2.2.二项分布及其应用.ppt

P(B)＝q2，P(－B )＝1－q2. 根据分布列知：当 X＝0 时，
－ P( A
－ B
－B )＝P(－A )P(－B )P(－B )＝0.75(1－q2)2＝0.03，
所以 1－q2＝0.2，q2＝0.8.
当 X＝2 时，P1＝P(－A B－B ＋－A －B B)＝P(－A )P(B)P(－B )＋
P(－A )P(－B )P(B)＝0.75q2(1－q2)×2＝0.24，
当 X＝3 时， P2＝P(A－B －B )＝P(A)P(－B )P(－B ) ＝0.25(1－q2)2＝0.01， 当 X＝4 时， P3＝P(－A BB)＝P(－A )P(B)P(B)＝0.75q22＝0.48，
当 X＝5 时，P4＝P(A－B B＋AB)＝P(A－B B)＋P(AB)
3．已知 P(B|A)＝12，P(AB)＝38，则 P(A)等于( C )
3
13
A.16
B.16
3
1
C.4
D.4
解析：由 P(AB)＝P(A)P(B|A)，可得 P(A)＝34.
4．投掷一枚均匀硬币和一枚均匀骰子各一次，记“硬币正
面向上”为事件 A，“骰子向上的点数是 3”为事件 B，则
事件 A，B 中至少有一个发生的概率是( C )
生的条件概率
2.事件的相互独立性
(1)定义：设 A，B 为两个事件，如果 P(AB)＝_P_(_A_)_P_(_B_)_，则
称事件 A 与事件 B 相互独立．
(2)性质： ①若事件 A 与 B 相互独立，则 P(B|A)＝____P_(_B_)___，
P(A|B)＝P(A)，P(AB)＝__P_(_A_)_P_(B__)_． ②如果事件 A 与 B 相互独立，那么__A__与__－B____，__－_A_与___B__， __－A__与__－B____也相互独立．

在在n次独立重复试验中每次试验的结果是一个随机变量如果在每次试验中事件a发生称为次独立重复试验中每次试验的结果是一个随机变量如果在每次试验中事件a发生称为成功则在n次独立重复试验中成功的次数x又是一个随机变量那么随机变量x的值域是什么
2.2 二项分布及其应用
2.2.3 独立重复试验与二项分布
问题提出
0.37
小结作业
1.在独立重复试验中，若每次试验结 果只有事件A发生或不发生两种可能， 则事件A发生的次数服从二项分布；若 每次试验结果有多种可能，则可以根据 需要适当设定事件A，将其转化为二项 分布.
2.二项分布B(n，p)中有两个参数，其 中n是独立重复试验的总次数，p是每次 试验事件A发生的概率，书写时n在左， p在右.
思考4：若随机变量X的分布列为，
P (X = k )= C n kp k(1 -p )n -k，
k＝0，1，2，…，n，则称X服从二项分
布，记作X～B(n，p)，并称p为成功概率.
在二项分布中，每次试验的结果有几种 可能？
两种，即A发生与A不发生
Байду номын сангаас
思考5：二项分布与两点分布有什么内在 联系？
两点分布与二项分布的随机变量都只有 两个可能结果，两点分布是n＝1时的二 项分布.
独立重复试验 与二项分布
探究（一）：独立重复试验
思考1：在同等条件下，将一枚硬币重复
抛掷100次，记Ai(i＝1，2，…，100)表 示“第i次抛掷硬币正面朝上”，那么事
件A1，A2，…，A100两两之间是否相互独
立？
相互独立
思考2：在同等条件下，某射手连续射击
20次，记Ai(i＝1，2，…，20)表示“第 i次射击不小于8环”，那么事件A1， A2，…，A20两两之间是否相互独立？

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？
本例 =0.85，l- =0.15，n =5，
① 至少3人有效的概率
P(X≥3)=P(3)+P(4)+P(5)
=0.138178125＋0.391504688＋0.443705313 =0.973388126
精选ppt
12
2.1 二项分布的性质：均数和标准差
• 若X～B(n,)，则
X n
2 X
n
1
X n 1
精选ppt
13
若均数与标准差不用绝对数而用率表示时
p
p
(1)
n
sp
p(1 p) n
精选ppt
14
2.2 二项分布的性质 ：累积概率
• 累计概率(cumulative probability) • 从阳性率为的总体中随机抽取n个个体，则
精选ppt
7
在医学上一些事物，其结局只有两种互相对 立的结果。如:
在毒理试验中，动物的生存与死亡；
在动物诱癌试验中，动物的发癌与不发癌；
在流行病学观察中，接触某危险因素的个体 发病与不发病；
在临床治疗中，病人的治愈与未愈；
理化检验结果的阴性与阳性等等，均表现为 两种互相对立的结果，每个个体的观察结果 只能取其中之一。对这类事物常用二项分布 (binomial distribution)进行描述。
1.000
死亡数 生存数
X
nX
0
3
1
2
2
1
3
0
不同死亡数的概率 0.008 0.096
0.384 0.512 1.000

中减去查得的数值即为所求可信区间。
2、总体率的区间估计
三、二项分布的应用
（2）正态近似法
当样本含量足够大，且样本率p和 1-p均不太小，一般 np与 n(1-p)均大于5时，样本率的抽样分布近似正态分布，即
p
~
N
(
,
1
)
n
此时, 总体率的可信区间可按下式进行估计:
p u s p , p u s p
死 死 生 0.8 0.8 0.2 0.128
1
死 生 死 0.8 0.2 0.8 0.128
生 死 死 0.2 0.8 0.8 0.128
0
死 死 死 0.8 0.8 0.8 0.512
P（x） (5)
0.008
0.096
0.384 0.512 1.000
概率的乘法原理：几个相互独立的事件同时发生的概率等于各 事件发生概率的乘积。
B( , n ）。
例 抛硬币（正/反），患者治疗后的结局（治愈/未愈），实验 动物染毒后结局（生存/死亡），……。
一、二项分布的概念及应用条件
2、应用条件：
① n次试验相互独立 （ n 个观察单位相互独立）。 ② 每次试验只有两种可能结果中的某一种（适用
于二分类资料）。
③ 每次试验发生某一种结果的概率 固定不变
n
304
（3） 确定P值 , 做出推断结论。查表得, P<0.0005, 按 = 0.05
水准拒绝H0, 接受H1, 认为老年胃溃疡患者较一般患者更易发 生胃出血。
☺小贴士：注意事项
以上各例均为单侧检验, 若需进行双侧检验, 则P值为从H0
规定的总体中抽到现有样本以及更极端（即概率小于等于现有 样本概率）情形的累计概率。