5.4二項分配及超幾何分配(續).pptVIP

5.1.1 隨機變數的意義 隨機實驗時，真正關心是將這些確切結果經由一有意義的實數值函數轉換，進而改以函數值表示的事件。 經實數值函數轉變後以數值表示的事件即稱為實數值事件( real value event)，在實數裏有很多數學運算可應用，如加 法、減法、積分、微分。 例如: 觀察投擲兩枚骰子的實驗中， 〔確切結果〕 :（1,3）或（3,1）或（2,2） 〔重要意義〕： 是兩枚骰子總合〔函數〕為4〔函數值〕事件。 經一特定實數值函數，並以轉換後的函數值來表示事件，則 此實數值函數即稱為隨機變數。 以大寫英文字母來表示此函數，也就是隨機變數。 以小寫英文字母來表示函數值，也就是隨機變數可能值。 如投擲兩枚骰子實驗，若定義隨機變數Ｙ〔函數〕：其面朝上點數總合。而其相對的可能值〔函數值〕Ｙ＝2,3,4,5,6,7,8,9,10,11,12。以｛Ｙ＝ y｝表示原樣本空間，經此函數轉變後的實數值事件。 【例5.1】 考慮投擲三枚硬幣實驗，定義隨機變數Ｙ：出現正面的次數。試著 將每一樣本點所對應的函數值列出，並列出所有轉換後的實數值事 件，所各自包含的樣本點。 解： 投擲三枚硬幣其樣本空間為：　H：正面　T：反面　　 Ｓ＝｛ HHH，HHT，HTH，HTT，THH，THT，TTH，TTT ｝ 隨機變數Ｙ定義為出現正面的次數，其對應關係如本頁圖5-1所示。 由此圖可知，隨機變數的可能值Ｙ＝0,1,2,3。原樣本空間經由隨機變數而轉變成4個實數值事件。其各自包含的樣本點為 ｛Ｙ＝0｝＝｛ TTT ｝ 　　　 ｛Ｙ＝1｝＝｛ THT，TTH，HTT ｝ ｛Ｙ＝2｝＝｛ HHT，HTH，THH ｝ ｛Ｙ＝3｝＝｛ HHH ｝ 5.1.2 隨機變數的分類: 可區分為兩大類： 離散型隨機變數（discrete type random variable）:當一隨機變數其可能值的個數為有限個（finite）或可數的無限多（countably infinite）時，稱為離散型隨機變數。 連續型隨機變數（continuous type random variable）: 若一隨機變數其可能值為不可數的無限多（uncountably infinite）時，稱為連續型隨 機變數。 【例5.3】 1. 定義隨機變數Ｘ：投擲一枚硬幣次，其出現正面的次數。則Ｘ的可能值為 x＝0,1,2,3,…...〔有限個〕。Ｘ為離散型隨機變數。 2. 定義隨機變數Ｙ：一小時內某一路口通過之車輛個數。則Ｙ的可能值 y＝0,1,2,3,……..〔可數的無限多〕。Ｙ為離散型隨機變數。 3. 定義隨機變數Ｔ：某一電視機之使用壽命。則Ｔ的可能值ｔ≧0〔不可數的無限多〕。Ｔ為連續型隨機變數。 定義5.2.1 一離散型隨機變數之機率分配（probability distribution），即是以表格、圖表、或公式，將隨機變數所有可能值而成的事件之機率一一列出。 【例5.4】 台灣某一大學，企管系大二班。班上成績前五名中，有三名為男同 學，二名為女同學。由於五名同學都十分優秀，老師想以公平之標 準，隨機抽取二人擔任統計學助教。定義隨機變數Ｙ：抽取二人中， 女同學之人數。試以表格、圖表、或公式列出隨機變數Ｙ之機率分 配。 解： 隨機變數Ｙ定義為抽取二人中女同學之人數，Ｙ 可能值 y＝0,1,2。 欲求Ｙ之機率分配，必先將P (Ｙ＝0)，P (Ｙ＝1)，P (Ｙ＝2)求出。 由於採隨機抽出，此實驗之所有樣本點，發生機率皆相同。 是故我們試著以古典法，求算事件機率。 先行介紹一組合符號 或 。此值 ＝ ＝ 代表著在個不同的個體中，隨機抽取x個，其各種不同可能抽取結 果之總數。故就本題而言，在五名學生中，抽取二名即有 個各 種可能結果。也就是此實驗之樣本空間有 ＝10個樣本點。 累積機率F (x)，我們又可將之稱為累積分配函數（cumulative distribution function），簡稱 c.d.f.。 5.3.1 離散型隨機變數之期望值 假設考慮投擲一公平骰子36次，進而出現之點數如下：　　　　2,1,2,4,5,6 5,3,1,6,6,3 3,6,4,1,1,5 　 4,5,3,6,6,3 6,2,1,4,6,1 3,3,5,6,1,6 就以上資料36個數值，我們可計算其樣本平均數為 再將這些資料稍加整理之後，可得如下表所示 經由上表所表示各可能值之次數分配，