特殊連續分布.ppt

7- Chapter 7 特殊連續分佈 特殊連續分佈 7.1 一致(Uniform)隨機變數 7.2 常態(Normal)隨機變數 7.3 指數隨機變數 7.1一致(Uniform)隨機變數 Def:隨機變數 X 被稱為一致分佈在區間 (a,b) 假如其機率函數是 我們以 X~U(a, b).表示 Example: If X~U(a, b), evaluate (a) MX(t) (b) ?X (c)?X2 Ex:r.v. X之分配為U(-3,3) 。試問以下 方程式 有實根之機率？ Sol: 有實根，則 例: 令 X 是一致分佈連續隨機變數 E [X] =1 and E [X2] =2 , 問X的機率密度函數(probability density function)為何？ Sol: 令r.v. X之p.d.f.為 7.2 常態 (高斯) 隨機變數 1.定義: 一連續隨機變數 X 被稱為有常態分佈， 參數 ? and ? (or ? and ?2), -? ? ? 且 ? 0, 假如X的p.d.f.是 我們簡寫成 X~N(?, ?2). 註: (1) (2) fX(x+?) = fX(-x+?) (3) P[X ? ?] = P[X ? ?] = (4) 註: (a) 假如 R.V. X~B(n, p) 且 ? = np, 則 X~P(?) 當 n ? ? 且 p ? 0 (? = np 是常數) (b)假如R.V. X~B(n, p),則X~N(?, ?2)當n ? ? (p ? 0), ? = np且?2 = np(1- p) (c) If RV X~P(?),則X~N(?, ?2)當? ? ?. 例: 假如 X~N(?, ?2), 計算 (a) MX(t) (b) ?X (c)?X2 Sol: 2. Proposition: If X~N(0, ?2), then Proof: 例: 令 X 有常態密度函數 ，問X2的期望值及變異數 。 Sol: 3. 定裡: 隨機變數 X~N(?, ?2) (1) 假如 R.V. Z = aX + b ? Z~N(a? + b, a2?2). (2)假如 R.V. Z = ? Z~N(0, 1). 證明: (1) (2) 4. 標準化 當 X~N(?, ?2). 標準化變數 is . Let Z = , 則 Z 是標準隨機變數. (E[Z] = 0, Var[Z] = 1.) 5. 函數 ?(x): 定義: 注意: (1) 假如R.V. Z~N(0, 1), (2)假如R.V. X~N(?, ?2), (3) ? 函數表格: 例: 一公平骰子擲 1000 次. 令R.V. X 是正面的個數 計算 P[460 ? X ? 535]. 解: 方法 1: RV X~B(1000, 0.5) 方法 2: RV X~B(1000, 0.5) Ex:某輪胎公司宣稱該公司所製的輪胎有90%機率在25000哩和35000哩之間損壞,假設其為常態分佈,試求?和?。 Sol: Ex:某次選舉有甲乙參加。若已知有55%民眾支持乙候選人,試問在抽樣調查100人中。至少半數支持甲候選人之機率。 Sol: 例: 假設人的體重是隨機從某人口選出，是常態分佈，參數 ? 且 ?. 也假設 且 (1)找? 且?, (2)找 (3)在人們的體重至少 200磅下, 超過220磅的機率是多少? Sol: Thm: Chebyshev’s 不等式 令 X 是 R.V. with mean ? and variance ?2. 則 proof: So the theorem results. Note: (1) (2) 7.3 指數隨機變數 7.4 Gamma 分佈 1. Gamma 函數: 定義: For a 0, the gamma 函數 ?(a) 是 定為 注意: (1) 對任意 a 1, ?(a) = (a - 1)??(a - 1). (2) 對任意整數 n, ?(n) = (n - 1)! (3) （請同學自證！） 2. Gamma 分佈: