随机变数与机率分布.PDFVIP

隨機變數與 機率分佈 鑽研隨機現象的特性下，我們已在第 2 章介紹過各種事件的相關陳 在 述了，但這些事件的陳述是架構在較簡單的情形上，由於這些事件 的關係可以相當複雜，所以架構一個有規範且一致的處理程序是需要的。 其中，為了達成處理上的一致性，步驟之一便是將隨機實驗的所有可能結 果都以一個實數表示，藉由這種觀念，每當執行隨機實驗時，直接用一個 實數來代表一種結果，會比於直接利用結果本身的物理描述方便許多。舉 個例子來說，當某個隨機實驗的結果成功或失敗時，則我們可恣意地指派 數字 1 為「成功」之事件，而數字 0 指定給「失敗」之事件，因此其相對 的樣本空間 (sample space) 將變成 {1 , 0} ，取代原本的 { 成功、失敗 } ，其 中結果為「1 」的意思就是實驗結果為「成功」。 經由這種程序，不但讓我們可以用實數所組成的新樣本空間，來取代 原隨機實驗的樣本空間，更提供了在機率運算上的算數工具。另外，在科 學與工程的領域裡，大部分的問題都在處理量值的測試。因此，對許多感 興趣之隨機實驗而言，其相關的樣本空間均由實數所組成，如此一來就達 成程序之目的，使隨機實驗一致化。進一步來說，建立在這種一致化觀念 上，我們才能夠介紹變數 X ，代表某個隨機實驗，而其值即為隨機實驗的 43 44 機率與統計 結果，且以實數來取代之。上述所談，孕育出隨機變數的觀念，而更明確 的說明將在往後詳加說明。 3.1 隨機變數 在機率空間下，考慮一個隨機實驗，其輸出為樣本空間 S 內的元素。 為了替隨機變數架構出一個模型，假設每一個 s 都可對應一個 X (s) 的實 數值，且遵循某種規則，可發現 X (s) 是一個定義在機率空間內的實數點 函數 (real-valued point function) ( 參考下列的定義 3.1) 。 3.1 點函數 X (s) 稱之為隨機變數 (random variable) ，如果在下列條件成 立：(a) X (s) 是定義在其機率函數的隨機實驗中樣本空間 S 裡，且為有限 實數點函數；(b) 對於所有的實數 x ，集合{s :X (s) ≤x} 為一個事件。X X (s) 的關係代表樣本空間 S 裡的每一個元素 s ，映至實數軸R 1 (−∞, ∞) 上的某一個點 X 。 為了方便起見，對於在 s 與隨機變數 X (s) 之間的符號關係略而不談。 在定義 3.1 裡的第二個條件又稱為可量測性條件 (measurability condi- tion) 。這項條件確保了每一個x ，對於事件X ≤x 的相關機率是有意義 的。更廣泛來說，其確保該事件之任何有限或是可數無窮組合的機率也是 有意義的。 為了進一步瞭解隨機變數在隨機現象裡所扮演的角色，再次考慮一個 簡單的隨機實驗，其可能結果為成功或失敗，在此，用「1 」代表成功的事 件，「0 」代表失敗的事件，並假設 X 是該實驗的隨機變數，則 X 只有兩 種結果：1 和 0 。此外，在這個例子裡，以下的陳述是相同的： 第 3 章 隨機變數與機率分佈 45 • 實驗結果為「成功」； • 實驗結果是「1 」； • X 1 。 如果隨機變數 X 被定義在有限或可數無窮個樣本點的樣本空間裡，則 稱該隨機變數 X 為離散隨機變數 (discrete rand