9. 常用统计分析方法——Poission回归模型

目录

1.1 概率统计

1.2 poisson分布的参数估计

补充：正态分布的置信区间的相关函数

1.3 poission分布的样本均数与总体均数的比较

1.4 两独立样本的poission分布的假设检验

1.5 Poission 回归模型

1.6 过度离散的判定及处理

1.7 对数线性模型

---

在医学研究中经常遇到计数资料（count data），比如某罕见病在某个时间段的发病数、某病患者在一年内住院次数等。这种计数资料中事件的发生的多少与观察的单位有关，即观察多长时间、多大面积及体积等。通常以密度而不是概率作为测度，密度可以看作很小一个单位内某事件发生的频数，也叫发生率。

poission分布

基本概念：描述某罕见实践发生的次数的概率

从n各样本中某一事件发生的阳性数服从二项分布X~B(n,Π)

阳性事件发生率Π=x/n，当n很大，x很小时，Π趋近于0，这时就可以使用poission分布，总体均数u=nΠ
X~P(u),u总体均数

1.1 概率统计

案例：某纯净水厂生成的矿泉水，每1ml11个大肠杆菌，现在检出0个，1个，以及2个的概率时多少？

密度函数dpois(x,u), x为样本数，u为总体均值，给定u值时，取值等于x时的概率

dpois(0,1)#P(x=0)的概率
dpois(1,1)#P(x=1)的概率

分布函数ppois(x,u)，给定u值时，取值小于等于x时的概率

ppois(1,1) #P(x<=1的概率，即是P(x=0)+P(x=1))
1-ppois(1,1) #P(x>=2)的概率
1-ppois(2,1) #P(x>2)的概率

Poission分布分条件：

平稳性：x的取值与观察单位的位置无关，只与观察单位大小有关
独立性：在某个观察单位上x的取值与前面各观察单位上x的取值独立。
普通性：在充分小的观察单位上x的取值最多为1

poission分布的特点：

1. 离散分布；
2. 只取决于u，u很小是分布很偏，当u增大时，逐渐趋于对称；
3. 在x=u和x=u-1处达到峰值，且有P（x=u)=P(x=u-1);
4. 分布的总体方差与总体均数是相等的
5. 观察结果具有可加性

当poission分布的u很大时（u>20），可以近似看作正态分布进行计算

1.2 poisson分布的参数估计

1.点估计，以样本计数作为总体估计值；
2.区间估计：计算95%的可信区间，小样本时查表，大样本时（x>50），可以使用正态近似法

install.packages("epitools")
library(epitools)
pois.exact(x=3,pt=1,conf.level=0.95)

比如抽样中1ml水中检测到3各大肠杆菌，估计总体均数的95%可信区间，x=3远小于5-，使用poisson分布检测

当待估计的总体均数与样本均数的观察单位不同时，要根据样本观察单位进行估计；然后把估计结果单位转化，
比如：每30分钟的脉冲数为490，求每10分钟的脉冲数的置信区间

pois.exact(x=490,pt=1,conf.level = 0.95)

计算10分钟就使用30分钟除以3
或 

pois.approx(x=490,pt=1,conf.level = 0.95)
#pois正态近似法计算，pt=1表示490的单位为1，现在要计算10分钟，30分钟是3个100分钟，所以490是3个单位的值，pt=3
pois.approx(x=490,pt=3,conf.level = 0.95)

• pois.exact(x=事件发生数，pt=观察单位数，conf.level=置信水平)#利用possion精确计算置信区间
• pois.approx#利用正态近似法计算置信区间
• zsum.test(mean.x=x的均值，sigma.x=x的标准差，n.x=x的样本量，mean.y=y的均值，sigma.y=y的标准差，n.y=y的样本量，alternative=假设说明，mu=假设指定的均值或均值差，conf.level=置信水平)
• 因为x=490>50,可以使用正态近似估计法

补充：正态分布的置信区间的相关函数

#rnorm()按正态分布生成随机数
#dnorm(n,mean=,sd=)获取正态分布函数在x=n时的概率密度
dnorm(0,mean=0,sd=1)
#pnorm(n,mean=,sd=)正态分布从负无穷到n累计的概率
#qnorm正态分布概率为n时，对应的x值坐标
qnorm(0.975,mean=490,sd=sqrt(490))
qnorm(0.025,mean=490,sd=sqrt(490))

1.3 poission分布的样本均数与总体均数的比较

案例1：一般孕产妇死亡率为56/10万，某地推行孕产妇管理试点，为了研究是否低于一般孕产妇死亡率，随机抽取7500个孕产妇，其中3人发生死亡
（1）统一单位，将3/7500转化为10万单位，即40/10万
（2）若H0成立，则该地区死亡率为56/10万*7500=4.2人

ppois(3,4.2)

计算概率密度,不能用40和56比较，因为不能随意扩大样本抽样结果，因为样本死亡率不清楚，不能随意扩大。但总体死亡率明确可以缩小到样本量对应的死亡数。

案例2：某水源随机抽样2ml，测得细菌数分别是225，190，240,232，饮用水的标准为100ml细菌总数不超过100个，是否满足饮用水标准？
（1）计算平均的细菌数每毫升

x=(225+190+240+232)/(2*4)

(2)若H0成立，则该水源等于合格标准，因为样本量>30，所以可以近似正态分布，总体均值为100，方差为100

y=sqrt(100)#计算标准差

（3）进行Z检验

install.packages("PASWR2")
library(PASWR2)
zsum.test(mean.x=x,sigma.x=y,n.x=8,alternative="greater",mu=100,conf.level=0.95)

alternative表示需要比较单侧还是双侧，"greater","less","two.sided";mu表示假定比较的对象值，这里时总体均数；n.x是因为单位为1ml所以相当于八个样本

1.4 两独立样本的poission分布的假设检验

• 当两个样本均数比较大时（X1>30,X2>30），可以使用近似正态分布计算
• 两样本均数差X1-X2满足均数为u1-u2，方差为u1+u2的正态分布，因为总体均数未知所以样本均数x代替总体均数u。当H0成立时，X1=X2，则Z满足标准正态分布
• 若选定的两个样本单位不同，需要统一单位后进行统计推断。前提时两个样本比较大，可以使用正态近似的方法。

案例：各取10份样本，每份1ml，甲水源一共检测580个细菌，乙水源一共检测出432个细菌，比较两水源是否相同

zsum.test(mean.x=580,sigma.x=sqrt(580),n.x=1,
          mean.y=432,sigma.y=sqrt(432),n.y=1,
          alternative="two.sided",mu=0,conf.level=0.95)

zsum.test(mean.x=58,sigma.x=sqrt(58),n.x=10,
          mean.y=43.2,sigma.y=sqrt(43.2),n.y=10,
          alternative="two.sided",mu=0,conf.level = 0.95)

1.5 Poission 回归模型

1.6 过度离散的判定及处理

1.7 对数线性模型