第三章 几种重要的变量分布及其应用.pptVIP

第二节 二项分布（Binomial distribution） 第 * 页 Bernoulli试验和Bernoulli试验序列 医学观察中人们所感兴趣的事件是否发生： 治疗效果： 有效和无效 预防接种：是否发生某病； 毒性试验：动物是否死亡。 对每一次实验，出现的结果只有两种情况，称为Bernoulli试验。如所关心的事件A发生，称为“成功”，否则 称为“失败” 第 * 页 Bernoulli试验和Bernoulli试验序列 特点： 每次实验只有两种可能的结果 各次实验相互独立 发生成功事件的概率不变 它是研究“相同条件下独立进行重复实验或观察”的一种概率模型，并且实验次数n是固定的。 独立重复n次，称为n重独立Bernoulli试验 n次实验构成的序列，称为Bernoulli试验序列 第 * 页 二项分布定义 构成Bernoulli试验序列的n次实验中，成功事件A出现次数的概率为 由于上式是二项式 展开式中相应地含 的项，因此称该分布为二项分布。 从阳性率为 的总体中随机抽取大小为n 的样本，则出现阳性数为x的样本的分布为二项分布，记作 。 第 * 页 二项分布的应用条件 每次实验（观察）的结果只有两种可能（两分类变量） 各次实验（观察）的结果相互独立 每个观察对象发生阳性结果的概率相同 实验的次数n是固定的，与实验的结果无关 第 * 页 二项分布的概率函数 二项分布的概率 可用下式计算 其中 X取值为0，1，2，… n 其中： n为样本数， π为阳性概率， 恰有x例阳性的概率。 在R软件中： pbinom (q, size, prob） 第 * 页 三、二项分布的特征 二项分布的均数和标准差 均数 方差 标准差 第 * 页 四、二项分布的图像特征 第 * 页 二项分布的图像特征 第 * 页 二项分布的图像特征 第 * 页 二项分布的图像特征 二项分布的图形特征： 离散分布 图形取决于两个参数，高峰在 处 当 接近0.5时，图形对称，越偏离0.5，对称性越差 随着n的增大，分布趋于对称 当 时，只要 不太靠近0或1，二项分布将趋近于正态分布 第 * 页 二项分布的应用（1） 对一个总体参数都有点估计和区间估计，点估计直接使用样本统计量即可 区间估计：直接计算概率 在样本例数较小，且样本率接近1或0，即阳性事件发生率很高或很低时，可按照率的抽样分布规律确定总体率的可信区间，为方便应用，统计学家根据二项分布原理，编制了总体率95%和99%的百分率可信区间表 （一）总体率的区间估计 第 * 页 总体率的区间估计 区间估计：正态近似 当n较大， ?和1- ?均不太小时，样本率的抽样分布近似正态分布，因此可按正态近似法求总体率的1-? 可信区间。 R 和 Stata计算 没有这么麻烦，使用cii（stata）命令即自动完成 第 * 页 二项分布的应用（2） 如前所述，当n较大， ?和1- ?均不太小时，样本率的抽样分布近似正态分布，可利用正态分布的原理作假设检验。 反之，则可使用二项分布自身的概率分布进行假设检验，这种方法被称为确切概率法 （二）样本率与已知总体率的比较 第 * 页 离散型分布 当二项分布中n很大，p很小时,二项分布就变成为Poisson分布，所以Poisson分布实际上是二项分布的极限分布。 描述小概率事件发生规律的一种重要分布。 第四节 泊松分布的概念 第三节 泊松分布（ Poisson distribution） 第 * 页 Poisson分布 在特定的时间或空间的范围内，刻画某个事件A发生次数所对应的概率分布。 如果把这个范围划分为n个相等小范围（称为观察单位），观察单位充分小，使事件A在这个小范围内最多只可能发生1次或1个。 事件A发生的概率与这个范围大小有关，与这个范围的位置无关，并且与这个范围的周围是否发生事件A无关。 第 * 页 如果随机变量x的分布规律服从 称X服从参数为?的Poisson分布，记为 x ～ P(?)，?为Poisson分布的总体均数。 常见的Poisson概率分布： 在一个时间范围内：电话总机接到的电话个数 在一个容器内的细菌个数 对于正常人的情况下，24小时发生早搏的个数 某类疾病的急性发作次数 第 * 页 （一）Poisson分布的适用条件 与二项分布相似 平稳性（随机分布性）：x的取值与观察单位的位置无