概率分布之正态、泊松、二项分布
(1)定义1.正态分布的概率密度函数为 ,此时称随机变量x服从均数为μ,标准差为σ的正态分布,记为X~N(μ, )。标准正态分布的标准差为1,均数为0,记为X~N(0,1)。
2.任何一个一般的正态分布通过 变换(减去均数,除以标准差),成为标准正态分布,也称为u分布或Z分布。
(2)特征
1.正态分布曲线为单峰,钟形,以均值μ为对称轴,左右对称
2.当x=μ时,正态分布的概率密度函数取到最大值,向两边逐渐减小,并且不会和x轴相交。
3.由概率密度函数可知,正态分布曲线由两个参数决定,一个是均数μ,决定曲线位置,一个是标准差σ,决定形状。
(3)正态分布曲线下面积规律
双侧90%:1.645
双侧95%:1.96
双侧99%:2.58
单侧90%:1.282
单侧99%:2.326
(4)正态分布的重要性
①正态分布能够很好地描述一些实际数据的分布。
②正态分布可以很好地近似许多随机事件的结果。
③利用正态分布制定“医学参考值范围”。
④根据正态分布曲线下面积规律,可以制定相应的质量控制线和警戒线。
⑤建立在正态分布基础上的很多统计推断过程也适用于其它近似对称分布。
若离散型随机变量X,其取值为0,1,2...,相应的概率为:
则称此分布服从参数为μ的possion分布。μ是其唯一的参数,且 泊松分布的均数和方差相等 。
泊松分布常用于稀有事件的发生次数的概率分析。
1.定义
伯努利实验:只有两种可能结果的单次随机实验,其结果可能为“成功”或“失败”。
二项分布:将一个成功概率为π的伯努利实验,独立的重复n次,令X表示在这n次中“成功”出现的次数,X的可能取值为0,1,2....n,根据n次伯努利实验中“成功”总次数等于k的概率计算公式,得到X的概率分布:
其中 ,称此分布为二项分布,其两个参数为n和π
2.性质
设X服从二项分布:
X的均数
X的方差
X的标准差
3.适用条件
互斥性:每次随机实验只会发生两种对立结果的可能之一。
稳定性:在相同的实验条件下,每次实验产生某种结果的概率固定不变。
独立性:重复实验是相互独立的,每次实验产生何种结果不受其他实验的影响。
绛旓細X~b(n,p)浜岄」鍒嗗竷锛binomial 浼姫鍒╁疄楠 x~p(a) poisson 娉㈡澗鍒嗗竷銆俋~u锛坅,b) uniforn 鍧囧寑鍒嗗竷 x~E(A) exponential 鎸囨暟鍒嗗竷 x~N(A,B)normal 姝f佸垎甯 0-1鍒嗗竷锛欱(1,p)浜岄」鍒嗗竷锛欱(n,p)娉婃澗鍒嗗竷锛歅(位)鍧囧寑鍒嗗竷锛歎(a,b)鎸囨暟鍒嗗竷锛欵(位)姝f佸垎甯冿細N(渭,蟽²)...
绛旓細绛夊彲鑳芥ā鍨嬫槸鎵鏈夌粨鏋滄鐜囩浉绛夌殑鐞嗘兂鎯呭喌锛屾瘮濡傚叕姝g‖甯侊紝姝i潰鍜屽弽闈㈠嚭鐜扮殑姒傜巼鍚勪负0.5銆傜鏁姒傜巼鍒嗗竷濡浜岄」鍒嗗竷锛鎻忚堪鐨勬槸鍦╪娆$嫭绔嬭瘯楠屼腑鏌愪簨浠舵伆濂藉彂鐢焝娆$殑姒傜巼銆娉婃澗鍒嗗竷鍒欑敤浜庢弿杩板崟浣嶆椂闂村唴闅忔満浜嬩欢鐨勫钩鍧囧彂鐢熸鏁帮紝褰撲簨浠跺彂鐢熼鐜囪緝楂樻椂锛屽畠鎺ヨ繎姝f鍒嗗竷銆傛鎬佸垎甯冿紝鍗抽珮鏂垎甯冿紝鏄嚜鐒剁晫涓父瑙佺殑...
绛旓細姝f佸垎甯锛氭寚鏁板垎甯冿細娉婃澗鍒嗗竷 浜岄」鍒嗗竷锛
绛旓細鍚勭鍒嗗竷鐨勬湡鏈涗笌鏂瑰樊琛ㄥ涓嬶細0-1鍒嗗竷B(1,p)锛氬潎鍊间负p锛屾柟宸负pq銆浜岄」鍒嗗竷B(n,p)锛氬潎鍊间负np锛屾柟宸负npq銆娉婃澗鍒嗗竷P(位)锛氬潎鍊间负位锛屾柟宸负位銆傚潎鍖鍒嗗竷U(a,b)锛氬潎鍊间负(a+b)/2锛屾柟宸负(a-b)^2/12銆姝f佸垎甯N(渭,蟽)锛氬潎鍊硷細渭锛屾柟宸細蟽銆傚崱鏂瑰垎甯兿嘵2(n)锛氬潎鍊糿锛屾柟宸2n銆
绛旓細2銆浜岄」鍒嗗竷锛鏈熸湜鏄痭p锛屾柟宸槸npq銆3銆娉婃澗鍒嗗竷锛屾湡鏈涙槸p锛屾柟宸槸p銆4銆佹寚鏁板垎甯冿紝鏈熸湜鏄1/p,鏂瑰樊鏄1/(p鐨勫钩鏂)銆5銆姝f佸垎甯锛屾湡鏈涙槸u锛屾柟宸槸&鐨勫钩鏂广6銆亁鏈嶄粠鍙傛暟涓簆鐨0-1鍒嗗竷锛屽垯e(x)=p锛宒(x)=p(1-p)銆備簩椤瑰垎甯冿細鍦ㄦ瘡娆¤瘯楠屼腑鍙湁涓ょ鍙兘鐨勭粨鏋滐紝鑰屼笖涓ょ缁撴灉鍙戠敓涓庡惁浜掔浉瀵圭珛...
绛旓細浠栦滑鐨勯傜敤鑼冨洿涓嶅悓銆姝f鍒嗗竷鏄墍鏈夊垎甯冭秼浜庢瀬闄愬ぇ鏍锋湰鐨勫垎甯冿紝灞炰簬杩炵画鍒嗗竷銆備簩椤瑰垎甯冧笌娉婃澗鍒嗗竷 鍒欓兘鏄绂绘暎鍒嗗竷锛屼簩椤瑰垎甯鐨勬瀬闄愬垎甯冩槸娉婃澗鍒嗗竷銆佹硦鏉惧垎甯冪殑鏋侀檺鍒嗗竷鏄鎬佸垎甯冦傚嵆np=位,褰搉寰堝ぇ鏃讹紝鍙互杩戜技鐩哥瓑
绛旓細鍏崇郴锛氭瀬闄愬叧绯伙細娉婃澗鍒嗗竷鏄簩椤瑰垎甯冨湪璇曢獙娆℃暟n瓒嬩簬鏃犵┓澶э紝涓斾簨浠跺彂鐢姒傜巼p瓒嬭繎浜0鐨勬瀬闄愭儏鍐点傚綋n瓒冲澶э紝p瓒冲灏忥紝鍚屾椂淇濇寔位=np涓嶅彉鏃锛屼簩椤瑰垎甯杩戜技浜庢硦鏉惧垎甯冦傝繖绉嶆瀬闄愬叧绯讳娇寰楁硦鏉惧垎甯冨湪涓浜涚█鏈変簨浠剁殑姒傜巼璁$畻涓湁杈冨ソ鐨勮繎浼兼晥鏋溿備腑蹇冩瀬闄愬畾鐞嗭細涓績鏋侀檺瀹氱悊琛ㄦ槑锛屽綋鐙珛鍚屽垎甯冪殑闅忔満鍙橀噺X1, X...
绛旓細娉婃澗鍒嗗竷鐨勬洸绾跨被浼间簬姝f鍒嗗竷锛屛 琛ㄧず宄板笺傛寚鏁板垎甯冩槸娉婃澗鐐硅繃绋嬩腑浜嬩欢涔嬮棿鏃堕棿鐨姒傜巼鍒嗗竷銆傛寚鏁板垎甯冪殑姒傜巼瀵嗗害鍑芥暟濡備笅锛毼 鏄熺巼鍙傛暟锛寈 鏄殢鏈哄彉閲忋傚彲浠ュ皢浜岄」鍒嗗竷瑙嗕负瀹為獙涓垚鍔熸垨澶辫触鐨勬鐜囥 鏈変簺浜轰篃鍙兘灏嗗叾鎻忚堪涓烘姏纭竵姒傜巼銆傚弬鏁颁负 n 鍜 p 鐨勪簩椤瑰紡鍒嗗竷鏄湪 n 涓嫭绔嬪疄楠屽簭鍒椾腑鎴愬姛...
绛旓細0-1鍒嗗竷锛氬垎甯冨緥锛歅(X=x)=x, x鈭圼0,1]姒傜巼瀵嗗害鍑芥暟锛歠(x)=1, x鈭圼0,1]浜岄」鍒嗗竷锛氬垎甯冨緥锛歅(X=x)=C(n,x)p^x(1-p)^(n-x), x=0,1,2,...,n姒傜巼瀵嗗害鍑芥暟锛歠(x)=C(n,x)p^x(1-p)^(n-x), x=0,1,2,...,n娉婃澗鍒嗗竷锛氬垎甯冨緥锛歅(X=x)=e^(-位)位^x/x!
绛旓細娉婃澗鍒嗗竷銆浜岄」鍒嗗竷鍜岃礋浜岄」鍒嗗竷閮芥槸姒傜巼璁轰腑鐨勯噸瑕鍒嗗竷锛瀹冧滑鍚勮嚜鍏锋湁浠ヤ笅鐗圭偣锛1. 娉婃澗鍒嗗竷锛氭硦鏉惧垎甯冮傜敤浜庢弿杩板崟浣嶆椂闂存垨鍗曚綅闈㈢Н鍐闅忔満浜嬩欢鍙戠敓鐨勬鏁般傚叾鐗圭偣鏄钩鍧囨暟绛変簬鏂瑰樊锛屼笖褰撲簨浠跺彂鐢熺殑姒傜巼杈冨皬銆佹牱鏈閲忚緝澶ф椂锛屾硦鏉惧垎甯鍙互杩戜技鍦扮敤浜庢弿杩颁簩椤瑰垎甯冦傛硦鏉惧垎甯冨箍娉涘簲鐢ㄤ簬璁$畻鏈虹綉缁溿佷氦閫氭祦閲忋...