Question

二项分布与泊松分布的区别

Answer 1

1、应用不同

二项分布：在心理与教育研究中，主要用于解决具有机遇性质的问题。所谓机遇问题，是指在实验或调查中，实验结果可能是由猜测造成的。例如，选择问题的答案和犯错误可能完全是由猜测造成的。为了区分猜测结果和真实结果的界限，应采用二项分布来解决这类问题。

泊松分布：适用于描述每单位时间（或空间）的随机事件数。例如，某一时间到达服务设施的人数、电话交换所接到的呼叫数、公共汽车站等候的客人数、机器故障数、自然灾害发生的次数，一块产品上的缺陷数，显微镜下单位分区内的细菌分布数等等。

2、特点不同

二项分布：

（1）当（n+1）p不为整数时，二项概率P{X=k}在k=[(n+1)p]时达到最大值；

（2）当（n+1）p为整数时，二项概率P{X=k}在k=(n+1)p和k=(n+1)p-1时达到最大值。

泊松分布：参数λ是单位时间(或单位面积)内随机事件的平均发生次数。 泊松分布适合于描述单位时间内随机事件发生的次数。

扩展资料：

泊松分布和二项分布的关系：

当二项式分布的n较大，p较小时，泊松分布可用作二项式分布的近似值，其中λ为np。一般情况下，当n大于等于20，p小于0等于0.05时，可用泊松公式近似计算。实际上，泊松分布是由二项分布推导出的。泊松分布的期望和方差均为λ。

泊松分布是最重要的离散分布之一，它多出现在当X表示在一定的时间或空间内出现的事件个数这种场合。

参考资料来源：百度百科-泊松分布

参考资料来源：百度百科-二项分布

Answer 2

　　二项分布和Poisson分布均是常见的离散型分布，在分类资料的统计推断中有非常广泛的应用。

　　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+cn1P(1-P)n-1+...+cnxPx(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,cnxPx(1-P)n-x为二项式通式，cnx=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)=cnxPx(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。

　　3. Poisson分布的概率

　　Poisson分布的概率利用以下递推公式很容易求得：

　　P(0)=e-µ

　　P(x+1)=P(x)*µ/x+1, x=0,1,2,...

　　4. Poisson分布的性质:

　　(1) Poisson分布均数与方差相等；

　　(2) Poisson分布均数µ较小时呈偏态,µ>=20时近似正态；

　　(3) n很大, P很小，nP=µ为常数时二项分布趋近于Poisson分布；

　　(4) n个独立的Poisson分布相加仍符合Poisson分布

　　四、Poisson分布的应用
　　Poisson分布也主要用于符合Poisson分布分类资料率的区间估计和假设检验。当µ>=20时，根据正态近似的原理，可用（x-u0.05*x的算术平方根，x+u0.05*x的算术平方根）对总体均数进行95%的区间估计。同样，也可通过直接计算Poisson分布的累计概率进行单侧的假设检验，在符合正态近似条件时，也可用u检验进行样本率与总体率，两个样本率比较的假设检验。

Answer 3

二项分布即重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布服从0-1分布。
泊松分布（Poisson distribution），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（discrete probability distribution）。
泊松分布的概率函数为：泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率。 泊松分布适合于描述单位时间内随机事件发生的次数。
泊松分布与二项分布的关系：
当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中λ为np。通常当n≧20,p≦0.05时，就可以用泊松公式近似得计算。