二项分布与poisson分布

合集下载
  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)。
查附表得死亡率的95%的可信区间为 3%~56%。
6.1 二项分布(binomial distribution)
■ 二项分布的应用:
• 总体率的估计 2.正态近似法
当样本含量n足够大,且样本率p或1-p均不太小,如np与n(1-p)均大 于5时,样本率p的抽样分布近似正态分布,总体率π的可信区间可按下
P(5) 0.855 0.443705313
最多1人有效的概率为: P(X ≤ 1)=P(0)+P(1)
P( X 1) P(0) P(1) 0.155 C51 (0.15)51 0.85 0.002227501
6.1 二项分布(binomial distribution)
■ 二项分布的性质:
1 0.008 3 0.032 3 0.1281 0.512 1.0000
P( X ) C3X 0.8X (1 0.8)3X
P(1)
C
1 n
(1
) n1
1
3! (1 1!(3 1)!
0.8) 31 0.81
0.096
6.1 二项分布(binomial distribution)
■ 二项分布(binomial distribution)概念:
可以证明:当 n 和 n(1) 均大于5时, X ~ N (n , n (1 ))

p ~ N ( , (1 )
n
p X n
在 H 0 : 0 0.75 成立的前提下,得:
U
| X n 0 | ~ N (0,1) n 0 (1 0 )

U
| P 0 | ~ N (0,1) 0 (1 0 )
列式进行估计。
p u / 2 S p
6.1 二项分布(binomial distribution)
■ 二项分布的应用:
• 总体率的估计
p u / 2 S p
6.1 二项分布(binomial distribution)
■ 二项分布的应用:
• 服从二项分布资料的假设检验
6.1 二项分布(binomial distribution)
1. 二项分布的累计概率(cumulative probability)
常用的有左侧累计和右侧累计两种方法。
从阳性率为π的总体中随机抽取n个个体,则 (1)最多有k例阳性的概率 P(X≤k)= P(0)+ P(1)+…+ P(k) (2)最少有k例阳性的概率 P(X≥k)= P(k)+ P(k +1)+…P(n)
2. 二项分布的累计概率(cumulative probability)
至少3人有效的概率:P(X≥3)=P(3)+P(4)+P(5)
P(3) 3!(55! 3)! (0.15)2 (0.85)3 0.138178125
P(4) P(3 1) 5 3 0.85 0.138178125 0.391504688 3 1 1 0.85
[(1 ) ]n (1 )n Cn1 (1 ) n1 1 Cn2 (1 )n2 2
C
X n
(1
)
n
X
X
Cnn1 (1 ) n1
n
0.8 (1 0.8) 3 C30 0.80 (1 0.8)30 C310.81(1 0.8)31 C32 0.82 (1 0.8)32 C33 0.83 (1 0.8)33
=1- P(X≤k-1) 其中,X=0,1,2,…,k,…,n。
例题:据以往经验,用某药治疗小儿上呼吸道感染、支气管炎,有效率 为85%,今有5个患者用该药治疗,问:① 至少3人有效的概率为多 少?② 最多1人有效的概率为多少?
6.1 二项分布(binomial distribution)
■ 二项分布的性质:
6.1 二项分布(binomial distribution)
■ 贝努里试验(Bernoulli trial)
6.1 二项分布(binomial distribution)
■ 贝努里试验(Bernoulli trial)
6.1 二项分布(binomial distribution)
■ 贝努里试验(Bernoulli trial)
6.1 二项分布(binomial distribution)
■ 贝努里试验(Bernoulli trial)
6.1 二项分布(binomial distribution)
■ 二项分布(binomial distribution)概念: • 二项分布(binomial distribution)是指在只会产生两种可能结果如“
6.1 二项分布(binomial distribution)
■ 二项分布(binomial distribution)概念:
0.8 (1 0.8) 3 C30 0.80 (1 0.8)30 C310.81(1 0.8)31 C32 0.82 (1 0.8)32 C33 0.83 (1 0.8)33
6.1 二项分布(binomial distribution)
■ 二项分布(binomial distribution)概念: • 该实验是逐只进行的,其实验结果相互独立,根据概率的乘法法则(几 个独立事件同时发生的概率,等于各独立事件的概率之积),可算出每种 排列方式的概率以及每种组合方式的概率,见第(3)、(4)栏。每种组 合的概率分布服从二项展开式:
■ 二项分布的应用: • 服从二项分布资料的假设检验
样本率与总体率的比较
P(
X
)
C
X n
X
(1
)nX
6.1 二项分布(binomial distribution)
■ 二项分布的应用:
• 服从二项分布资料的假设检验 2 正态近似法
当二项分布的 n 和 n(1 ) 均大于5时,可用正态近似法。
例:已知接种乙型肝炎血源疫苗的抗-HBs的阳转率为75%,今用乙型肝炎 基因工程疫苗接种100人,其中抗-HBs的阳转者90例。试推断乙型肝炎基因 工程疫苗接种是否能提高抗-HBs的阳转率?
■ 二项分布的应用:
• 服从二项分布资料的假设检验
6.1 二项分布(binomial distribution)
■ 二项分布的应用:
• 服从二项分布资料的假设检验 1 直接概率法 例题:某疾病预防控制中心,以往对辖区内锡克氏试验反应阳性的8-15岁 学生接种吸附精制白喉类毒素,后锡克氏试验总阴转率为49.5%。现用一 种新的吸附精制白喉类毒素制剂接种内锡克氏试验反应阳性的8-15岁学生 10人,结果有8人锡克氏试验转阴。试推断该剂型的吸附精制白喉类毒素 能否提高锡克氏试验总阴转率?
阳性”或“阴性”之一的n次独立重复试验(称为n重Bernoulli试验) 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。
• 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 的概率分布即呈二项分布,记为X~B(n,π),
P(X )
n! X (1 )nX
n
本例:U | 82 100 0.75 | 3.461 100 0.75(1 0.75)
(3)确定P值,做出结论
6.1 二项分布(binomial distribution)
■ 复习中学的有关数学概念
6.1 二项分布(binomial distribution)
■ 复习中学的有关数学概念
6.1 二项分布(binomial distribution)
■ 贝努里试验(Bernoulli trial)
6.1 二项分布(binomial distribution)
■ 贝努里试验(Bernoulli trial)
6.1 二项分布(binomial distribution)
■ 二项分布的应用: • 服从二项分布资料的假设检验 样本率与总体率的比较
1 直接概率法
6.1 二项分布(binomial distribution)
■ 二项分布的应用: • 服从二项分布资料的假设检验
样本率与总体率的比较
6.1 二项分布(binomial distribution)
(3)二项分布的正态近似条件: n 和 n(1 ) 均大于5。
6.1 二项分布(binomial distribution)
■ 二项分布的应用:
• 总体率的估计 1.查表法
当样本含量n较小,如n≤50,特别是p很接近于0或1时,按二项分布的原理
估计总体率的可信区间。因为其计算过程较复杂,统计学家已经编制了百分
率的可信区间可直接根据样本含量n和阳性数X查出总体率的可信区间。
由于附表百分率的可信区间中X值只列出了X≤n/2的部分,当X>n/2时,应 以n-X 查表,,再从100中减去查得的数值即为所求可信区间。
例题:实验用大白鼠10只,注射某一剂量毒物后有2只死亡,求该毒物 引起大白鼠死亡率的95%的可信区间?
1 0.008 3 0.032 3 0.1281 0.512 1.0000
6.1 二项分布(binomial distribution)
■ 二项分布(binomial distribution)概念:
0.8 (1 0.8) 3 C30 0.80 (1 0.8)30 C310.81(1 0.8)31 C32 0.82 (1 0.8)32 C33 0.83 (1 0.8)33
则p的总体均数、方差和标准差:
2 p
(1
n
)
p
(1 )
n
p 是率( p)的标准差, 又称率的标准误,它反映 率的抽样误差的大小。
当仅知道样本率时,则率 的标准差(或标准误)的 估计公式为:
Sp
p(1 p) n
6.1 二项分布(binomial distribution)
■ 二项分布的性质:
3.二项分布的图形及其正态近似条件
已知π和n,就能按公式计算X=Βιβλιοθήκη Baidu,1,…,n时的P(X)值。以X为横坐 标,以P(X)为纵坐标作图,即可绘出二项分布的图形:
6.1 二项分布(binomial distribution)
■ 二项分布的性质:
3.二项分布的图形及其正态近似条件
6.1 二项分布(binomial distribution)
本例: n 和 n(1 ) 均大于5时,可用正态近似法。
6.1 二项分布(binomial distribution)
■ 二项分布的应用: • 服从二项分布资料的假设检验
(1)建立检验假设,确定检验水准 H 0 : 0 0.75 (2)选定检验方法,计算统计量 H1 : 0 0.05
■ 二项分布的性质:
3.二项分布的图形及其正态近似条件
6.1 二项分布(binomial distribution)
■ 二项分布的性质:
3.二项分布的图形及其正态近似条件
结论:
二项分布的形状取决于π和n的大小: (1)当π=0.5时,分布对称;当π<0.5时,分布呈正偏态,且固定n 时, π越小,分布越偏;当π>0.5时,分布呈负偏态,且固定n时, π越大,分布越偏。 (2)对固定的π,分布随n的增大趋于对称。
6.1 二项分布(binomial distribution)
■ 二项分布的应用条件:
6.1 二项分布(binomial distribution)
■ 二项分布的性质:
1. 二项分布的均数和标准差
总体均数: n
总体方差: 2 n (1 )
总体标准差: n (1 )
如果将出现阳性结果的频率记为:p X n
Chap7. 二项分布(binomial distribution)与 poisson 分布(poisson distribution)
xjli@sdu.edu.cn School of public health Shandong University
6.1 二项分布(binomial distribution)
X !(n X )!
X 0,1, 2,, n
P( X
)
C
X n
X
(1
)nX
6.1 二项分布(binomial distribution)
■ 二项分布(binomial distribution)概念: • 例3.4 设小白鼠接受一定剂量的某种毒物时的死亡率为80%。若每组各用甲乙丙
3只小白鼠逐个做实验,观察每组小白鼠的存亡情况。如果考虑生、死的顺序时, 则有8种排列方式;如果不考虑生、死的顺序只考虑生死的数目时,则有4种组合方 式,如表3-4第(3)、(4)栏所示。
相关文档
最新文档