离散机率分配.pptVIP

第 5 章 統計實例 花旗銀行是花旗集團的一員，提供多樣化的金融服務。 花旗銀行在花旗卡片銀行中心內設置了許多最先進的自動櫃員機(ATMs)，每週7天，每天24小時為客戶提供服務。花旗銀行的ATM不只是提款機，有80% 左右的交易都是在ATM完成的。 因此，花旗銀行定期進行服務產能調查，以分析顧客等候時間及增設自動櫃員機的必要性。 由花旗銀行蒐集的資料顯示顧客到達的時間是一個卜瓦松分配，利用卜瓦松分配，花旗銀行可以計算任何時間到達卡片銀行中心的顧客人數的機率，以決定最適的自動櫃員機數目。 離散機率分配 5.1 隨機變數 離散隨機變數實例 例如，將會計師資格考試視為一個實驗，該考試分為四個項目。令離散隨機變數 x＝已通過的會計師資格考試項目的數目，則此隨機變數的可能數值為 0, 1, 2, 3 或 4。 將汽車到達收費站視為一個實驗，令隨機變數 x＝一天內到達收費站的車輛數，則 x 的可能值為 0, 1, 2, ...，因此 x 為一離散隨機變數，它可能是無窮數列中的任一個值。 連續隨機變數實例 某保險公司正在觀察保戶的來電情況，令 x＝兩通來電的時間間隔，則此一隨機變數的範圍為 x ≥ 0。事實上，x 的可能值有無限多個，如1.26分、2.751分、4.3333分等。 長達90哩的某段公路，緊急救護站位於公路一端，我們定義一隨機變數 x ＝ 公路上發生意外事件的位置，則 x 為一連續隨機變數，其值的範圍為0 x 90。 表 5.1 離散隨機變數的例子表 5.2 連續隨機變數的例子 評註 決定隨機變數為離散或連續隨機變數的一種方法是，以一線段代表隨機變數的可能範圍，將隨機變數的可能值視為線段上的點，在線上選擇兩個表示隨機變數值的點，如果兩點間的所有點都是隨機變數的可能值，則該隨機變數為連續變數。 5.2 離散機率分配 離散機率分配 離散機率分配實例 DiCarlo 汽車公司根據過去 300 天的銷售狀況得知，有 54 天沒有賣出任何汽車，有 117 天賣出 1 輛汽車，有 72 天賣出 2 輛，有 42 天賣出 3 輛，有 12 天賣出 4 輛，有 3 天賣出 5 輛。 表5.3所示該汽車銷售公司每天銷售汽車數的機率分配。 離散機率分配實例 機率函數也可以用圖形的方式來表達。圖5.1中隨機變數 x的值列於橫軸，相對應的機率值列於縱軸。 離散型均勻機率分配 離散型均勻機率分配實例 以丟擲骰子的實驗為例，定義隨機變數 x 為丟擲一骰子之後出現的點數。因此，n＝6代表可能出現 6 種隨機變數值，x ＝1, 2, 3, 4, 5, 6，可定義此隨機變數的機率函數為： f(x)＝1 / 6　　　x＝1, 2, 3, 4, 5, 6 以下為隨機變數 x 的可能值及其對應的機率。 離散型均勻機率分配實例 另一個例子，假設隨機變數 x 及其離散機率分配如下表所示。 上表的機率分配亦可由如下的公式來定義。 5.3 期望值與變異數 期望值與變異數實例 以5.2節DiCarlo汽車銷售公司為例，我們來看看汽車銷售數量的期望值是如何計算出來的。 期望值與變異數實例 表5.5中 xf(x)欄的加總是 1.50 輛。因此可知，雖然每個營業日的汽車銷售量可能是 0, 1, 2, 3, 4 或 5 輛，但長期而言， DiCarlo汽車公司可以預期每天平均銷售 1.50 輛車。假設該公司每月營業30天，則可預期每月平均銷售量為 30 (1.50)＝45輛。 表 5.6 是DiCarlo汽車公司日銷售量之機率分配的變異數計算過程。由該表可知其變異數為 1.25。 期望值與變異數實例 5.4 二項機率分配 二項實驗(binomial experiment)具有以下四個特性。 二項實驗實例 圖 5.2 表示一個包含 8 個試驗的二項實驗的可能結果之一。此圖顯示的是成功 5 次、失敗 3 次的情形。 二項實驗實例 在二項實驗中，我們有興趣的是 n 次試驗中成功的次數。令 x 代表成功的次數， x 的可能值為 0, 1, 2, 3, ... , n。由於 x 的可能值為有限個，因此 x 為一離散隨機變數。此隨機變數的機率分配稱為二項機率分配 (binomial probability distribution)。 二項實驗實例 此實驗有 3 個相同的試驗，每一試驗為顧客進入馬丁服飾店。 每一試驗有 2 個實驗結果：顧客購買 (成功) 或顧客不購買 (失敗)。 每一顧客購買或不購買的機率 (0.3 及 0.7) 假設皆相同。 顧客間買與不買的決策是獨立的。 因此，符合二項實驗的特性。 二項實驗實例 例如擲一枚硬幣 5 次，觀察總共出現幾次正面 此實驗包含 5 個相同的試驗，每一試驗為擲一枚硬幣。 每一試驗有