离散型随机变数课程.ppt

例4.5-1 容器中有3顆紅球、5顆白球，從中任取4顆，取出不放回。令X代表4顆中紅球的顆數，試寫出X的機率函數。 解： 期望值和變異數 若X為參數N、M、n的超幾何隨機變數，其期望值和變異數為 例4.5-3某選修課有15位同學修習，其中四年級4位、三年級11位。某次上課，老師以隨機抽座號的方式任意選出5位同學上台做報告。令X代表5位同學中的四年級同學人數，試求(a) X的機率函數； (b) X的期望值和變異數。 解： 超幾何分布與二項分布 當N很大、n卻很小時參數N、M、n的超幾何隨機分布，可以用參數為n和 的二項分布來逼近。 例4.5-4 某百貨公司週年慶時把2000件過季T恤放在花車用超低價促銷，其中有600件略有瑕疵。阿花很勇猛的隨便抓了10件，試求10件T恤中，瑕疵品不超過2件的機率。 解： 瑕疵品不超過2件的機率 P(X?2)大約等於 卜瓦松分布 卜瓦松分布 一大張壁紙上的瑕疵數，某網站在某時段十分鐘之內的上網瀏覽人數，或者某路段一個月之內的車禍數，這些都屬於「計次」型的離散變數。雖然計次的對象不同，但這類變數常符合某些共同性質，且根據這些性質可以導出一族特定的分布，叫做卜瓦松分布(Poisson distribution)，它有一個參數λ為特定「範圍」內的平均發生次數；此處「範圍」做廣義解釋，有可能是一段時間、或一個區域…等等。 參數為λ的卜瓦松隨機變數X，其機率函數為 其中的e為實數，e= 2.71828…。 例4.6-1 假設秘書張小姐所打的文件，平均每一頁有0.5個錯。某天，她替上司打了一份12頁的報告。假設錯誤數X符合卜瓦松分布，試求該份報告當中(a)恰好有2個錯的機率；(b)至少有4個錯的機率；(c)完全沒有錯誤的機率。 解： 期望值和變異數 若X為參數λ的卜瓦松隨機變數、則其期望值和變異數為 E(X)=λ V(X)=λ 例4.6-2 假設某眼科診所在上班日白天(早上9點到下午5點)的求診人數符合卜瓦松分布，平均每小時3位病人。令X代表某個上班日從10：00到11：12的求診人數，求(a)X的期望值和變異數(b)P(X?3) 解： (a)從10：00到11：12中間有一小時12分鐘，也就是1.2小時，所以這段時間的平均求診人數是 λ=3?1.2=3.6 X的期望值和變異數都等於3.6。 (b) P(X?3)= 1-P(X?2)=1-0.3027=0.6973 二項分布與卜瓦松分布 當n較大、p卻很小時， 「n較大、p很小」並沒有一定的標準。 一般來說，n至少應該要滿足n?20，且p的大小和n的大小也有關係；n若不夠大，p應該要小些，n若較大，則p不需太小即可。 有教科書就如此建議：若n?20且p?0.05時，或若n?100且p?0.10時，適合用卜瓦松分布來逼近二項分布。 n=20,p=0.05, λ=np=1 n=10,p=0.1, λ=np=1 x b(x) p(x) |b(x)-p(x)| x b(x) p(x) |b(x)-p(x)| 0 0.3585 0.3679 0.0094 0 0.3487 0.3679 0.0192 1 0.3774 0.3679 0.0095 1 0.3874 0.3679 0.0195 2 0.1887 0.1839 0.0048 2 0.1937 0.1839 0.0098 3 0.0596 0.0613 0.0017 3 0.0574 0.0613 0.0039 4 0.0133 0.0153 0.0020 4 0.0112 0.0153 0.0041 例4.6-3 某製造商生產的聖誕樹裝飾用彩色小燈泡中，有3%屬於瑕疵品。現從商店買一盒該廠生產的小燈泡100個，則其中所包含的瑕疵品個數符合參數n=100、p= 0.03的二項分布。利用卜瓦松分布來求100個小燈泡中，瑕疵品不超過4個的機率。 解： 令X代表100個小燈泡中，瑕疵品的個數，則題目所求為P(X?4)。 直接用二項分布求機率，必須計算下式 改用卜瓦松分布來逼近，參數為λ=np=100(0.03)=3，則可得近似機率 離散型隨機變數 隨機變數 離散型隨機變數的機率分布 期望值 二項分布 超幾何分布 卜瓦松分布 隨機變數 定義(隨機變數) 隨機變數(random variable)是一種函數對應，把樣本空間中每一個樣本點對應到一個數。 例： 連續擲一枚硬幣三次，令H代表正面、T代表反面，則樣本空間為 S ={HHH, HHT, HTH, THH, HTT, THT, TTH, TTT} HHH→3, HHT→2,…, TTH→1, TTT→0 像這樣的一種函數對應，就叫做隨機變數。 如果我們關心的是擲三次所得到的正面總數，則樣本空間中每一個樣本點都會對應一個數字。 隨機變數類型