第6章機率分配.ppt

* * 例題(卜瓦松分配) * 例題(卜瓦松分配) * 若隨機變數表為整個時間或區域內事件發生的次數，則可視為二項分配次試驗事件發生的次數，即 也就是說當n夠大時，二項分配近似卜瓦松分配。 而在實務上，只要n≧ 100，p≦0.01或n ≧ 20， p≦0.05即可適用。 二項分配近似卜瓦松分配 * 二項分配近似卜瓦松分配 * 二項分配近似卜瓦松分配 * 例題(卜瓦松分配) * 例題(卜瓦松分配) * 利用Excel求二項機率分配 * 利用Excel求超幾何機率分配 * 利用Excel求卜瓦松機率分配 * 習 題 * * 第7章 機率分配 * 離散型機率分配 連續型機率分配 * 例題(離散均勻分配) * 離散均勻分配 離散均勻分配 (discrete uniform distribution) :機率分配函數 定理: 若隨機變數X服從離散均勻分配 * 離散均勻分配 * 例題(伯努利分配) * 伯努利分配 伯努利分配 (Bernolli distribution) 一隨機試驗只有成功和失敗兩種結果。令隨機變數X=1代表成功的事件，X=0代表失敗的事件，又成功事件發生的機率為p，失敗發生的機率為1-p 定理：若隨機變數服從伯努利分配，則 * 正面數× 機率 P(×) 0 1/8= 1 3/8= 2 3/8= 3 1/8= 合計 1 例題(二項分配) 出現正面之機率分配 * 二項實驗具有以下的特性 二項實驗具有以下的特性： 實驗由n次試驗構成 每次試驗僅有成功或失敗兩種結果，又可稱為伯努利試驗 每次試驗成功的機率都相等 n次試驗彼此間皆獨立 * 二項分配 (binomial distribution) ： 若執行n次的伯努利實驗，設每次成功的機率為p，且每次實驗互相獨立。令X表ｎ次實驗中成功次數的隨機變數，則稱X服從二項分配，通常以 X~B(n , p)以表示。 二項分配 機率分配函數(機率質量函數) 期望值 變異數 * 例題(二項分配) * 例題(二項分配) * * 多項分配 : 多項分配 * 多項分配 「多項分配」是指一間斷隨機變項， 進行n次試驗(trial)所產生k類事件的機率分配；具有下列特性： 　　 1.結果由n次隨機試驗所組成。 　　 2.每次試驗的結果有k個類別的可能，但只有其中一類發生。 　　 3.k個類別之間的發生機率彼此獨立，且在每次的試驗中都相同。 　　 4.每次試驗中，k個類別的機率分別P1，P2，……Pk，且總和為1。 即 　　P1+P2+‥‥‥+Pk=l 　　(當k等於2時，即是二項分配。) 　　 * 例題(多項分配) * 負二項分配例說 舉例說，若我們擲骰子，擲到一即視為成功。則每次擲骰的成功率是1/6。要擲出三次一，所需的擲骰次數屬於集合 { 3, 4, 5, 6, ... } 。擲到三次一的擲骰次數是負二項分布的隨機變數。 要在第三次擲骰時，擲到第三次一，則之前兩次都要擲到一，其機率為 。注意擲骰是伯努利試驗，之前的結果不影響隨後的結果。 若要在第四次擲骰時，擲到第三次一，則之前三次之中要有剛好兩次擲到一機率為 。第四次擲骰要擲到第三次一，所以機率為 。 * 負二項分配 負二項分布表示，已知一個事件在伯努利試驗中每次的出現機率是 ，在一連串伯努利試驗中，一件事件剛好在第 次試驗出現第 次成功的機率。即令隨機變數 表第 次成功發生的總試驗次數，則 服從負二項分布，其 ? 期望值 變異數 機率分配函數(機率質量函數) * 例題(負二項分配) * 幾何分配 負二項分布中取 ，則負二項分布等於幾何分布。即令隨機變數 表第1 次成功發生的總試驗次數，則 服從幾何分布，其 期望值 變異數 機率分配函數(機率質量函數) * 例題(幾何分配) * 超幾何分配 超幾何分布它描述了由有限個物件中抽出n個物件，成功抽出指定種類的物件的個數（不歸還）。例如在有N個樣本，其中m個是不及格的。超幾何分布描述了在該N個樣本中抽出n個，其中k個是不及格的機率： 上式可如此理解：表示所有在N個樣本中抽出n個的方法數目。?表示在m個樣本中，抽出k個的方法數目。剩下來的樣本都是及格的，而及格的樣本有N-m個，剩下的抽法便有種。 若n=1，超幾何分布還原為伯努利分布。 若N接近∞，超幾何分布可視為二項分布。 * 超幾何分配 在有N個元素的母