连续随机数.ppt

2006 實用統計學(第二版)/第八章 實用統計學 第八章 連續隨機變數 第八章之學習重點 常態機率分配 指數分配 二項分配與常態分配的關係 連續隨機變數 連續隨機變數的變數值，是產生在一段不可數的範圍內，變數值的個數是無限多個。 連續隨機變數 連續隨機變數的單一數值為 a 的發生機率值必定等於零。 P(X = a) = 0 ，當 X 為連續隨機變數。 在一段特定的範圍內的機率值是存在的。要計算這種機率值，必須利用到「連續隨機變數」的「機率密度函數」。所謂的「機率密度函數」，與數量資料的「直方圖」有關 。 連續隨機變數的機率密度函數 連續隨機變數之值在特定範圍的機率 連續隨機變數 X ，其值在 c ? x ? d 間產生的機率，記為 P(c ? X ? d ) ，表示的是機率密度函數 f (x) 曲線圖形下方 [c, d ] 範圍間的面積 均等隨機變數 若連續隨機變數 X 具有機率密度函數 f(x) = ，a ? x ? b 則稱隨機變數 X 具有均等分配。 四種常見的機率密度函數曲線 共同處：「每一平滑曲線下，x 軸之上所涵蓋的面積必定等於 1。」 連續隨機變數的機率求解問題 計算機率密度函數下的某段面積。 當連續隨機變數的機率密度函數是常見的，如：常態分配、指數分配時，複雜的求面積過程，就可以省略，轉換成「查表格」的方式 「連續隨機變數為某個值的機率值=0」即 P(X = x) = 0 ? P(c X d) 常態機率分配 「經驗法則」依據的是「常態機率分配」 常態機率分配的定義 若連續隨機變數 X 具有機率密度函數 其中 e=2.71828…，? = 3.1415926…，同時兩個參數分別是 μ，? 2 ;通常會用簡單的記號 X ~N(μ, ? 2 ) 來表示。 不同的 μ 、 ? 2 值會有不同的機率密度函數曲線圖。 標準常態分配的定義常態機率分配(μ=0, ? 2=1) 若連續隨機變數 Z 具有機率密度函數 其中 e=2.71828…，? = 3.1415926…，通常會用簡單的記號 Z ~N(0, 1 ) 來表示 。 標準常態機率值的性質 對稱於 z = 0。故以 z = 0 分界的左右方機率值，各為 0.5 因為對稱的關係，所以「右邊 Z a 的機率值」等於「左邊 Z –a 的機率值」， a 0 P(Z a) = P(Z –a ) f (z)圖形下，(a, b) 間之面積， 代表的是連續隨機變數 Z 在 (a, b) 間之機率 P(a Z b) 標準常態機率表 表格的最左邊直行指的是 z 值（至小數第 1 位為止） 表格的最上邊橫列指的是 z 值的第 2位小數值 表格的中間部分指的是該 z 值以上的機率值 P(Z z) 標準常態機率表的範例 要查機率值 P(Z 1.9)，此時 z 值 = 1.96 在表格中，先在最邊直行找到 1.9，再從同橫列找到 z 的第 2 位小數等於 0.06 處，所得的值 0.025，表示此右尾機率值就是 使用標準常態機率表格的原則（a, b 均 0） 標準常態問題—範例 Z 為標準常態隨機變數，求 【解答】 其中 所以 反向標準常態機率值—範例 求 z 值使得機率值= 0.0465 先在表中間找到等於右尾機率值0.0465 之位置，再從該數的橫列左側找到 z 值為 1.6，縱行上側找到的 z 值第 2 位小數為 0.08，得到所要的 z 值 = 1.68。 也就是 P(Z 1.68) =0.0465。 常見的「反向」標準常態問題 常見的「反向」標準常態問題 「反向」標準常態問題—範例 Z 為標準常態隨機變數， 若已知 P(Z a)= 0.8，求 a。 【解答】機率值 P(Z a) ，大於 0.5，所以 a 值必定小於 0，設 a = –m，m 0。 則 P(Z a) = P(Z –m) =1 – P(Z –m) 其中 P(Z –m) = P(Z m) 因此可以 1 – P(Z m) = 0.8，改寫為 P(Z m) = 0.2 ? P(Z a) = 0.8 查表得 m = 0.845。結論：a = –m = –0.845 常態隨機變數 X 的機率值 計算「機率密度函數 f (x) 下，(a, b) 區間的面積」，而 f (x) 決定於參數 μ 與 ? 2 。 利用建立好的「標準常態機率表格」來查出所需要的機率。 將「常態隨機變數」轉換為「標準常態隨機變數」 ，使得轉換後的隨機變數，其平均數為 0，標準差為