2第二章机率概论.PDF

第二章 2 機率概論 2006 年 10 月 7 日 最後修改 2.1 相對次數與機率 2.2 樣本空間、事件與隨機變數 2.3 抽樣與樣本空間 2.4 事件的性質與計數法則 2.5 貝氏定理 2.1 相對次數與機率 相對次數大的組別出現的機會比較大，我們以相對次數作為該組別出現的機率。 城市 次數 相對次數 台北 13 13/34 台中 7 7/34 高雄 14 14/34 合計 34 1 機率 （probability ） 客觀相對次數，機率大表示該類別組成份子之數目比較多，因此比較容易出現。 可能性 （possibility ） 主觀相退次數，可能性大表示決策者選擇該組的傾向比較大。 範例 2.1 機率與可能性 ___________________________________________________ 陳老師在拍賣網站購買某特定商品的可能性是 30% ， 根據以往經驗，陳老師在網路上購物被騙的機率是 10% ； 所有進入某特定商品拍賣網頁的瀏覽者中，出價的機率是 5% 。 ____________________________________________________________________________ 機率的分類 古典機率 （classical probability ） 已知母體次數分配表，相對次數即該類別（事件）出現的機率。 ©2006 陳欣得 統計學—機率概論 第 2- 1 頁 經驗機率 （empirical probability ） 只知樣本次數分配表，相對次數即該類別（事件）出現的機率。 客觀機率 （objective probability ） 有真正次數分配表為依據的機率，如古典機率、經驗機率等。 主觀機率 （subjective probability ） 沒有完整次數分配表為依據，主要由人類心智判斷、產生的機率。 範例 2.2 機率與可能性 ___________________________________________________ 牛蛇對戰中，沒有牛勝的古典機率 ，因為未來的對戰情況尚未發生； 參考本球季的紀錄，牛勝的機率為 10 （經驗機率）； 16 基於牛奪冠，興隆超市會全館打折，陳老師希望牛勝的機率是 90% （主觀機率）； 考慮兩對的紀錄與狀況，陳老師認為牛勝的機率是 70% （什麼機率？）。 ____________________________________________________________________________ 量化資料的機率 質性資料不能作加法運算，在數學無法介入的情況下，能作的事並不多。 量化資料的相對次數（機率）分配表如果可以用數學公式呈現，則大有作為。 可以寫成量化資料相對次數（機率）分配表的變數稱為隨機變數 （random variables ）。 請瞭解，統計表（相對次數分配表）中的一個分組，即是隨機變數之每一個對應值。 範例 2.3 機率分配與隨機變數 _____________________________________________ 以下是量化資料的相對次數分配表，其中相對次數已經直接寫成機率 P x ：