1 / 44

機率的意義 機率運算法則 機率分佈 二項分佈 卜瓦松分佈

第四章 . 分立機率分佈. P. 機率的意義 機率運算法則 機率分佈 二項分佈 卜瓦松分佈. 4.1 機率的意義. 必然發生 Certain. 機率就是 長期下來 事件自然發生的結果，其所佔的比例 ( 相對次數 ) 。 機率是介於 0 與 1 之間，其結果之機率和為 1 。 擲一質地均勻的骰子，若擲很多次時，則每面出現的機率為 1/6 。 男女出生的比例約為 1/2 ，即為性別出現的機率。. 1. P (Event) P (A). .5. 0. 不會發生 Impossible. 機率的意義.

marlin
Download Presentation

機率的意義 機率運算法則 機率分佈 二項分佈 卜瓦松分佈

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 第四章.分立機率分佈 P 機率的意義 機率運算法則 機率分佈 二項分佈 卜瓦松分佈

  2. 4.1 機率的意義 必然發生Certain • 機率就是長期下來事件自然發生的結果，其所佔的比例(相對次數)。 • 機率是介於0與1之間，其結果之機率和為1。 • 擲一質地均勻的骰子，若擲很多次時，則每面出現的機率為1/6。 • 男女出生的比例約為1/2，即為性別出現的機率。 1 • P (Event) • P (A) .5 0 不會發生Impossible

  3. 機率的意義 • 試驗(experiment)：獲得一個結果(outcome)或簡單事件(event)之觀測值的過程。 • 試驗結論的推定，主要看資料的可信度，如果可信度高其結論可靠，如果低其結論就不可靠了。 • 機率論(probability theory)：決定可信度高低的方法。 • 如進行A、B兩種療效比較試驗，各選取50位病人，結果A療法有45人治癒，B療法有42人治癒，若說A法比B法好，則此推論是否可靠？

  4. 機率的意義 • 各種形式的統計問題，都是以機率論的原理來解釋所發生的現象。 • 如擲硬幣，有正面及反面兩種，若擲很多次，則可得一隨機序列(random series)隨機試驗。 HHTHTTHHTTTHHTHTT… H或T之比例為1/2 (機率) H或T：事件(event)、結果(outcome)

  5. Total headsNumber of tosses =出現人頭的機率 1.00 0.75 0.50 0.25 0.00 0 50 100 150 200 Cumulative coin tosses (累積投擲次數)

  6. 機率基本觀念 補充 • 隨機試驗(random experiment)：試驗前已知所有可能發生的結果，但卻無法預知會發生何種試驗結果。而在相同情況下，試驗可重複進行。 • 樣品空間(sample space)：隨機試驗之所有樣品點所形成的集合，通常以 S 表示之。 • 擲骰子的試驗，其樣品空間為{1，2，3，4，5，6}，而其中的1、2、3、4、5、6為樣品點。 • 事件(event)：樣品空間的部分集合稱為事件。 • 如{1，6}為一事件。

  7. Venn Diagram范氏圖 補充 Experiment: 擲骰子的試驗 event事件 3 1 {1, 6} 樣品點 2 6 4 S 5 集合的呈列 S: {1, 2, 3, 4, 5, 6} Sample space樣品空間

  8. 4.1.1 機率運算法則 • 加法法則(addition rule)： • 互斥事件(exclusive events)：如果事件沒有共同的樣本點，則稱為互斥事件。 例子：丟擲一個均勻的骰子一次，出現1或3的機率為何？ 解：丟擲一個均勻的骰子，每一樣品點出現的機率皆為相等，假設 為出現1的事件， 為出現3的事件，則其發生的機率為：

  9. Venn Diagram范氏圖互斥事件(exclusive events) Experiment: 擲骰子的試驗 3 1 B A S

  10. 機率運算法則 • 非互斥事件： 例子4.1： 某班學生50人，其中20歲的學生有35人，女性學生有30人，而女性學生中20歲的有21人，則此班學生年齡為20歲或是女性的機率有多少？ 解：

  11. Venn Diagram范氏圖非互斥事件 A B S S P(A∪B)＝P(A)+P(B)-P(A∩B) A∩B A∪B S S

  12. 機率運算法則 • 乘法法則(multiplication rule)： • 當兩試驗同時進行，而各試驗之某事件同時發生的機率，為兩事件獨立發生機率之相乘積。 例子：某地區男女性別比為男性0.51，女性則為1-0.51=0.49，試問若一個家庭四個小孩皆為女性的機率為何？又若一個家庭四個小孩一個為男性的機率為何？

  13. 機率運算法則 解：設四個皆為女性的機率為 而四個當中有一個為男性，則有下列幾種現象：BGGG、GBGG、GGBG、GGGB，其每種現象之機率皆為 所以四種現象之機率和為 4(0.06)=0.24

  14. 4.1.2 條件機率Condition Probability • 令A、B為定義於樣品空間的事件，在已知事件B發生的條件下，事件A發生的機率，即稱為事件A的條件機率，其可表示為

  15. 條件機率 • 例4.3 調查產婦年齡與初生嬰兒體重之現象： 產婦大於30歲，嬰兒體重超過3500克之機率? 產婦小於30歲，嬰兒體重超過3500克之機率?

  16. 4.2 機率分佈Probability Distribution • 隨機變數(random variable)：隨機試驗中，出現不同結果之對應的實數值，即稱為隨機變數。 隨機變數X 隨機變數X 機率f(x) 隨機試驗 反反 正反 反正 正正 X=0 X=1 X=2 1/4 2/4 1/4 擲兩枚硬幣 機率分佈 變數：出現正面的次數

  17. 4.3 分立隨機變數機率分佈 • 隨機變數(X)是以整數出現，而將不同隨機變數出現的次數除以試驗總次數，即得各隨機變數唯一對應的機率。 • 例4.4：同時擲三枚質地均勻的硬幣，若以正面(H)數為隨機變數X，則X機率分佈如下： 表4.2

  18. 分立隨機變數機率分佈 f (x) X • 機率分佈與相對次數不同，前者是在整個族群中穩定不變的理論，而後者隨樣品的不同而異，當樣品很大時，相對次數可能接近理論機率分佈。

  19. 4.4 期望值與標準偏差 • 分立隨機變數X之平均值(未知資料的平均值)即稱為期望值。定義如下： • 分立隨機變數期望值為該變數可能值的加權平均，其權數為該數值出現的機率。如擲骰子很多次，每一點出現的機率應為1/6，其族群平均值為：

  20. 期望值與標準偏差 • 例4.5：設X為同時擲三個質地均勻的硬幣，其出現正面之次數，試求X之期望值(平均值)？

  21. 期望值與標準偏差 • 因 為隨機變數X之中心值，以 表示其偏差，則變數X之變方，可以偏差平方的期望值求得。 • 隨機變數X之變方為：

  22. 期望值與標準偏差 • 例4.7：求例子4.5同時擲三個質地均勻的硬幣，其出現正面之次數(X)之變方及標準偏差？

  23. 二項分布(Binomial distribution) 試驗結果僅有二種結果 • 小孩性別：男，女 擲硬幣：正，反 種子發芽：發芽，不發芽 殺蟲劑成效：死亡，存活 政策：贊成；反對 進入商店：購買；不購買 一般：成功(S)；失敗(F)

  24. 二項分佈(Binomial distribution) • 問題：根據過去經驗一個顧客進入 某一家商店會購買商品的機率為 0.4(40％)，請問三位顧客中 有二位會購買商品之機率為何？ 隨機變數X：購買商品的顧客 可能出現的值：0,1,2,3 問題:p(x=2)=?

  25. 二項分佈(Binomial distribution) • 問題特性： 1.本試驗包括三個相同的小試驗 每一小試驗是顧客購買商品 2.每一小試驗只有二種結果 購買(S)或不購買(F) 3.P(S)=0.4； P(F)=1-P(S)=0.6 4.每一個顧客買的機率均為0.4 5.每一個顧客均獨立購買商品(不受他人影響)

  26. 二項分佈(Binomial distribution) • 樣品空間 X=2之事件包含的結果為 ｛SSF,SFS,FSS｝

  27. 二項分佈(Binomial distribution) P(SSF)=P(S)P(S)P(F)=(0.4)(0.4)(0.6)=(0.4)20.6 P(SFS)=P(S)P(F)P(S)=(0.4)(0.6)(0.4)=(0.4)20.6 P(FSS)=P(F)P(S)P(S)=(0.6)(0.4)(0.4)=(0.4)20.6 P(X=2)=P(SSF)+P(SFS)+P(FSS) =(0.4)20.6+(0.4)20.6+(0.4)20.6 =3(0.4)20.6=0.288

  28. 1. 0.4為顧客購買商品之機率＝p 2. 0.6為顧客不購買商品之機率＝q＝(1-p) 3. 3為X=2事件包含結果之個數 即3位顧客中有兩位顧客會 購買商品的可能組合 SSF→第一位，第二位 SFS→第一位，第三位 FSS→第二位，第三位 4.

  29. 二項分布(Binomial Distribution) • 試驗包括n個相同小試驗 • 每個小試驗包括二個結果成功(S)或失敗(F) • 成功機率為p,失敗機率為q=1-p • 小試驗間為互相獨立 • X為成功次數

  30. 二項族群之平均值與變方 例如一個二項族群觀測值僅有五個如下 0,1,0,1,1(如1代表贊成,0代表反對) N=5 族群平均值: 族群變方:

  31. 二項族群之樣品平均值與變方 如從一個二項族群0,1,0,1,1,0,1,…中隨機抽取四個觀測值為一樣品如下: 0,1,0,1(如1代表贊成,0代表反對) n=4 樣品平均值: 樣品平均值變方: (注意:0.6在前,0.4在後) 樣品平均值變方估值: (注意:0.4在前,0.6在後)

  32. 二項分佈(Binomial Distribution) • 二項分布樣品和(T= )之期望值與變方 成功機率為p,其二項分立隨機變數，記以 X~B(n,p） 若p未知,則以其估值 代替

  33. [例]有一醫學試驗進行某新藥品對某疾病的治療效果，我們希望新藥品治癒率達90％，（無效率為10％）。今試驗20位病人，若其治癒率可靠，則應有多少病人治癒？而最多有15位病人治癒之機率為多少？[例]有一醫學試驗進行某新藥品對某疾病的治療效果，我們希望新藥品治癒率達90％，（無效率為10％）。今試驗20位病人，若其治癒率可靠，則應有多少病人治癒？而最多有15位病人治癒之機率為多少？ 由二項分布期望值公式，其治癒人數為： E(X)=np=20(0.9)=18人

  34. 而最多有15位病人治癒之機率可利用二項分布累計機率公式求得：而最多有15位病人治癒之機率可利用二項分布累計機率公式求得： 至少有16位病人治癒的機率為：

  35. [例4.10]有一健保意見調查，若設80％居民 贊成，今獨立隨機訪問15位居民，8 個以上居民贊成之機率為多少？有 10個至14個居民贊成之機率有多 少？ (1)至少有8位居民贊成之機率為 Pr(X≧8)=1-Pr(X≦7) 今n=15, x=7, p=0.8 查附表2得 Pr(X ≦7)=0.0042

  36. 二項分布(Binomial Distribution) 故至少有8位居民贊成之機率為1-0.0042=0.9958 (2)有10至14位居民贊成之機率為 Pr(10≦X≦14) =P(X≦14)-P(X≦9) =0.9648-030611=0.9037

  37. 卜瓦松分布(Poisson Distribution) • 卜瓦松分布為稀少事件個數之分布 二項分布中n很大且p很小時，其分布即變成 卜瓦松分布 例：十字路口車禍之次數 騎兵被馬踢死之人數 中正機場塔台發生錯誤的次數 一c.c.血液中某種細菌之個數

  38. 卜瓦松分布(Poisson Distribution) • 機率公式 • μ為卜瓦松分布之平均 ‧卜瓦松分布之特性 μ=σ2

  39. 不同之卜瓦松分布圖

  40. 例：某醫院經過幾年的調查統計，平均一天有2位車禍病人求診，若車禍病人屬卜瓦松分布，試求一天多於3位車禍病人求診之機率。例：某醫院經過幾年的調查統計，平均一天有2位車禍病人求診，若車禍病人屬卜瓦松分布，試求一天多於3位車禍病人求診之機率。 μ＝2, 車禍病人 x＝0,1,2,3之機率如下表

  41. 卜瓦松分布機率求法 完全沒有車禍病人之機率只有13.534％， 有一個車禍病人之機率為27.067％， 有二個車禍病人之機率為27.067％， 而有三個車禍病人之機率為18.045％， 大於三個車禍病人之機率為： P(X＞3)=1-p(X≦3)=1-0.85713 =0.14287=14.287%

  42. 例：設在高速公路上平均每天有5次車禍發生，若x為某天例：設在高速公路上平均每天有5次車禍發生，若x為某天 發生車禍之隨機變數，求下列各項機率： (a)沒有車禍發生 (b)少於3次車禍 (c)多於3次車禍 高速公路來往車輛很多，平均一天發生5次車禍應屬於 卜瓦松分布，故上述各項機率為： (a) (b) =0.00674+0.03369+0.08422+0.14037 =0.26502=26.502% (c) P(X＞3)=1-P(X≦3)=1-0.26502=0.73498=73.3498%

  43. The End

More Related