ch1-2二項分配.doc.docVIP

在一試驗中﹐A為一事件；若試驗的結果事件A發生﹐則稱試驗成功；反之﹐若試驗的結果事件A沒有發生﹐則稱試驗失敗﹒ 此試驗的重複兩次獨立試驗（第二次試驗的結果與第一次試驗的結果無關）﹐若每次成功的機率為p﹐失敗的機率為﹐則第一次成功﹐第二次失敗﹐其機率為﹒ 重複三次獨立試驗時﹐若第一次失敗﹐第二﹑三次成功﹐其機率為﹐即機率為﹒ 此試驗的重複n次獨立試驗（每次試驗的結果與之前試驗的結果無關）﹐若每次成功的機率為p﹐失敗的機率為1 – p﹐且﹐則 當一回合的n次試驗中﹐確定的某k次成功﹐其餘確定的n – k次失敗﹐就此回合的n次試驗結果﹐其發生的機率為﹒ 上面的式子中﹐若成功的機率為1﹐即時﹐我們以表示； 若成功的機率為0﹐即時﹐我們以表示﹒ 高二機率與統計（I）在數學期望值的課程中﹐大家已理解機率分配的概念﹒ 重複 n 次獨立試驗﹐每次試驗的結果只考慮成功與失敗兩種情況﹐我們稱 n 次試驗中成功次數的機率分配為二項分配﹒ 二項分配中﹐若變數X表示n次中成功的次數﹐則我們以表示恰成功k次的機率﹒ 一般而言﹐在n次獨立試驗中﹐若每次成功的機率為p﹐失敗的機率為﹐則n次中恰成功k次的機率 ﹒ 下面我們來看二項分配的例子： 設某公司製造的產品中﹐良品的機率為0.8﹐不良品的機率為0.2；今欲從產品中任意取出3件﹐試求： (1) 恰有2件是良品的機率﹒ (2) 3件產品中﹐良品個數的機率分配﹒  我們可視取到良品為試驗成功﹐取到不良品為試驗失敗﹐則可知成功的機率p為0.8﹐失敗的機率為0.2﹐今欲取出3件產品表示試驗3次﹐令以X表示成功次數﹐則 (1) 恰有2件良品的機率表示3次試驗中﹐恰2次成功﹐其機率為 ﹒ (2) 取出的產品中﹐良品個數的機率分配為二項分配﹐如下： ﹐ ﹐ ﹐ ﹐ 取出3 件產品中﹐良品個數的機率分配如下表1-1： 表1-1 良品個數的機率分配表 良品個數 0 1 2 3 機率 0.008 0.096 0.384 0.512 第四冊機率與統計（Ⅰ）的課程中﹐我們學過數學期望值的概念： 設變數X有n個不同的值﹐若﹐且﹐則變數X的數學期望值 ﹒ 變數X的數學期望值是變數值以它們對應的機率為權數的加權平均數﹐這是數學期望值的意義﹒ 我們來看個例子： 求例題1中﹐取出良品個數的平均值（數學期望值）﹒ 利用例題1的結果及平均值的意義可得： 取出三件產品中﹐良品個數的平均值 ﹒  一袋中有3白球及1紅球﹐每個球被取到的機會相同﹒ 設每次取一球﹐取後放回﹐連取四次；試求下列各問題之值﹒ (1)求出取到紅球個數的二項分配﹒ (2)求取到紅球個數的平均值﹒ 例題2中﹐求得取出良品個數的數學期望值為2.4﹐它恰好是取出1個良品的機率的3倍；如果例題2中取出3個產品改成100個產品﹐這時候﹐怎麼推算取到良品個數的平均值呢？ 為了解決上面這類問題﹐我們可更一般化的求取n次產品時﹐良品（或不良品）個數的平均值﹐這是二項分配的數學期望值的問題﹐我們敘述並推論如下： 其理由如下： 設變數X表示n次試驗中成功的次數﹐則其數學期望值  ﹒ 因此﹐n次試驗中﹐成功次數的數學期望值為np﹒ 設某人投籃的命中率為0.65﹐如果他連續投籃10次﹐且每次互不影響﹐求此人投籃10次時﹐進球數的期望值﹒ 此人投籃次數﹐進球數為變數X﹐ 已知每次進球的機率為﹐ 由二項分配的數學期望值﹐ 即此人進球數期望值為6.5﹒ 例題3中﹐若此人投籃命中率為0.55﹐求20次投籃時﹐進球數的期望值﹒ 在第四冊的機率與統計（I）的課程中﹐的樣本平均數為﹐以及樣本變異數為﹒現在我們利用二項分配來說明母群體的平均數（即期望值）與變異數﹒ 由前面的推論結果﹐我們已知n次獨立試驗﹐每次成功的機率為p時﹐成功次數X的二項分配的數學期望值為np﹒ 若變數X的分配為二項分配﹐我們定義X的變異數為 ﹒ 我們可仿上面的推導（請參閱附錄一）﹐得到下面的結果： ﹒ 因此﹐由上面X的期望值與變異數的結果可得： (1)﹒ (2)﹒ 由(2)式得﹐在第四冊我們作硬幣模擬試驗時﹐推估信賴區間所引用的抽樣標準差可由此得之﹒ 而(1)與(2)中的﹐在模擬試驗或抽樣估計﹐當時﹐我們可以來估計p﹒ 每次試驗成功的機率為p﹐n次獨立試驗中﹐成功次數X的二項分配﹐當時﹐其圖示如下圖1-7﹒ 圖1-7　X的二項分配圖 當n足夠大時﹐個﹒ 上面的結果：數學期望值20個是利用產品中不良品的機率為0.2推算得到的﹒ 但實際上﹐在產品中﹐不良品的機率p是未知的﹐我們可利用抽樣來