以nx） （当n→∞时，系数的极限为1，且nφ =μ） 平均数：μ=μ 方差： σ2 = μ 偏斜度： 峭度： 概率函数内的μ，不但是它的平均数，而且是它的方差。 μ很大时， γ1和γ2则接近于0，这时的泊松分布近似于正态分布。 3. 5.2 服从Poisson分布的随机变量的特征数 Poisson分布的平均数证明 Poisson分布的方差证明 3. 5. 3 Poisson分布应用实例 例 在麦田中，平均每10m2有一株杂草，问每100m2麦田中，有0株、1株、2株、…杂草的概率是多少？ 解： 先求出每100m2麦田中，平均杂草数μ μ＝ 100/10＝ 10株 将μ代入泊松分布的概率密度函数中， p(x) = 10x/(x!e10),（ e=2.71828） 即可求出x＝ 0，1，2，… 时所相应的概率。 例 为监测饮用水的污染情况， 现检验某社区每毫升饮用水中细菌数 ， 共得400个记录如下。试分析饮用水中细菌数的分布（服从Poisson分布），计算每毫升水中细菌数的概率及理论次数并将頻率分布与Poisson分布作直观比较。 1ml水中细菌数 0 1 2 3 合计 次数f 243 120 31 6 400 概率 0.6065 0.3033 0.0758 0.0144 1.00 理论频数 242.60 121.32 30.32 5.76 400 经计算得每毫升水中平均细菌数为0.500，代入Poisson分布公式 【例3.8】考虑在一段时间（如1年）内某猪场因某种疾病而死亡的猪数，在此段时间内，每一天因此种疾病而死亡的猪是很少的，且在不同时间中事件的发生是独立的，因而在这段时间（1年）中该猪场因此疾病而死亡的猪数就服从Poisson分布。 注意，二项分布的应用条件也是Poisson分布的应用条件。比如二项分布要求n 次试验是相互独立的，这也是Poisson分布的要求。但是一些具有传染性的罕见疾病的发病数，因为首例发生之后可成为传染源，会影响到后续病例的发生，所以不符合Poisson分布的应用条件。 3. 6 超几何分布 从一个包含两种不同类型个体的有限总体中做非放回式抽