连续随机变数的机率密度函数.PPT

7.1連續隨機變數 Concept: 很多的隨機變數是不可數的: 時間,身高, 體重… 數值介於某一區間, 此區間內的數值是無限的, 不 可數的 無法像間斷隨機變數, 列出每一個隨機變量及其 對應的機率 任一點的機率為零 機率以區間面積來表示 連續隨機變數的機率可由相對次數直方圖的概念 導出 連續隨機變數的機率密度函數 設X為連續隨機變數, 其值為a≦X ≦b, 若f(x)滿足下列二條件，則f(x)為X的機率密度函數(probability density function), 簡稱pdf 對所有的x而言，f(x)?0。 。 說明: 1. 在連續隨機變數的機率分配曲線下, 任兩點之間的機率  大於等於0小於等於1. 2.連續隨機變數的機率分配的機率總和等於1. 7.2 常態分配 資料特性: 大多集中於平均數附近, 特別大和特別小的數值不多, 且對稱分布於平均數的兩邊. 次數分配曲線像鐘型(bell-shaped) 數值絕大部分集中於離平均數3 個標準差之內. 常態機率密度函數 此處?為平均數，?為標準差，?＝3.1416，e=2.7183。 ? 和? 為常態分配之參數，一般以X~N(?, ?2)表示之。 常態分配之性質 不同的平均數和標準差形成不同的常態分配（見 圖7.2與圖7.3 ）。 常態分配係以平均數?為中心的對稱分配，即平均數、中位數及眾數都相等。 常態機率函數下之面積總和等於1 。 常態分配曲線的尾部兩端無限延伸。 較常用的常態分配機率範圍見圖7.4。 常態分配圖比較 常態分配的機率範圍 7.3 標準常態分配 標準常態分配(standard normal distribution)： 當一常態隨機變數之期望值為0且變異數為1時，一般以Z~N(0, 1)表示之，其機率函數如圖7.7所示 標準常態分配圖 標準常態分配之性質 標準常態分配係以0為中心之對稱分配，即P(Z?? 0)=P(Z ? 0)=0.5。 標準常態機率函數下之面積總和等於1。 常態分配曲線的尾部兩端無限延伸。 例7.3 求P(Z0.72)之機率值。 解： 例7.3 求P(-0.12 ? Z ? 0.72)之機率值。 解： 例7.3 求P(0.12 ? Z ? 0.72)之機率值。 解： 7.4 常態分配機率之計算 X~N(?, ?2) ， X介於a和b之機率值，其程序必須先將常態隨機變數X透過標準化轉換為標準常態隨機變數Z，即 。 例7.6 大學聯考成績 某次大學聯考，考生之分數呈現常態分配，其中 ?=500、?=100，現隨機抽取一人，其成績介於325和675分之間的機率為何？ 解： 令隨機變數X定義為考生之大學聯考成績，則X之機率分配為平均數?=500、標準差?=100之常態分配，故考生成績介於325和675分之間的機率為 例7.6 大學聯考成績(續) 例7.7 續例7.6 若某生想考上國立大學，則成績須名列前15%才有希望，試問他必須考多少分才有希望考上國立大學？ 解：假設某生必須考a分才有希望考上國立大學，則 例7.7 續例7.6 (續) 因此， 查表可知 所以某生必須考604分才有希望考上國立大學。 7.5二項分配與常態分配之關係 二項分配，若試驗次數n固定，則當p0.5時，其分配呈現右偏；當p0.5時，其分配呈現左偏；當p=0.5時，其分配呈現對稱。 二項分配，若試驗次數n愈大時，則無論成功機率p值為何，其分配會愈來愈呈現對稱的情形。 在實務應用中，只要當np ? 5且n(1－p) ? 5時，則可使用常態分配作為二項分配之近似分配。 7.5二項分配與常態分配之關係(續) 連續校正因子 (correction for continuity) 二項分配係屬於間斷機率分配，其隨機變數之任一可能值發生的機率是存在的，而常態分配係屬於連續機率分配，其隨機變數之任意可能數值發生的禨率皆為0 。 連續校正因子係指加減0.5個單位。透過連續校正因子，可利用常態分配來求得二項分配的機率。 7.5二項分配與常態分配之關係(續1) 圖7.18 B(10,0.5)和N(5,2.5)之比較 7.5二項分配與常態分配之關係(續2) 圖7.19 二項分配和常態分配之比較 7.5二項分配與常態分配之關係(續3) 連續校正因子的使用方式 設X為二項分配，Y為常態分配 當計算X ? a之機率時，因包含a點，故以Y ? a－0.5之機率為近似值。 當計算X a之機率時，因不包含a點，故以Y ? a＋ 0.5之機率為近似值。 當計算X ? b之機率時，因包含b點，故以Y ? b＋ 0.5