二项分布(二项分布和超几何分布的区别)

什么是二项分布

分类: 教育/学业/考试 >> 高考 解析: 一、二项分布的概念及应用条件 1. 二项分布的概念: 如某实验中小白鼠染毒后死亡概率P为0.8,则生存概率为=1-P=0.2，故 对一只小白鼠进行实验的结果为：死（概率为P）或生（概率为1-P）对二只小白鼠（甲乙）进行实验的结果为：甲乙均死（概率为P2）、甲死乙生[概率为P(1-P)]、乙死甲生[概率为(1-P）P]或甲乙均生[概率为(1-P）2]，概率相加得P2+P(1-P)+(1-P）P+(1-P）2=[P+(1-P)]2 依此类推，对n只小白鼠进行实验，所有可能结果的概率相加得Pn+1P(1-P)n-1+...+xPx(1-P)n-x+...+(1-P)x=[P+(1-P)]n 其中n为样本含量,即事件发生总数，x为某事件出现次数,xPx(1-P)n-x为二项式通式，x=n!/x!(n-x)!, P为总体率。 因此，二项分布是说明结果只有两种情况的n次实验中发生某种结果为x次的概率分布。

其概率密度为： P(x)=xPx(1-P)n-x, x=0,1,...n。

2. 二项分布的应用条件: 医学领域有许多二分类记数资料都符合二项分布(传染病和遗传病除外)，但应用时仍应注意考察是否满足以下应用条件：(1) 每次实验只有两类对立的结果；(2) n次事件相互独立；(3) 每次实验某类结果的发生的概率是一个常数。 3. 二项分布的累计概率 二项分布下最多发生k例阳性的概率为发生0例阳性、1例阳性、...、直至k例阳性的概率之和。至少发生k例阳性的概率为发生k例阳性、k+1例阳性、...、直至n例阳性的概率之和。 4. 二项分布的图形 二项分布的图形有如下特征：(1)二项分布图形的形状取决于P 和n 的大小；(2) 当P=0.5时，无论n的大小，均为对称分布；(3) 当P<>0.5 ,n较小时为偏态分布,n较大时逼近正态分布。

5. 二项分布的均数和标准差 二项分布的均数µ=np，当用率表示时µ=p 二项分布的标准差为np(1-p)的算术平方根，当用率表示时为p(1-p)的算术平方根。 二、二项分布的应用 二项分布主要用于符合二项分布分类资料的率的区间估计和假设检验。当P=0.5或n较大，nP及n(1-P)均大于等于5时，可用(p-u0.05sp,p+u0.05sp)对总体率进行95%的区间估计。

当总体率P接近0.5，阳性数x较小时，可直接计算二项分布的累计概率进行单侧的假设检验。当P=0.5或n较大，nP及n(1-P)均大于等于5时，可用正态近似法进行样本率与总体率，两个样本率比较的u检验。 三、Poisson分布的概念及应用条件 1. Poisson分布的概念: Poisson分布是二项分布n很大而P很小时的特殊形式，是两分类资料在n次实验中发生x次某种结果的概率分布。

其概率密度函数为：P(x)=e-µ*µx/x! x=0,1,2...n，其中e为自然对数的底，µ为总体均数，x为事件发生的阳性数。 2. Poisson分布的应用条件: 医学领域中有很多稀有疾病(如肿瘤,交通事故等）资料都符合Poisson分布，但应用中仍应注意要满足以下条件：（1) 两类结果要相互对立；（2) n次试验相互独立；（3) n应很大, P应很小。

二项分布是什么意思

二项分布意思如下： 统计学定义： 二项分布是n个独立的成功或者失败试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。这种单次成功或者失败试验被称为伯努利试验，而当n=1时，二项分布就是伯努利分布。

二项分布是显著性差异的二项试验的基础，可以帮助我们了解和监控生产实践过程中由于某些因素而导致的波动。

医学定义： 在医学领域中，有一些随机事件是只具有两种互斥结果的离散型随机事件，称为二项分类变量（dichotomous variable），如对病人治疗结果的有效与无效，某种化验结果的阳性与阴性，接触某传染源的感染与未感染等。二项分布（binomial distribution）就是对这类只具有两种互斥结果的离散型随机事件的规律性进行描述的一种概率分布。 综上： 考虑只有两种可能结果的随机试验，当成功的概率（π）是恒定的，且各次试验相互独立，这种试验在统计学上称为伯努利试验（Bernoulli trial）。如果进行n次伯努利试验，取得成功次数为X（X=0,1,2,3……,n）的概率可用下面的二项分布概率公式来描述：P=C(X,n)*π^X*(1-π)^(n-X)。

式中的n为独立的伯努利试验次数，π为成功的概率，（1-π）为失败的概率，X为在n次伯努里试验中出现成功的次数，表示在n次试验中出现X的各种组合情况，在此称为二项系数（binomial coefficient）。所以的含义为：含量为n的样本中，恰好有X例阳性数的概率。