1关於期望值的运算法则.ppt

機率分配 第6章 第一節　隨機變數 隨機變數(random variable)的定義為： 換言之，隨機變數是以樣本空間為定義域的實數值函數。 第一節　隨機變數 1.樣本點 例如投2顆骰子的36種組合，包含：(1, 1), (1, 2), (2, 1), …, (6, 6)等。 2.函數（或轉換法則） 令X=Y+Z，即X是樣本點組成元素（Y和Z）的函數，或稱Y和Z經由轉換法則而形成X變數。 3.函數值 每一樣本點通過函數關係式而變成具體數值，如樣本點(1, 2)變成X=3，樣本點(3, 4)變成X=7等。 第一節　隨機變數 間斷型隨機變數與連續型隨機變數 1.間斷型隨機變數 表示其變數的數值是可計數的(countable)間斷型數值，如硬幣出現正面數、車禍次數、投票人數。 2.連續型隨機變數 表示其變數的數值是可測量的(measurable)連續型數值，如身高、體重、時間長度等。 第二節　機率分配 間斷型機率分配 對於間斷型隨機變數X，透過機率函數或公式法則，一一計算其機率值f(xi)，則形成間斷型機率分配。間斷型機率分配可以利用表列、圖示或函數公式等方式來表示。一般以大寫英文字母X、Y、Z表示隨機變數，小寫字母x、y、z表示隨機變量，以f(x)、f(y)、f(z)等表示機率值。 第二節　機率分配 請計算投擲兩枚硬幣出現正面的隨機變數及其對應機率值，並繪製成圖、表。 令出現正面的次數為X，而f(xi)為對應機率值： 第二節　機率分配 用圖示來表示機率分配，一般常用者為線圖與直方圖兩種。線圖的縱軸代表機率大小，所以每條線長度即為其機率值。機率分配直方圖相當於相對次數（百分比）直方圖（參看單元2-44），以長方形面積表示機率大小，所以長方形面積總和等於1。 圖6-1　線　圖 圖6-2　機率直方圖 第二節　機率分配 機率函數在數學上的定義為： 第二節　機率分配 二項函數 二項函數為間斷機率函數之一種，其成立條件如下： (1)一實驗含有多次相互獨立的試行。 (2)每次試行只有成功和失敗兩種（預期發生為成功，反之為失敗）。 (3)成功的機率為p，失敗的機率為1-p，各次試行時，機率值p固定不變。 第二節　機率分配 累積機率分配 累積機率分配以F(xc)符號表示，是指自隨機變數X最小可能值的機率，一直累加到值的機率為止，即： 注意：F(x)和f(x)是不相同的。 第二節　機率分配 連續機率分配的性質 由於連續隨機變數的可能值為無限個，且為不可數，因此不同於間斷型隨機變數，可以一一列出其可能值及計算對應的機率。事實上，因它包含無限多個可能值，且每個值在數線上的落點是緊密相靠（因連續數值之故），而其機率分配是以可能值在數線上區間的機率大小來描述的。切記：一條連續變數值的數線上任一點的機率值為0，公式表達如下： 第二節　機率分配 連續機率分配曲線 在數學上，若X為一連續隨機變數，則其機率曲線的高度以f(x)函數式表示，所以要求X在某一區間(a～b)的面積，須以積分來運算，即： 第二節　機率分配 期望值的形成原理 當投擲骰子的次數n增大至無限多次時，依相對次數機率測度法得知： 所以當n增大至無限大，可以用機率代替相對次數來計算其平均數，我們稱之為期望值，寫作E(X)，其公式為： 第二節　機率分配 比較平均數和期望值： (1)平均數和期望值兩者的公式結構有些相類似，前者基於次數分配，後者基於機率分配，均可表示其集中趨勢的分配位置。 (2)當抽樣的樣本個數n不大，可應用 求得樣 本平均數；當n很大時，則應用 求得的平均數， 就等於母數 ，也表示等於期望值E(X)。所以結論為，在大樣本時， 和E(X)兩者可以交替使用。 第二節　機率分配 期望值的定義 第二節　機率分配 若隨機變數X的函數為g(X)，那麼g(X)的期望值為何？ 第二節　機率分配 依期望值定義得知： 獲得間斷型隨機變數X函數的期望值定義： 第四節　機率分配的變異數及標準差 機率分配變異數的定義為： 隨機變數X的標準差，是變異數Var(X)或 的平方根（取正號），記作Sd(X)或 。 第四節　機率分配的變異數及標準差 期望值與變異數的運算法則 1.關於期望值的運算法則 (1)已知隨機變數X之2個或2個以上函數之和，則這個和的期望值是這些函數值的個別期望值之和。 (2)若b為常數，則： 常數的期望值仍為原來的常數。 第四節　機率分配的變異數及標準差 (3)若a為常數，則： 隨機變數乘上a倍之後，新的隨機變數之期望值為 原來變數期望值的a倍。 (4)若a和b均為常數，則