复习二项分布和泊松分布参数的区间估计.ppt

合集下载

统计学二项分布与泊松分布ppt课件

统计学二项分布与泊松分布ppt课件

由公式(7.2)可看出二项展开式有以下特点:
(1)展开式的项数为n+1。 (2)展开式每项π和(1-π)指数之和为n。 (3)展开式每项的指数从0到n;(1-π)
的指数从n到0。
由公式(7.2)可看出二项展开式有以下特点:
(4)二项分布的区间累积概率 设m1≤X≤m2 ,m1<m2), 则X在m1至m2 区间的累积概率有:
2.二项分布定义:如果已知发生某一结果(如阳 性)的概率为π,其对立结果(阴性)的概率为 (1-π),且各观察单位的观察结果相互独立, 互不影响,则从该总体中 项分布。
3.二项分布名称: 也称为贝努里分布(Bernoulli distribution)或贝努里模型,是由法国数学家 J.Bernoulli于1713年首先阐述的概率分布。
m2
Pn (m1 X m2 ) CnX X (1 )nX X m1
至多有x例阳性的概率为:
x
Pn ( X x) P( X ) X 0
X=0,1,2,…,x (7.4)
至少有x例阳性的概率为:
n
Pn ( X x) P( X ) X x
X=x,x+1,…,n (7.5)
公式(7.4)为下侧累计概率,公式(7.5)为上侧累计概率。
《医学统计学》目录
第1章 绪论 第2章 定量资料的统计描述 第3章 总体均数的区间估计和假设检验 第4章 方差分析 第5章 定性资料的统计描述 第6章 总体率的区间估计和假设检验 第7章 二项分布与Poisson分布 第8章 秩和检验 第9章 直线相关与回归 第10章 实验设计 第11章 调查设计 第12章 统计表与统计图
Cnn1 n1 (1 )1 Cnn n (1 )0 1 (7.2)

统计学:二项分布与泊松分布PPT课件

统计学:二项分布与泊松分布PPT课件
对立事件 A的概率为1-p。则有总概率p+
(1-p)=1。注意:1-p=q
简历
返回总目录
返回章目录 精选
第9页
结束
二、 二项分布的概率函数
1. 根据贝努里模型进行试验的三个基本条 件,可以求出在n 次独立试验下,事件 A出现的次数X的概率分布。X为离散型 随机变量,其可以取值为0,1,2,…,n。
简历
返回总目录
返回章目录 精选
第13页
结束
由公式(7.2)可看出二项展开式有以下特点:
简历
返回总目录
返回章目录 精选
第3页
结束
《医学统计学》目录
第1章 绪论 第2章 定量资料的统计描述 第3章 总体均数的区间估计和假设检验 第4章 方差分析 第5章 定性资料的统计描述 第6章 总体率的区间估计和假设检验 第7章 二项分布与Poisson分布 第8章 秩和检验 第9章 直线相关与回归 第10章 实验设计 第11章 调查设计 第12章 统计表与统计图
简历
返回总目录
返回章目录 精选
第12页
结束
二项式展开式实例
将二项式(a+b)n 展开
(ab)2a22a bb2
(a b )3 a 3 3 a 2 b 3 a2 b b 3
( a b ) 4 a 4 4 a 3 b 6 a 2 b 2 4 a 3 b b 4
( a b ) 5 a 5 5 a 4 b 1 a 3 b 2 0 1 a 2 b 0 5 a 4 b b 5
简历
返回总目录
返回章目录 精选
第7页
结束
2.二项分布定义:如果已知发生某一结果(如阳 性)的概率为π,其对立结果(阴性)的概率为 (1-π),且各观察单位的观察结果相互独立, 互不影响,则从该总体中随机抽取n例,其中出 现阳性数为X (X=0,1,2,3,…,n)的概率服从二 项分布。

§2.3 泊松分布和二项分布的近似的解释解析

§2.3 泊松分布和二项分布的近似的解释解析

P X 3 1 C 0.1 0.9
k 0 k 10 k
2
10 k
0.0702.
10
四、泊松分布
两点分布和二项分布都是以伯努利试验为背 景,即将要研究的分布以法国数学家和物理学
家——泊松的名字来命名. 若离散型随机变量X的分布列为
P X k
P X k C p q
k n k
n k
,
k 0, 1, 2,
其中
, n,
0 p 1 , q p 的二项分布,记作 X ~ B n, p .
分布列正则性验证:
p C
k 0 k k 0
n
n
k n
pq
k
n k
p q 1.
n k

k
k!
e .



C p 1 p
k n k

np
n很大, p很小

k
k!
e .
14
这个结论可叙述为:


n 较大, p 很小的条件下,参数为 n,
p 的二项分布的概率计算问题可以转化成参数

np 的泊松分布的概率计算问题.
例2.11 在例2.9中,根据二项分布我们已 经计算出了认为新药有效的概率约为7.02℅,
1 1 得 p , 故 X ~ B 3, , 于是 3 3 2 1 2 2 2 P X 2 C3 . 3 3 9
9
例2.9 已知某种疾病患者自然痊愈率为0.1,
为了鉴定一种新药是否有效,医生把它给10个病 人服用,且事先规定一个决策准则:这10个病人 中至少有3个人治好此病,则认为这种药有效,提 高了痊愈率;反之,则认为此药无效.求新药完 全无效,但通过试验被认为有效的概率. 解 每次成功(病人痊愈)的概率为0.1,用X表 示10个病人中痊愈的人数,则 X ~ B 10, 0.1 . 于是,所求概率为

二项分布与泊松分布参数的区间估计

二项分布与泊松分布参数的区间估计

二项分布与泊松分布参数的区间估计一、二项分布的参数估计二项分布是一种离散型概率分布,适用于一次试验中只有两个可能结果的情况,如抛硬币、掷骰子等。

在二项分布中,参数p表示成功的概率,n表示试验次数,X表示成功的次数。

在实际问题中,可以通过对样本进行观测,来估计二项分布的参数p。

设样本总数为N,其中成功的次数为n。

首先,我们可以计算样本中成功的比例估计值p'=n/N,称为样本比例。

根据大数定律,当N充分大时,样本比例p'趋近于成功概率p。

为了对p进行区间估计,常用的方法是使用二项分布的置信区间。

假设样本比例服从正态分布,根据格林估计法,二项分布的置信区间为:p' ± Z * sqrt(p' * (1 - p') / N)其中,Z是标准正态分布的分位数,代表置信水平的选择,N是样本总数。

二、泊松分布的参数估计在实际问题中,可以通过对样本进行观测,来估计泊松分布的参数λ。

设样本总数为N,其中事件发生的次数为n。

根据大数定律,当N充分大时,样本事件发生的平均发生率n/N趋近于参数λ。

为了对λ进行区间估计,常用的方法是使用泊松分布的置信区间。

假设样本事件发生的平均发生率服从正态分布,根据格林估计法,泊松分布的置信区间为:λ' ± Z * sqrt(λ' / N)其中,Z是标准正态分布的分位数,代表置信水平的选择,N是样本总数。

需要注意的是,对于二项分布和泊松分布的参数估计,以上所述的置信区间都基于大样本的情况。

当样本量较小时,可以采用Wilson方法或Agresti-Coull方法进行参数估计。

综上所述,二项分布和泊松分布的参数估计涉及到样本比例和样本事件平均发生率的计算,然后使用置信区间来估计参数的范围。

这对于对概率分布的参数进行推测和决策具有重要的意义。

二项分布和泊松分布参数的区间估计-PPT

二项分布和泊松分布参数的区间估计-PPT

p u / 2
n , p u / 2
n
0.8 1.96
0.8(1 0.8) , 0.8 1.96 100
0.8(1 0.8) 100
0.722, 0.878
大家学习辛苦了,还是要坚持
继续保持安静
3、泊松分布参数 得区间估计
设总体X服从参数为λ得泊松分布, x1, x2 , , xn 为总体得一个样本,则有:
p P p(1 p)
u / 2 } 1
n
P{ p u / 2
p(1 p) n P p u / 2
p(1 p) } 1
n
所以总体率P得 1 得置信区间为:
p(1 p)
p(1 p)
p u / 2
n P p u / 2
n
p(1 p)
p(1 p)
p u / 2
2
2
(n
1)
,
2 1 2
(n
1)
第五章 参数估计
第三节 二项Байду номын сангаас布和泊松分布参数的区间估计
主要内容
一、大样本正态近似法 二、小样本精确估计法
一、大样本正态近似法
例5-11、对100只小鼠给予有机磷农药100mg/kg灌胃后 有80只死亡,试求给予该有机农药100mg/kg灌胃引起 小鼠死亡率得95%置信区间、
样本死亡率: p 80 0.80 100
总体死亡率: P
95%置信区间
1、总体率与样本率得定义
总体率:设总体得容量为N,其中具有某种特点
得个体数为M,则称 P M N
为具有某种特点得个体得总体率。
置信区间
样本率:设总体中抽取容量为n得样本,其中具 有某种特点得个体数为m,则称

二项分布和泊松分布

二项分布和泊松分布

二项分布和泊松分布
泊松分布和二项分布是讨论某单一变量分布的特点,泊松分布是二项分布n很大而P很小时的特殊形式。

双变量分布是单变量分布向多维的推广,其讨论的是两个变量的分布情况。

二项分布
在n次独立重复的伯努利试验中,设每次试验中事件A发生的概率为p。

用X表示n重伯努利试验中事件A发生的次数,则X的可能取值为0,1,…,n,且对每一个k(0≤k≤n),事件{X=k}即为“n次试验中事件A恰好发生k次”,随机变量X的离散概率分布即为二项分布。

泊松分布
泊松分布,台译卜瓦松分布,是一种统计与概率学里常见到的离散机率分布。

泊松分布是以18~19世纪的法国数学家西莫恩·德尼·泊松命名的,他在1838年时发表。

这个分布在更早些时候由贝努里家族的一个人描述过。

二项分布和泊松分布参数的区间估计

二项分布和泊松分布参数的区间估计

二项分布和泊松分布参数的区间估计一、二项分布的参数估计:二项分布描述了在给定n次独立的伯努利试验中成功的次数。

其中,n表示试验次数,p表示每次试验成功的概率。

在实际问题中,n和p通常是未知的,我们需要使用样本数据来对它们进行估计。

1.估计p的置信区间:当估计二项分布参数p时,我们通常需要计算p的置信区间。

常用的方法有矩估计法和最大似然估计法。

矩估计法假设样本均值等于总体均值,样本方差等于总体方差除以样本大小。

计算公式为:p̂=x/n其中,x表示成功的次数,n表示试验的总次数。

利用矩估计法可以得到p̂的标准误差为:se(p̂) = sqrt(p̂(1-p̂)/n)我们可以根据样本数据和分位数来计算p的置信区间。

例如,95%的置信区间可以通过以下公式计算:p̂± Z*se(p̂)其中,Z是标准正态分布的分位数。

2.估计n的置信区间:当估计二项分布参数n时,我们假设p是已知的。

计算n的置信区间的方法有多种,例如最大似然估计法、滞后估计法等。

最大似然估计法假设样本数据是来自二项分布,通过极大化似然函数来估计参数n。

计算公式为:n̂=x/p̂其中,x表示成功的次数,p̂表示每次试验成功的概率。

利用最大似然估计法可以得到n̂的标准误差为:se(n̂) = sqrt(x/p̂^2)我们可以根据样本数据和分位数来计算n的置信区间。

例如,95%的置信区间可以通过以下公式计算:n̂± Z*se(n̂)其中,Z是标准正态分布的分位数。

二、泊松分布的参数估计:泊松分布描述了单位时间或单位面积内发生事件的次数。

其中,λ表示单位时间或单位面积内事件的平均发生率。

在实际问题中,λ通常是未知的,我们需要使用样本数据来对其进行估计。

1.估计λ的置信区间:在估计泊松分布参数λ时,我们通常需要计算λ的置信区间。

常用的方法有矩估计法和最大似然估计法。

矩估计法假设样本均值等于总体均值,样本方差等于总体方差。

计算公式为:λ̂=x̂其中,x̂表示样本均值。

二项分布PPT精选课件

二项分布PPT精选课件
20
21
四、二项分布的应用
1.正态近似法
当n足够大,p和1-p均不太小时 , 即np和n(1-p)均大于5时,二项分布 近似正态分布N(nπ, nπ(1-π) )
可信度为1-α的可信区间:
(p-Zasp,p+Zasp)
22
例5.4 某医院用复方当归注射液, 静脉滴注治疗脑动脉硬化症188例; 其中显效83例,试估计复方当归注 射液显效率的95%可信区间。
二项分布和Poisson 分布及其应用
1
学习要点: 二项分布和Poisson分布的定义、性
质及应用
2
第一节 二项分布
3
第一节 二项分布及其应用
*离散型随机变量及其概率分布列
4
离散型随机变量:假如用3只小白鼠 作一定剂量某种毒物的毒性试验, 那么试验后3只小白鼠“死亡数X” 的可能取值能够一一列出,分别为 0,1,2,3。这种可能取值能够一 一列出的随机变量称为离散型随机 变量。其概率分布特征 见下表
X 的 均 数 X = n
X




2 X
=
n

(1-
)
X 的 标 准 差 X = n 1
前例
B( n, )=B(3,0.8)的 鼠 死 亡 数 X 的
总体均数
X =3×0.8=2.4(只 )
总体方差

2 X
=3×0.8×0.2=0.48(只
)
总体标准差
X = 3 0.8 0.2 = 0 . 6 9 ( 只 )
K X !(n X )!
27
例5.7 一种鸭通常感染某种传染病的 概率是0.2,现将一种药物注射到25 只鸭后发现有1只鸭发生感染,试判 断这种药物对预防感染是否有效。

医学统计学课件:第九讲 二项分布和Poisson分布

医学统计学课件:第九讲  二项分布和Poisson分布

S p1 p2
X1 X 2 (1 X1 X 2 )( 1 1 )
n1 n2
n1 n2 n1 n2
温州医科大学公共卫生与管理学院/附属眼视光医院
例 7 - 7 为 研 究 A 、B 两 地 学 生 的 肺 吸 虫 感 染 率 是 否 相 同 ,某 研 究
者 随 机 抽 取 8 0 名 A 地 学 生 和 8 5 名 B 地 学 生 ,查 得 感 染 人 数 A 地 2 3 ,
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。
由二项分布的概率函数可得到泊松分布的概率 函数为:
P{X x} e x
x!
x 0,1, 2,
为大于0的常数,X 服从以为
参数的Poisson分布 X ~ P( )
温州医科大学公共卫生与管理学院/附属眼视光医院
当n→∞时,只要不接近0、1,二项分布近似 正态分布。
温州医科大学公共卫生与管理学院/附属眼视光医院
温州医科大学公共卫生与管理学院/附属眼视光医院
温州医科大学公共卫生与管理学院/附属眼视光医院
温州医科大学公共卫生与管理学院/附属眼视光医院
相关程序(R软件)
op<-par(mfrow=c(2,2)) n<-c(10) p<-c(0.1) k<-seq(0,n) plot(k,dbinom(k,n,p),type='h',main='二项
分布', xlab='K',cex=1.5,cex.axis=1.5,col.axis=4) mtext(paste('N=',n),adj=0.9,side=3,line= -2,col=4) mtext(paste('P=',p),adj=0.9,side=3,line= -3.1,col=4)

二项分布和泊松分布参数的区间估计

二项分布和泊松分布参数的区间估计

二项分布和泊松分布参数的区间估计二项分布描述了在一系列独立的伯努利试验中,成功的次数所服从的概率分布。

二项分布的两个参数是试验成功的概率p和试验次数n。

当我们希望对二项分布的成功概率p进行区间估计时,常用的方法有以下两种:1.置信区间估计置信区间估计是对参数真值的一个范围估计。

假设我们希望估计的参数为p,我们可以根据样本数据构造一个置信区间,使得该区间内的真值p落在一定的概率之内。

置信区间的常用构造方法有正态近似法和精确法。

-正态近似法:当样本容量较大时,可以使用正态近似进行估计。

根据中心极限定理,当样本容量n较大时,样本比例的分布近似服从正态分布。

在此基础上,根据样本比例的标准差计算置信区间。

-精确法:当样本容量较小时,使用精确法进行估计。

精确法的基本思想是根据样本所构造的二项分布概率函数,计算其区间使其概率之和达到一定的置信水平。

2.区间估计的精确度区间估计的精确度可以用置信水平表示。

常见的置信水平有90%、95%和99%。

置信水平越高,估计的精确度越高,但置信区间越宽。

泊松分布用于描述单位时间(或单位面积、单位长度等)内事件发生的次数的概率分布。

泊松分布的参数是事件发生的平均次数λ。

当我们希望对泊松分布的参数λ进行区间估计时,常用的方法有以下两种:1.置信区间估计与二项分布类似,置信区间估计是对参数真值的一个范围估计。

在具体的计算中,可以使用正态分布的近似法或精确法。

-正态近似法:当λ较大时,泊松分布可以近似于正态分布,可以使用正态分布进行近似估计。

根据中心极限定理,当λ较大时,泊松分布的样本均值近似于正态分布。

-精确法:当λ较小时,泊松分布不适合用正态分布近似,可以使用精确法进行估计。

精确法的基本思想是根据泊松分布的概率函数,计算其区间使其概率之和达到一定的置信水平。

2.区间估计的精确度区间估计的精确度可以用置信水平表示。

常见的置信水平有90%、95%和99%。

与二项分布类似,置信水平越高,估计的精确度越高,但置信区间越宽。

二项分布与泊松分布课件

二项分布与泊松分布课件

但π常未知,而用p作为π的估计值,因此 反映样本率抽样误差的统计量为
sp
p(1 p) n
正态近似
当n足够大,π与1-π均不太小, 如nπ≥ 5 且n(1-π ) ≥ 5
P~N( , (1 ) ), n

u p
(1 )
n
二项分布的应用
总体率的区间估计 样本率与总体率的比较 两样本率比较
Poisson分布(poisson distribution)
一 种 重 要 的 离 散 型 分 布 , 由 法 国 数 学 家 S.D.Poisson 1837年提出,故称为Poisson分布。Poisson分布有如下 情形:
(1)贝努利试验中稀有事件出现次数近似服从参数为 λ=np的poisson分布,其中n是试验次数,p是事件的概 率;
1、总体阳性事件数的区间估计 2、样本阳性事件数与总体阳性事件数 的比较 3、两样本阳性事件数比较
谢谢大家 9、 人的价值,在招收诱惑的一瞬间被决定 。21.5.2721.5.27Thurs day, May 27, 2021 10、低头要有勇气,抬头要有低气。***5/27/2021 1:57:55 PM 11、人总是珍惜为得到。21.5.27**May-2127- May-21 12、人乱于心,不宽余请。***Thursday, May 27, 2021 13、生气是拿别人做错的事来惩罚自 己。21.5.2721.5.27**May 27, 2021 14、抱最大的希望,作最大的努力。2021年5月27日 星期四 **21.5.27 15、一个人炫耀什么,说明他内心缺 少什么 。。2021年5月 *21.5.27*May 27, 2021 16、业余生活要有意义,不要越轨。**5/27/ 2021 17、一个人即使已登上顶峰,也仍要 自强不 息。***21.5.27

05 第五节 二项分布和泊松分布总体参数的区间估计

05 第五节 二项分布和泊松分布总体参数的区间估计

第五节 二项分布和泊松分布总体参数的区间估计上一节讲的区间估计适用于正态总体,但当总体不服从正态分布时,需要用另外的方法.在实际问题中,当一个总体服从二项分布或泊松分布时,它们的参数λ或p 往往是未知的,下面讨论二项分布和泊松分布总体参数的区间估计问题.内容分布图示★ 二项分布蚕食p 的区间估计 ★ 例1★ 泊松分布参数的区间估计 ★ 例2★ 二项分布参数的区间估计 ★ 例3★ 泊松分布的区间估计 ★ 例4★ 内容小结★ 习题6-5内容要点:一、精确估计的方法1.二项分布参数p 的区间估计设总体容量为N,其中具有某种特征的个体数为M,则称NM P =为具有某种特征的个体的总体率,如阳性率,治愈率等.但总体率通常是未知的,需要通过从总体中随机抽取样本来对其进行估计.设从总体中抽取容量为n 的样本,其中具有某种特征的个体数为m,则称n m p =为具有某种特征的个体的样本率.二、正态近似法1.二项分布参数的区间估计若从总体中随机抽取n 个个体,则其中具有该种特征的个体数k 服从二项分布b(n,P),其中P 为总体率.则)1()(,)(P nP k V nP k E -==. 对于样本率n k p =,有 nP P n k V p V P nk E p E )1()()(,)()(-====. 当n 充分大时,由中心极限定理知,样本率n k p =近似服从正态分布))1(,(n P P P N -,则)1,0(~)1(N n P P Pp u 近似--=.由于总体率P 未知,样本率是总体率的无偏估计量,因此,可以用样本率p 来估计总体率P,得到样本率p 的总体标准差的近似值 np p p )1(-≈σ, 则对于给定的显著性水平α,由 αα-=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛<--1)1(2u n p p P p P , 得到总体率P 的α-1置信区间为 ⎪⎪⎭⎫ ⎝⎛-+--n p p u p n p p u p )1(,)1(22αα. 2.泊松分布参数的区间估计若随机变量X 服从参数为λ的泊松分布,则λλ==)(,)(X D X E .若由此总体中随机抽取容量为n 的样本n x x x ,,,21 ,得样本均值∑==ni i x n x 11,则 n x D x E λλ==)(,)(.当样本容量n 充分大时,由中心极限定理知),(~n N x λλ近似.则)1,0(~N n x u λλ-=.由于参数λ未知,样本均值∑==ni i x n x 11是参数λ的无偏估计量,当样本容量n 充分大时,用样本均值∑==ni i x n x 11来估计参数λ,得到x 的总体标准差 nx x =σ. 从而)1,0(~N nXn X n x x u λλ-=-=, 其中X 为事件A 在n 次试验中出现的总次数.则由αλα-=⎪⎪⎪⎪⎭⎫ ⎝⎛<-12u nX n X P , 得到总体均数λ的α-1置信区间 ⎪⎪⎭⎫ ⎝⎛⋅+⋅-n X u n X n X u n X 22,αα. 总体总计数λn 的α-1置信区间为⎪⎪⎭⎫ ⎝⎛⋅+⋅-X u X X u X 22,αα. 例题选讲:例1(E01)某医院欲研究某种溶栓药的疗效,让20名脑血栓患者服用此药,经治疗后其中对12人有效.试计算有效率p 的95%的置信区间.解 对,12,20==k n 给定的显著性水平05.0=α,查二项分布参数p 的置信区间表得总体治愈率P 的95%置信区间为(0.361,0.809).例2(E02)用甲、乙两法对50份血样进行化验,甲法是阳性的有40例,乙法是阳性的有35例,试分别计算用甲、乙两法化验一份血样是阳性的95%的置信区间.解 对甲法,05.0,40,50===αk n ,查泊松分布参数的置信区间表得用甲法化验50份血样是阳性的95%的置信区间为(28.58,54.47),则用甲法化验一份血样是阳性的95%的置信区间为(0.5736,1.0894).对乙法,05.0,35,50===αk n ,查泊松分布参数的置信区间表得用甲法化验50份血样是阳性的95%的置信区间为(24.38,48.68),则用乙法化验一份血样是阳性的95%的置信区间为(0.4876,0.9736).例3(E03)在观察一种药物对某种非传染性疾病的治疗效果时,用该药物治疗了此种非传染性疾病患者100人,发现55人有效,试求该药物治疗有效率的95%的置信区间.解 样本有效率96.1,05.0,55.0100552====ααu p ,所求置信区间为 ⎪⎪⎭⎫ ⎝⎛-⨯⨯+-⨯⨯-100)55.01(55.096.155.0,100)55.01(55.096.155.0即该药物治疗有效率的95%的置信区间为(0.4525,0.6475).例4(E04)从同一水源制备10份随机试样,每份1ml,在相同条件下分别作平板培养,共得菌落144个,试估计该水源中每毫升平均菌落数的95%置信区间.解 由95.01=-α,X=144,96.12=αu ,则10ml 水中所含菌落的总个数的95%置信区间为()14496.1144,14496.1144⨯+⨯-, 即置信区间为 (120.48,167.52).则该水源中每毫升平均菌落数的95%置信区间为(12.048,16.752).。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

p(1 p) } 1
n
所以总体率P的 1 的置信区间为:
医药数理统计方法
p u / 2
p(1 n
p)
P
p u / 2
p(1 p) n
p(1 p)
p(1 p)
p u / 2
n , p u / 2
n
大样本正态近似法
医药数理统计方法
例5-11.对100只小鼠给予有机磷农药100mg/kg灌胃后
0.8(1 0.8) 100
0.722,0.878
3.泊松分布参数 的区间估计
医药数理统计方法
设总体X服从参数为λ的泊松分布,x1, x2 , , xn 为总体的一个样本,则有:
P{X k} k e ,
k!
E( X ) , D( X )
k 0,1, 2,
E( x)
1 E(
n
P
p
m
n
u
p P ~ N (0,1) p(1 p)
n
u p P ~ N (0,1) p(1 p) n
医药数理统计方法
对于给定的 1 查标准正态分布双侧临界值表:
P{u / 2
p P p(1 p)
u / 2 } 1
n
P{ p u / 2
p(1 p) n P p u / 2
n
n i 1
xi
)
,
D( x)
1 D(
n
n i 1
xi )
n
x
1 n
n i 1
xi
~
N ( , ),
n
n
(近似服从)
医药数理统计方法
x
1 n
n i 1
xi
~
N ( , ),
n
n
(近似服从)
u x ~ N (0,1), n (近似服从) /n
x
1 n
n i 1
xi
u x ~ N (0,1), n (近似服从)
所以总体率 P 的99%置信区间为:(7.7%,80.9%)
医药数理统计方法
2.泊松分布参数 λ 的区间估计 例5-15.用一种培养基培养某种细菌,经过一段时间 后的菌落有12个,试估计同样条件下该菌落数的99% 置信区间.
解: X 12, 0.01 查附表9可得总菌落数nλ的置信区间的上限: 上限:24.14,下限:4.94 所以同样条件下该菌落数的99%置信区为:
2
, n
x u
2
n
大样本非正态总体
优选
2
2.正态总体方差 2 的置信区间
(n 1)S 2
2
(n
1)
2
,
(n 1)S 2
2 1
(n
1)
2
优选
3
第五章 参数估计
第三节 二项分布和泊松分布参数的区间估计
优选
4
主要内容
一、大样本正态近似法 二、小样本精确估计法
一、大样本正态近似法
X n
u / 2
X }1
n
所以总体参数 λ 的置信区间为:
X n u / 2
X n
X n

u / 2
X n
X
XX
X
n u / 2 n , n u / 2 n
所以总体参数 nλ 的置信区间为:
X u /2 X , X u /2 X
医药数理统计方法
医药数理统计方法
例5-13.用计数器记录某放射性标本的脉冲数,已知 20分钟的读数为11286,试求20分钟内总脉冲数和每 分钟平均脉冲数的95%置信区间。
医药数理统计方法
例5-11.对100只小鼠给予有机磷农药100mg/kg灌胃后 有80只死亡,试求给予该有机农药100mg/kg灌胃引起 小鼠死亡率的95%置信区间.
样本死亡率: p 80 0.80 100
总体死亡率: P
95%置信区间
1.总体率与样本率的定义
医药数理统计方法
总体率:设总体的容量为N,其中具有某种特点
有80只死亡,试求给予该有机农药100mg/kg灌胃引起
小鼠死亡率的95%置信区间.
解:
n
100,
p
80 100
0.80,
0.05, u0.05/ 2
1.96;
p(1 p)
p(1 p)
p u / 2
n , p u / 2
n
0.8 1.96
0.8(1 0.8) , 0.8 1.96 100
的个体数为M,则称 P M N
为具有某种特点的个体的总体率。
置信区间
样本率:设总体中抽取容量为n的样本,其中具 有某种特点的个体数为m,则称
p m n
为具有某种特点的个体的样本率。
2.二项分布总体率 P 的区间估计
医药数理统计方法
推导过程:
p
m
~
N(P,
P(1
P) )
n
n
u p P ~ N (0,1) P(1 P)
x/n
令: X
n i 1
xi x
X n
医药数理统计方法
u X / n ~ N (0,1), n (近似服从)
X /n
对于给定的 1 查标准正态分布双侧临界值表:
P{u / 2 u u / 2 } 1
P{u / 2
X
/n
X /n
u / 2 } 1
P{
X n
u / 2
X n
二、小样本精确估计法
医药数理统计方法
1.二项分布总体率 P 的区间估计 例5-14.给10只同品系的动物分别注射某药物,结 果有4只死亡,试求总体死亡率的99%置信区间.
解:n=10为小样本,不宜采用正态近似法。 n 10, m 4, 0.01
查附表8可得总体率P的置信区间的上下限: 上限:0.809,下限:0.077
复习1:
1.参数点估计 (1)矩估计法
(2)最大似然估计法
2.估计量的判别标注
(1)无偏性 (2)有效性 (3)一致性
优选
1
复习2:
1.正态总体均值 的置信区间
x u / 2
n , x u / 2
n
2 已知 2 未知
S
S
x t (n 1)
2
n
,
x
t
2
(n
1)
n
S
S
x u
20
解: X xi 11286, n 20, 0.05, u0.05/ 2 1.96 i 1 所以20分钟内总脉冲数的95%置信区间为: X u0.05/ 2 X , X u0.05/ 2 X (11078,11494)
每分钟平均脉冲数的95%置信区间为:
X
XX
X
n u0.05/ 2 n , n u0.05/ 2 n (553.9, 574.7)
(4.94,24.14)
小结
医药数理统计方法
1.二项分布总体率 P 的置信区间
p u / 2
p(1 n
p) ,
p
u / 2
2.泊松分布参数 的置信区间
p(1 p) n
X u /2 X , X u /2 X
大样本正态近似法
相关文档
最新文档