常態分佈.pptVIP

第4章 常態分佈 第一節 常態分佈的特性 （1） 如果調查台灣1000位成年男性的身高，將會發現身高特別高和特別低的人佔極少數，絕大多數的人身高都在中間（例如170公分）附近。 如果這1000人的平均身高是170公分，那麼身高離170公分越遠的人，所佔的比例就越少。簡單的說，大略呈現以170公分為中心，並往兩旁遞減的分佈圖。如下圖所示。 第一節 常態分佈的特性 （2） 如果調查的是體重、收入、智力等變項，也很可能出現類似上圖的分佈。 上圖的分佈是間斷的，可是理論上身高是連續的，因為任何兩個人之間，存在第三個人，其身高介在他們之間。 如果調查更多的人（如10萬人），那麼上圖的長條圖中間斷現象逐漸會消除。一旦調查人數非常之大，那麼上圖的長條圖會變成平滑的曲線圖，如下圖中的平滑曲線所示。 第一節 常態分佈的特性 （3） 上圖的平滑線左右對稱，好像一座山，或者類似「銅鐘」的形狀。也就是中間最高，往兩旁遞減，這就是所謂的常態分佈（normal distribution）。 由於是左右對稱，且由中間往兩旁遞減，因此中心點最高的位置就是平均數，也就是眾數、和中位數，三者合而為一。 常態分佈是連續的曲線，但是現實中，並沒有連續的曲線存在。頂多只是類似常態分佈，可是當樣本數很大時，會越接近常態分佈。 第一節 常態分佈的特性 （4） 早在18世紀就有數學家和天文學家開始探討這樣的一條曲線。德國天文家兼數學家高斯（Carl Friedrich Gauss，1777-1855）利用常態分佈研究天文學觀察中誤差的分佈情形，因此常態分佈又稱高斯分佈。 後來高登爵士（Sir Francis Galton, 1822-1911）將高斯分佈用於心理測驗的研究中。 另一位著名的數學和統計學家Karl Pearson（1857-1936）將高斯分佈稱為常態分佈。 第一節 常態分佈的特性 （5） 這條曲線的數學函數為 其中p = 3.1416，e是自然對數之底2.7183，X介在正負無限大，m是平均數，s是標準差。一旦確定平均數和標準差後，帶入公式算得f(X)。 第一節 常態分佈的特性 （6） 要決定常態分佈的形狀，就必須知道平均數m和變異數s2（或者標準差s）。常態分佈取決於兩個參數（parameter）：m和s2。 只要設定這兩個參數，就可以畫出那條常態分佈曲線。只要m或s2不同，曲線就不同。 這也就是為何在上述公式裡，表明 其中分號後面代表的就是決定這個函數的參數。假如變數X服從常態分佈，平均數為m，變異數為s2，則寫成：X ~ N(m, s2)，其中~表示服從，N表示常態分佈。 第一節 常態分佈的特性 （7） 下圖（機率密度函數圖，probability density function plot）呈現三條常態分佈曲線，其中A曲線的平均數和標準差分別為170和5，B曲線的平均數和標準差分別為175和5，C曲線的平均數和標準差分別為170和10。 比較A和B，可以發現當平均數不同而標準差相同時，整個曲線只是位移而已。 比較A和C可以發現如果標準差不同，整個圖形就改變了，即使他們的平均數相同。例如C便得比A來得平坦多了，那是因為C的標準差遠比A來得大所致。 第一節 常態分佈的特性 （8） 如果是間斷變項，例如骰子出現的點數，那麼就可以說出現3點的機率（probability）是1/6，即p(X = 3) = 1/6。 換做連續變項，不宜宣稱X等於某個值的機率。 假如把身高當作連續變項，那麼身高是170公分整的機率是多少？嚴格的說，在連續變項中任何一點出現的機率都是0，因此170公分整的機率等於0。 第一節 常態分佈的特性 （9） 連續變項既然無點出現的機率，改稱為機率密度（probability density）。在平均數為170，標準差為5的常態分佈中170的機率密度等於 第一節 常態分佈的特性 （10） 機率密度函數圖只能看出各個點的機率密度，但機率密度無多大意義，因此該圖並不實用。 對使用者而言，不關心170公分的機率密度，而是關心170公分以下的機率，或是165至175的機率，因此應該換另外一個能夠呈現這種意義的圖。 就數學而言，要得到這樣的圖，必須透過積分以計算某段區間的面積。令整個曲線所涵蓋面積為1，那麼某段區間所佔的面積就是該區段的機率。 第一節 常態分佈的特性 （11） 下圖呈現常態分佈（平均數170，標準差5）的累積分佈函數圖（cumulative distribution function）。 如果要計算170公分以下的機率，就直接從170處往上劃至該曲線，然後往左劃，即可算得。同理，要計算任何一個區段（如165至175）的面積，也可如此，輕易算得機率了。 第一節 常態分佈的特性 （12）