随机变数的机率分配.PPT

第 5 章 離散機率分配 統計實例 花旗銀行是花旗集團的一員，提供多樣化的金融服務。 花旗銀行在花旗卡片銀行中心內設置了許多最先進的自動櫃員機(ATMs)，每週7天，每天24小時為客戶提供服務。花旗銀行的ATM不只是提款機，有80% 左右的交易都是在ATM完成的。 因此，花旗銀行定期進行服務產能調查，以分析顧客等候時間以及增設自動櫃員機的必要性。 由花旗銀行蒐集的資料顯示顧客到達的時間是一個卜瓦松分配，利用卜瓦松分配，花旗銀行可以計算任何時間到達卡片銀行中心的顧客人數的機率，以決定最適的自動櫃員機數目。 離散機率分配 5.1 隨機變數 離散隨機變數實例 例如將會計師資格考試視為一個實驗，該考試分為四個項目。令離散隨機變數 x＝已通過的會計師資格考試項目的數目，則此隨機變數的可能數值為0, 1, 2, 3, 4。 將汽車到達收費站視為一個實驗，令隨機變數x＝一天內到達收費站的車輛數，則x的可能值為0, 1, 2, ...，因此x為一離散隨機變數，它可能是無窮數列中的任一個值。 連續隨機變數實例 某保險公司正在觀察保戶的來電情況，令x＝ 兩通來電的時間間隔，則此一隨機變數的範圍為x 0。事實上，x的可能值有無限多個，如1.26分、2.751分、4.3333分等。 長達90哩的某段公路，緊急救護站位於公路一端，我們定義一隨機變數x＝ 公路上發生意外事件的位置，則 x 為一連續隨機變數，其值的範圍為0 x 90。 評註 決定隨機變數為離散或連續隨機變數的一種方法是以一線段代表隨機變數的可能範圍，將隨機變數的可能值視為線段上的點，在線上選擇兩個表示隨機變數值的點，如果兩點間的所有點都是隨機變數的可能值，則該隨機變數為連續變數。 離散機率分配 離散機率分配實例 DiCarlo汽車銷售公司根據過去300天的銷售狀況得知，有54天沒有賣出任何汽車，有117天賣出1輛汽車，有72天賣出2輛，有42天賣出3輛，有12天賣出4輛，有3天賣出5輛。 表5.3所示該汽車銷售公司每天銷售汽車數的機率分配。 離散機率分配實例 機率函數也可以用圖形的方式來表達。圖5.1中隨機變數x的值列於橫軸，相對應的機率值列於縱軸。 離散型均勻機率分配 離散型均勻機率分配實例 以丟擲骰子的實驗為例，定義隨機變數x為丟擲一骰子之後出現的點數。因此，n＝6代表可能出現6種隨機變數值，x ＝1, 2, 3, 4, 5, 6，可定義此隨機變數的機率函數為： f(x)＝1 / 6　　　x＝1, 2, 3, 4, 5, 6以下為隨機變數x的可能值及其對應的機率。 離散型均勻機率分配實例 另一個例子，假設隨機變數x及其離散機率分配如下表所示。 上表的機率分配亦可由如下的公式來定義。 5.3 期望值與變異數 期望值與變異數實例 以5.2節DiCarlo汽車銷售公司為例，我們來看看汽車銷售數量的期望值是如何計算出來的。 期望值與變異數實例 表5.5中 xf(x)欄的加總是1.5輛。因此可知，雖然每個營業日的汽車銷售量可能是0, 1, 2, 3, 4或5輛，但長期而言，汽車公司可以預期每天平均銷售1.5輛車。假設該公司每月營業30天，則可預期每月平均銷售量為 30 (1.50)＝45輛。 表5.6是DiCarlo汽車公司日銷售量之機率分配的變異數計算過程。由該表可知其變異數為1.25。 期望值與變異數實例 5.4 二項機率分配 二項實驗(binomial experiment)具有以下四個特性。 二項實驗實例 圖5.2表示一個包含8個試驗的二項實驗的可能結果之一。此圖顯示的是成功5次、失敗3次的情形。 二項實驗實例 在二項實驗中，我們有興趣的是n次試驗中成功的次數。令x代表成功的次數，x的可能值為0, 1, 2, 3, ... , n。由於x的可能值為有限個，因此x為一離散隨機變數。此隨機變數的機率分配稱為二項機率分配(binomial probability distribution)。 二項實驗實例 例如擲一枚硬幣5次，觀察總共出現幾次正面 此實驗包含5個相同的試驗，每一試驗為擲一枚硬幣。 每一試驗有兩個可能的結果：正面或反面。我們可以定義正面表示成功，反面表示失敗。 對每個試驗而言，出現正面的機率是0.5，出現反面的機率也是0.5。 每一試驗皆彼此獨立，因為每一試驗彼此互不影響。 因此，滿足二項實驗的特性。而我們有興趣的隨機變數x是5次試驗中正面出現的次數，在本例中x的可能值為0, 1, 2, 3, 4, 5。 二項實驗實例 有一保險業務員隨機拜訪10個家庭，若該家庭購買保險，則視為成功事件，不購買保險則視為失敗。依據過去的經驗顯示，家庭會購買保險的機率是0.1，現在看看這是否為二項實驗。我們觀察到： 這個實驗含10個相同的試