连续型机率模型（I）.docVIP

連續型機率模型 (I) 《1》常態分布 標準常態分配 N(0,1), 一般有表列出cdf: (見下頁) 歷史: 大約在1720年，DeMoivre (棣莫夫) 發明此曲線之型式 Laplace (1749-1827) 利用此曲線逼近二項式分布，即最早型式的中央極限定理 Gauss (1777-1855) 發現天文上，物理上許多測量誤差的分布趨近於此曲線，即 “normal law of errors of measurements” K.Pearson在1893年定名此曲線為 ”常態曲線” (但並非表示其它之分布曲線為非常態) 重要性： 描述許多數據(例如各類生物測量值、自然現象之測量值、工業產品之壽命、收入所得、花費、分數)之分布 中央極限定理應用: 在取值夠多時,一般變數之和或平均值近似常態分布  若X為N((,(2)，則經由轉換Z = (X(()/( 即為標準常態分布 (1) P(Zz)= P(Zz)= (2) z0，則P(Zz)=((z)=1(((-z)，且P(Z-z)=P(Zz) (3) P(aZb)=((b)(((a) (4) P(Z1.52)=1- P(Z1.52)=1-P(Z-1.52)=1-6.43%=93.57% (5) P(-0.15Z1.60)=((1.60)(((-0.15) =[1-((-1.60)](((-0.15)=(1-5.48%)(44.04% = 50.48% 利用R 計算常態分布的機率密度或累積機率分配 (1) Normal分配： R code: rnorm(n, , ) 隨機生成資料(n:) dnorm(x, , ) 計算在的機率密度函數 px, , ) 計算p=P(Y≤x)累積機率 qnorm(p, , ) 算出使得P(Y≤x)=p的x值 Example: 隨機生成5筆來自N(0,1)分配之樣本 計算當x=2時N(0,1)的機率密度函數值 使用pnorm來計算P(Z1.96)累積機率值 查詢N(0,1)分配使得P(Zz)=0.975的z值 N(0,1)的pdf與cdf函數圖形  “統計資料分析”習題 學號_______________ 系級________________姓名_________________________ 1. 利用表或R練習, 假設Z ~ N(0,1) (a) 求P(Z≦1.53) (b) 求P(Z＞-0.49) (c) 求P(0.35＜Z＜2.01) (d) 求P( ＞1.28) (e) 求a ，使得P(Z≦a)=0.648 (f) 求b ，使得P(＜b)=0.95 2.（a）某年錄取600個研究生，假設他們的英文成績為一常態分配：平均為43、標準差為15。學校規定其成績在1.5倍SD（標準差）之下者，必須重修英文，則大約有多少學生必須重修英文？ （b）在（a）中若平均值與標準差改變是否會影響你的答案？ 3. 本校碩士班入學考試要求每科出題人員盡量使分數合於常態分布，希望平均值為50左右、標準差約為15，則100個考生中，大約有幾個可以超過80分？若我們決定錄取前面高分算起的20％，則錄取之最低分為何？ 4.設一般懷孕期為一常態分布,平均為270天、標準差為25 天, 某人在嬰兒出生前 300天至嬰兒出生前 220天均出國,則某人為嬰兒父親之機會有多大? Week 5,6 - 4 - N(0,10)↓ ↓ N(0,2) N(0,1) rnorm(5,0,1) [1] -0.918927 -0.984313 -0.087167 -0.065396 1.613852 dnorm(2,0,1) [1] 0 [1] 1.959964 pnorm(1.96,0,1) [1] 0.9750021 [1] 1.959964 qnorm(0.975, 0, 1) [1] 1.959964 curve(dnorm(x,0,1),from=-5,to=5,ylab=pdf,main=N(0,1) pdf) curve(pnorm(x,0,1),from=-5,to=5,ylab=cdf,main=N(0,1) cdf) [1] 1.959964