常用的特殊分配.ppt

本章綜覽 介紹統計分析中常用的特殊分配，並討論其的性質。 離散分配: 二項分配(binomial distribution) 超幾何分配 (hypergeometric distribution) 波氏分配 (Poisson distribution) 連續分配: 指數分配 (exponential distribution) 常態分配 (normal distribution) 卡方分配 (?2 distribution) t 分配 (t distribution) F 分配 (F distribution) 二項分配 白奴里試驗 (Bernoulli experiment)：一個只有兩種出象的隨機試驗。 二項試驗 (binomial experiment) ：一個由 n 個相互獨立且相同的白奴里試驗所組成的隨機試驗。 令 Yi =1 或 0，為對應於這些白奴里試驗的白奴里隨機變數。二項隨機變數即為互相獨立的白奴里隨機變數 Yi 的加總。 例如：投擲相同硬幣 n 次會出現人頭的次數 X ，X 就是具有二項分配的隨機變數。 二項分配 二項隨機變數的機率函數為 n 代表二項試驗中白奴里試驗的次數 p 代表白奴里試驗結果為 1 的機率 當 X 為二項隨機變數且其參數為 n 和 p 時，一般表示為 X~B(n,p)。 二項分配 Excel 函數名稱：BINOMDIST 計算結果：機率與累積機率 . 二項隨機變數的性質：若 X~B(n1,p) 與 Y~B(n2,p) 互相獨立，則 X+Y 仍是二項隨機變數，且 X+Y~B(n1+n2,p) 超幾何分配 假設一個母體中具有特定屬性的物件 (例如黑球) 有 M 個，不具此屬性的物件 (例如白球) 有 N 個。若從此母體中以抽出不放回的方式抽取 n 個樣本，則抽到具有此屬性物件總數為超幾何隨機變數，其分配為超幾何分配。 當抽到具有此屬性的物件 (成功) 時，令白奴里隨機變數 Yi =1，否則令 Yi =0。超幾何隨機變數即為這些相依的白奴里隨機變數的加總: 超幾何分配 超幾何隨機變數的機率函數值為 a 的範圍為 其中 M,N,n 均為參數，M 為具有特殊屬性的物件數， N 為 其他物件數，n 為白奴里隨機試驗的次數。 超幾何隨機變數通常又表示為 X~ HG (M,N,n)。 Excel 函數名稱：HYPGEOMDIST 計算結果：機率 超幾何分配 . 在 M+N 很大時，可將二項分配 (參數 n 與 p =M/(M+N)) 視為超幾何分配的一種逼近 (approximation)。 波氏分配 波氏隨機變數即為特定時段內某事件的發生次數，其分配為波氏分配。 例如：洗車場的老闆想要知道會有多少車輛在一小時內進入他的洗車場。 波氏試驗有幾個重要假設： 事件發生次數在任兩個不重疊的時段是相互獨立的。 在某一極小時段內，事件只發生一次的機率與該時 段的長度呈某一比例關係。 在某一極小時段內，事件發生次數超過一次的機率值 (相對於相 同時段內只發生一次的機率) 非常小，所以可被忽略。 波氏分配 波氏機率函數為 其中 λ 為大於 0 的參數。 波氏分配隨機變數一般表示為 X~Poisson (λ) 若 X~Poisson (λ), 則 E(X) = var(X)= λ 波氏分配的參數 λ 又可以被解釋為單位時段內某事件的預期發生次數。 波氏分配的均數與變異數相同。 波氏分配 Excel 函數名稱：POISSON 計算結果：機率與累積機率 若兩個互相獨立的波式隨機變數 X 與 Y ，其參 數分別為 λ1與 λ2，則 X+Y 所形成的新隨機變數也是波氏隨機變數，且參數為 λ1 + λ2 。 . 即當 n 夠大而 p 夠小時，波氏機率函數即可作為二項機率函數的逼近。 指數分配 指數分配: 描述兩次事件發生之間的等待時間。 令 X 為某一事件 A 前後兩次發生的間隔時間，則對某一時間 t 0, 其中 {X t} 表示事件 A 前後兩次發生的時間超過 t。 令 Y 代表波氏隨機變數，則 X t 時，波氏變數 Y 在時段 t 中間為 0， 即 P({X t})= P({在時段 t 中間 Y=0})=e-λ 指數分配 對波氏隨機變數，其參數 λ 表示時段 t 之內事件 A 發生次數的期望值 (「平均」次數) 。故 t/ λ =β 可以解釋為時段 t 內事件 A 發生的「平均」間隔時間，則 指數分配的機率密度函數: 指數分配 指數分配一般表示為 X~Exp(β)。 若 X~Exp(β), 則 E