生物统计学 二项分布 possion分布.pptx

二项分布/possion分布;（一）成败型实验（Bernoulli实验）

在医学卫生领域的许多实验或观察中，人们感兴趣的是某事件是否发生。如用白鼠做某药物的毒性实验，关心的是白鼠是否死亡；某种新疗法临床实验观察患者是否治愈；观察某指标的化验结果是否呈阳性等。将我们关心的事件A出现称为成功，不出现称为失败，这类试验就称为成-败型实验。指定性资料中的二项分类实验。;成-败型（Bernoulli）实验序列：

满足以下三个条件的n次实验构成的序列称为成-败型实验序列。

1）每次实验结果，只能是两个互斥的结果之一（A或非A）。

2)相同的实验条件下，每次实验中事件A的发生具有相同的概率π。（非A的概率为1-π）。

实际工作中要求π是从大量观察中获得的较稳定的数值。

3)各次实验独立。各次的实验结果互不影响。;（二）二项分布的概率函数

二项分布是指在只能产生两种可能结果（如“阳性”或“阴性”）之一的n次独立重复实验中，当每次试验的“阳性”概率保持不变时，出现“阳性”的次数X=0,1,2,…,n的一种概率分布。

若从阳性率为π的总体中随机抽取大小为n的样本，则出现“阳性”数为X的概率分布即呈现二项分布，记作

B(X;n,π)或B(n,π)。

;;;;P40例：3.1;;抽到3只和3只以下雄性动物的概率：;杨辉三角;例4-2临床上用针灸治疗某型头疼，有效的概率为60%，现以该疗法治疗3例，其中2例有效的概率是多大？

分析：治疗结果为有效和无效两类，每个患者是否有效不受其他病例的影响，有效概率均为0.6，符合二项分布的条件。;一例以上有效的概率为：;（三）二项分布的特征

1.二项分布的图形特征

n，π是二项分布的两个参数，所以二项分布的形状取决于n，π。可以看出，当π=0.5时分布对称，近似对称分布。当π≠0.5时，分布呈偏态，特别是n较小时，π偏离0.5越远，分布的对称性越差，但只要不接近1和0时，随着n的增大，分布逐渐逼近正态。因此，π或1-π不太小，而n足够大，我们常用正态近似的原理来处理二项分布的问题。;2.二项分布的均数和标准差

对于任何一个二项分布B(X;n,π)，如果每次试验出现“阳性”结果的概率??为π，则在n次独立重复实验中，出现阳性次数

X的总体均数为

方差为

标准差为

;例实验白鼠3只，白鼠用药后死亡的死亡概率π=0.6，则3只白鼠中死亡鼠数X的总体均数

=3×0.6=1.8（只）

方差为

标准差为;如果以率表示，将阳性结果的频率记为，则P的总体均数

总体方差为

总体标准差为

式中是频率p的标准误，反映阳性频率的抽样误差的大小。;例4-4如果某地钩虫感染率为6.7%,随机观察当地150人,样本钩虫感染率为p,求p的抽样误差。;;二、二项分布的应用

（一）??概率估计;(二)单侧累计概率计算

二项分布出现阳性次数至少为K次的概率为

阳性次数至多为K次的概率为;;至多有2名感染的概率为:;至少有2名感染的概率为:;Poisson分布的概念与特征

一、Poisson分布的概念

Poisson分布也是一种离散型分布，用以描述罕见事件发生次数的概率分布。Poisson分布也可用于研究单位时间内(或单位空间、容积内)某罕见事件发生次数的分布，如分析在单位面积或容积内细菌数的分布，在单位空间中某种昆虫或野生动物数的分布，粉尘在观察容积内的分布，放射性物质在单位时间内放射出质点数的分布等。Poisson分布一般记作。;Poisson分布可以看作是发生的概率π很小，而观察例数很大时的二项分布。除要符合二项分布的三个基本条件外，Poisson分布还要求π或1-π接近于0和1。有些情况π和n都难以确定，只能以观察单位(时间、空间、容积、面积)内某种稀有事件的发生数X等来表示，如每毫升水中大肠杆菌数，每个观察单位中粉尘的记数，单位时间内放射性质点数等，只要细菌、粉尘、放射性脉冲在观察时间内满足以上条件，就可以近似看为Poisson分布。;二、Poisson分布的特征

1.Poisson分布的概率函数为:

式中为Poisson分布的总体均数，X为观察单位时间内某稀有事件的发生次数；