Upload
kristian-vidar
View
38
Download
5
Embed Size (px)
DESCRIPTION
Разпределение на вероятностите. Department of zoology and anthropology Elena Tasheva. 60. 0.4. Alchornea latifolia. 50. 0.3. 40. Брой ( честота ). вероятност. 30. 0.2. 20. 0.1. 10. 0. 0.0. 0. 10. 20. 30. 40. 50. 60. 70. 80. 90. 100. Брой на растения / квадрат. - PowerPoint PPT Presentation
Citation preview
0 10 20 30 40 50 60 70 80 90 100
Брой на растения / квадрат
0
10
20
30
40
50
60
Бро
й (
чест
ота
)
0.0
0.1
0.2
0.3
0.4
веро
ятност
Alchornea latifolia
Модели на разпределениеМодели на разпределениена вероятности:на вероятности:
• Биномно• Поасоново• Отрицателно биномно
• Нормално
Използва се когато:Използва се когато:
Наблюденията могат да се класират в Наблюденията могат да се класират в две категории две категории ((алтернативна алтернативна групировкагрупировка))
Отчита се броя на обектитеОтчита се броя на обектите Дисперсията е по-малка от средната Дисперсията е по-малка от средната
аритметичнааритметична CV<1 CV<1 Изследваните обекти са разпределени Изследваните обекти са разпределени
равномерно равномерно
Условия:Условия:
• Честотата да е постоянна
• Обемът на съвкупността да е достатъчно голям
Dixella attica (Diptera: Dixidae)
При изследване на езерни съобщества, се установил вида Dixella attica. От растителността по водната повърхност са събирани какавиди, които в лабораторни условия са оставяни да имагинират
БройБройизпитизпитваниявания
Възможни изходиВъзможни изходи
22
БройБройкомби-комби-нациинации
ОбщаОбща
вероятноствероятност
11
ММ ЖЖ
p q p q
0.5 0.5 0.5 0.5
22 ½ + ½ = 1½ + ½ = 1
p + q = 1 p + q = 1
Dixella attica p = q = 0.5
БройБрой
изпитизпитваниявания
Възможни изходиВъзможни изходи
44
БройБрой
комби-комби-нациинации
ОбщаОбща
вероятноствероятност
22 МЖМЖ
ММ ЖМ ЖЖММ ЖМ ЖЖ
p p 22 2pq q 2pq q 22
0.25 0.5 0.25 0.25 0.5 0.25
33 ¼¼ + 2/4 + ¼ + 2/4 + ¼
= 1= 1
pp22++ 2pq+ q2pq+ q22=1 =1
p = q = 0.5
БройБрой
изпитизпитваниявания
Възможни изходиВъзможни изходи
88
БройБрой
комби-комби-нациинации
ОбщаОбща
вероятноствероятност
33 ММЖ ЖЖМММЖ ЖЖМ
МММ МЖМ ЖМЖ ЖЖЖМММ МЖМ ЖМЖ ЖЖЖ
ЖММ МЖЖЖММ МЖЖ
p p 33 33pp22q q 3pq 3pq22 q q 22
0.125 0.375 0.375 0.1250.125 0.375 0.375 0.125
44 1/8 + 3/8 +1/8 + 3/8 +
3/8 + 1/8 = 13/8 + 1/8 = 1
p p 3 3 ++ 33pp22q q ++ 2pq 2pq22 + + q q 22 = 1 = 1
p = q = 0.5
n=1: (n=1: (pp + + qq))11 = = pp + + qq
n=2: (n=2: (pp + + qq))22 = = pp2 2 + 2+ 2pq pq + + qq22
n=3: (n=3: (pp + + qq))33 = = pp3 3 + 3p+ 3p22qq + 3+ 3qq22pp+ + qq33
nn
mn qpmP
0
Бином на Нютон (p + q)n
mnmmnn qpCmP ..)(
)!(!
!
mnm
nC m
n
n – общ брой изпитванияm– брой на благоприятните изходи p – вероятност на събитиетоq – вероятност на противоположното събитие
Формула на Бернули
mnC Биномен
коефициент
Биномни коефициентиБиномни коефициентиТриъгълник на ПаскалТриъгълник на Паскал
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
n
0
1
2
3
4
5
2n
1
2
4
8
16
32
бином. коеф.
Приложения в биологията:Приложения в биологията:
Biston betularius
сем. Geometridae
Ако в една популация тъмната Ако в една популация тъмната форма се среща с форма се среща с pp = 0.97 = 0.97
Уловени са 6 пеперудиУловени са 6 пеперуди (n = 6) (n = 6)
Каква е вероятността:Каква е вероятността: Всичките 6 да са Всичките 6 да са
тъмнитъмни?? 3 тъмни и 3 светли3 тъмни и 3 светли? ?
mnmmnn qpCmP ..)(
)!(!
!
mnm
nC m
n
Каква е вероятността всичките 6 да са тъмни?
8329.003.097,0)!66(!6
!6)6( 666
6
P
mnmmnn qpCmP ..)(
)!(!
!
mnm
nC m
n
Каква е вероятността да има 3 тъмни и 3 светли?
000493.003.097,0)!36(!3
!6)3( 363
6
P
P50(0) = 50! / 0! 50! x 0.010 x 0.9950
Ново лекарство причинява увреж- дане на бъбреците при 1% отпациентите. То било тествано на50 пациента.
P50(0) =0,61
Каква е вероятността нито един пациент да няма странични ефекти?
Каква е вероятността поне един пациент да има странични ефекти?
P(поне 1 пациент) = 1 - P50(0) = 1 - 0,61 = 0,39
Каква е вероятността в Каква е вероятността в F2F2
поне 2 от котенцата да сапоне 2 от котенцата да са
албиноси?албиноси?
P1: black × albino genotype: BB bb
gametes: P(B) = 1 P(b) = 1 F1: black × black
genotype: Bb Bb gametes: P(B) = ½ , P(b) = ½ P(B) = ½ , P(b) = ½
expected F2: P(black) = P(B_) = (½ )2 + 2(½ )2 = ¾ = p
P(albino) = P(bb) = (½ )2 = ¼ = q
Възможни изходиВъзможни изходи......F2 * Probability 3 black + 0 albino P ( ) = (¾ )3 × (¼ )0 = 27/64 P ( ) = (¾ )2 × (¼ )1 = 9/64
P ( ) = (¾ )2 × (¼ )1 = 9/64 2 black + 1 albino P ( ) = (¾ )2 × (¼ )1 = 9/64
P ( ) = (¾ )1 × (¼ )2 = 3/64
P ( ) = (¾ )1 × (¼ )2 = 3/64 1 black + 2 albino P ( ) = (¾ )1 × (¼ )2 = 3/64
0 black + 3 albino P ( ) = (¾ )0 + (¼ )3 = 1/64 Total 64/64
Биномното уравнениеБиномното уравнение (p + q)(p + q)nn = =
... ... акоако p = p = ¾ ¾ and q = and q = ¼ ¼ , ..., ... (p + q)(p + q)33 = (¾ + ¼)(¾ + ¼ )(¾ + ¼ ) = = (¾ + ¼)(¾ + ¼ )(¾ + ¼ ) =
n
[n!/(n–k)! k!](p)n–k (q)k = k=0
n
[n!/(n–k)! k!] (¾ )n–k (¼ )k = k=0
at least two albinos…
(3!/3!0!) (¾ )3 (¼ )0 = × 27/64 0 albinos
(3!/2!1!) (¾ )2 (¼ )1 = × 9/64 1 albino
(3!/1!2!) (¾ )1 (¼ )2 = × 3/64 2 albinos
(3!/0!3!) (¾ )0 (¼ )3 = × 1/16 3 albinos > 10/64 = 5/32 64/64
Изчисляване на теоретичните Изчисляване на теоретичните честотичестоти
f* = N (p + q)n
N = fi p вероятност на събитието
q = 1 – p
Теоретична честота наТеоретична честота намодели с известна вероятностмодели с известна вероятност
f* = N . C / C
C – биномни коефициенти
При условие, че p = q = 0,5
класовекласове честотачестота
ffii
биномнибиномни
коеф. Скоеф. С f*f* f*f*
11 11 11 1,771,77 22
22 1010 66 10,5910,59 1111
33 1717 1515 26,4826,48 2626
44 4646 2020 35,3235,32 3535
55 2828 55 26,4826,48 2626
66 88 66 10,5910,59 1111
77 33 11 1,771,77 22
сумасума 113113 6464 113,0113,0 113113
Разпределение на женските в 113 котила на лабораторни мишки
Пространствено разпределение - равномерно
Regular
Равномерно _S2 < x CV<1
Patella sp.
бройброй
охлювиохлюви
честотачестота
ffii
вероятноствероятност f*f* f*f*
66 44 0,050,05 2,52,5 33
77 66 0,1290,129 6,456,45 66
88 1111 0,2360,236 11,811,8 1212
99 1616 0,2880,288 14,414,4 1414
1010 99 0,2110,211 10,5510,55 1111
1111 44 0,0700,070 3,53,5 44 _N=50, x= xi / N= 8.64, s2=1,828 CV<1 _ p = x / n = 8,64/11= 0,785
mnmmnn qpCmP ..)(
611661111 215,0.785,0.6 CP
05,0611 P
Ï ðî ñòðàí ñòâåí î ðàçï ðåäåëåí èåí à Patela sp.
6 7 8 9 10 11
÷åñò
îòè
0
2
4
6
8
10
12
14
16
18
åì ï èðè÷í è ÷åñòî òè òåî ðåòè÷í è ÷åñòî òè
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Event (x)
Pro
bab
ilit
y
n =20p = 0.5
• се отределя напълно от два параметъра – n и p• се характеризира със своя средна и дисперсия:
Poisson Distribution
Simeon-Denis Poisson
Отчита се броя на обектитеОтчита се броя на обектите Наблюденията са взети от единица площ, Наблюденията са взети от единица площ,
време и др. и могат да бъдат организирани време и др. и могат да бъдат организирани в разпределение на честоти, при което в разпределение на честоти, при което дисперсията е приблизително равна на дисперсията е приблизително равна на средната аритметична средната аритметична CV=1CV=1
Дадено събитие се случва рядкоДадено събитие се случва рядко Изследваните обекти са разпределени Изследваните обекти са разпределени
случайно във времето и пространствотослучайно във времето и пространството
Използва се когато:Използва се когато:
a
m
n em
amP
!)(
n – общ брой изпитванияm– честота на събитието в n независими изпитванияa – най-вероятната очаквана честота на събитието
pna a = μ
Изчисляване на теоретичните Изчисляване на теоретичните честоти честоти
f* = N . Pn(m)
N = fi
Saccharomyces cerevisiae
брой клетки
честота отн. честота
P
0 75 .1875 .1653 1 103 .2575 .2976 2 121 .3025 .2678 3 54 .1350 .1607 4 30 .0750 .0707 5 13 .0325 .0260
>6 4 .0150 .0119
400=n
_x = xi / n = 1.8 s2 = (xi -x )2 / (n-1) = ~ 1.96
Използваме извадъчната средна за Използваме извадъчната средна за оценка на оценка на = 1.80 = 1.80
0 0 клеткиклетки P (0): P (0): 0 0 /0!/0!ee= 1.8= 1.800/0!/0!2.718282.718281.81.8
1 1 клеткиклетки = 1.8 = 1.811/1!2.71828/1!2.718281.81.8 = 1.8/ = 1.8/ee1.81.8 = = 0.29760.2976
2 2 клеткиклетки = 1.8 = 1.822/2!/2!ee1.8 1.8 = 0.2678= 0.2678 3 3 клеткиклетки = = 1.81.833/3!/3!ee1.8 1.8 = 0.1607 = 0.1607 и т.ни т.н..
Разпределение на дъждовни червеи
25 квадрата
11 33
22 44
33 11
44 11
55 33
66 00
77 00
88 11
99 22
1010 33
1111 44
1212 55
1313 00
1414 11
1515 33
1616 55
1717 55
1818 22
1919 66
2020 33
2121 11
2222 11
2323 11
2424 00
2525 11
квадрат # червеи
11 33
22 44
33 11
44 11
55 33
66 00
77 00
88 11
99 22
1010 33
1111 44
1212 55
1313 00
1414 11
1515 33
1616 55
1717 55
1818 22
1919 66
2020 33
2121 11
2222 11
2323 11
2424 00
2525 11
квадрат # червеи
N = 25_X = 2.24 червеи / квадрат
Формула за изчисляване на вероятностите при Поасоново разпределение
Pm = e-µ µm
m!
Вероятност за наблюдаване
на m събития
Основата на натуралния логаритъм
(= 2.71828….)
Средната в генералната съвкупност
Px = e-µ µm
m!
Вероятност за наблюдаване
на m червея на квадрат
Основата на натуралния логаритъм
(= 2.71828….)
µ = X = 2.24
Формула за изчисляване на вероятностите при Поасоново разпределение
# of # of wormsworms
Probability of Probability of finding X worms finding X worms
in a quadratin a quadrat
CalculationCalculation
00 Po = ePo = e-µ-µ(µ(µxx/0!)/0!) =e=e-2.24-2.24 = .1065 = .1065
11 P1 = eP1 = e-µ-µ(µ(µ11/1!)/1!) =e=e-2.24-2.24(2.24/1) = .2385(2.24/1) = .2385
22 P2 = eP2 = e-µ-µ(µ(µ22/2!)/2!) =e=e-2.24-2.24(2.24(2.2422/2) = .2671/2) = .2671
33 P3 = eP3 = e-µ-µ(µ(µ33/3!)/3!) =e=e-2.24-2.24(2.24(2.2433/6) = ..1994/6) = ..1994
44 P4 = eP4 = e-µ-µ(µ(µ44/4!)/4!) =e=e-2.24-2.24(2.24(2.2444/24) = .1117/24) = .1117
55 P5 = eP5 = e-µ-µ(µ(µ55/5!)/5!) =.05=.05
66 P6 = eP6 = e-µ-µ(µ(µ66/6!)/6!) =.0187=.0187
77 P7 = eP7 = e-µ-µ(µ(µ77/7!)/7!) =.006=.006
Можем да продължим до ∞
P0 + P1 + P2 + P3 + P4 + P5 + P6 + P7 = .998
P8 + P9……= .002
За удобство - P8 = .002
Определя се напълно от един _
параметър – n.p = x = s2
= 0.1
= 1= 2
= 3 = 10
Брой на редки събития на извадка
Отн
осит
елни
оча
ква н
и че
с то т
и
Използва се когато:Използва се когато:
Отчита се броя на обектитеОтчита се броя на обектите Дисперсията е по-голяма от средната Дисперсията е по-голяма от средната
аритметичнааритметична CV>1 CV>1 Изследваните обекти са разпределени Изследваните обекти са разпределени
групово групово
Prestoea acuminata
0 10 20 30 40 50 60 70 80 90 100
No seedlings/quad.
0
10
20
30
Cou
nt
0.0
0.1
0.2P
roportion per Bar
Prestoea acuminata
Random
Regular
Clumped
Разпределение в пространството Разпределение в пространството или времетоили времето
Равномерно _S2 < x CV<1
Случайно _S2 x CV1
Групово _S2 > x CV>1
Статистически характеристикипри алтернативна групировка
на вариантите
Алтернативна групировка на вариантитесе нарича, когато извадката се разделяна две части по даден качествен белег,
който притежава две състояния.
Пример: по пол (женски, мъжки)
Ако: n - обем на извадката m - броя на вариантите, които притежават дад. белег n-m - броя на противоположната група