第四章机率概论.ppt

4.1 導論 在現今社會日常生活中，每天的天氣預報，我們可能常聽到：明天 台北市下雨的機率為30％；或是在農曆年間，大夥以擲骰子慶佳節 時，當你在丟骰子的那一瞬間，或許你心裏已盤算過“我到底勝算有 多少，贏的機率有多大”；甚至在每兩個月對獎一次的統一發票，你 也可以算一算你中獎的機率有多大。由如此多的例子看來，機率事 件在我們生活中的確是無所不在啊！　 　　 因為有了事件的不確定性，人們才定義了機率。不確定性一直是人 類最大的敵人，人類對於不確定的未來是存在著相當的恐懼，而統 計學正是人們管理不確定性一個相當有用的科學工具。一般而言， 統計學研究的範圍可分為兩大部份： 1. 敘述統計（descriptive statistics）： 將其所得到的資料，歸納整理之後，進而單單描述並分析它們 的特性。 2. 推論統計（statistical inference）： 以抽樣方法獲得樣本，並根據樣本實際資料的分析來推論或判斷母體的狀態，進而預測未來，做出決策。 4.2 機率學入門 每一門學科都有其堅實的理論基礎及其嚴格的推導過程，進而建構 出完整的學問，機率學當然也不例外。而不管任何學問，其基礎是 最重要的。因此在本小節中，將為讀者介紹一些機率學基礎觀念及 名詞解釋。當我們在陳述機率事件時，或許我們會這麼說“在擲一公 平骰子實驗當中，出現6點的機率為1/6 ”。這裡所稱的“實驗”，並不 是我們直覺所聯想到必須在實驗室所進行的化學實驗或物理實驗。 在機率學中我們對“實驗”有著更嚴謹的定義。 【例4.1】 以下三個例子，這樣的過程，我們都可稱之為實驗。 1. 隨機從剛出廠的電燈泡群中抽取3顆電燈泡，每一燈泡分類為： 亮（良好）；不亮（損壞），並檢驗其損壞的個數。 2. 投擲一公平的骰子，觀察其面朝上之點數。 3. 紀錄由1號至5號的田徑選手，跑完百米競賽後的名次序。 由以上例子，讀者不難發現它們都有一共通性：知其所有可能發生 的結果，但不知那一種結果會真正發生。也就是可能結果的不確定 性。所以若有其他因素（如人為之干預）， 使得結果產生確定的話， 則此一過程即無法稱為機率學上所謂的實驗。 　　 定義4.2.2 一機率之實驗所可能產生的結果，稱為此實驗的某一樣本點（sample point）。而所有不同的結果，也就是不同的樣本點，所構成的一集 合稱為此實驗的樣本空間（sample space），一般習慣以大寫英文 Ｓ 表示之。 4.3.1 機率表示及測度 至此我們清楚了解何謂機率學上所稱的實驗、樣本空間、及事 件。在上一節中，我們也曾經提及一般習慣以大寫英文符號來 表示機率事件。而此事件所可能發生的機率應如何表示呢？ 而如何求出某一事件所可能發生的機率：P(A) 呢？ 4.3.2 古典法 此方法在使用時，必須符合下列的兩項限制條件： 1. 此實驗的樣本空間必須是有限的。 2. 此實驗的每一樣本點所可能發生的機率是相等的。 換句話說，當某一隨機實驗符合上述兩項限制時，我們始可用 古典法來計算事件所可能發生的機率。 4.3.3 相對次數法 我們一直不斷重覆此實驗，並紀錄該事件發生的次數，且計算 其佔全部實驗總次數的比例。如此即可求得該事件發生機率的 估計值。由於此方法運用到相對次數的觀念，故稱為相對次數 法。 4.3.4 主觀法 當有時某些實驗無法如客觀方法所述，重覆的執行。這時可能 只經由個人主觀的推斷，來估計事件的機率。 如圖 4-1之陰影部份，就是Ａ，Ｂ兩事件的聯集，通常我們將之記為 Ａ∪Ｂ 。 如圖 4-2之陰影部份，就是Ａ，Ｂ兩事件的交集，通常我們將之記為 Ａ∩Ｂ，也有人直接寫成ＡＢ。 如圖 4-3之陰影部份，就是Ａ事件的餘集，通常我們將之記為Ａc， 或者有人記為 。 【例4.5】 假設某一機率實驗其樣本空間包括7個樣本點：Ｓ＝｛e１，e２，e３， e４，e５，e６，e７｝ 定義兩事件Ａ，Ｂ為：Ａ＝｛e２，e４，e７｝ Ｂ＝｛e１，e２，e５｝ (a) 以作圖方式將Ａ，Ｂ兩事件表現出來。 (b) 列出以下新事件所包含的樣本點1. A∩B 2. Bc 3. A∩Bc 4. A∪B。