根據實驗或歷史資料來進行機率指派.ppt

第 4 章機率導論 實驗、計數法則以及指派機率 事件與事件機率 機率的基本關係 條件機率 貝氏定理 機率 機率是某事件發生可能性的數值衡量。 機率值永遠介於 0 與 1 之間 。 機率值接近 0 表示非常不可能。 機率值接近 1 表示幾乎確定會發生。 機率為 0.5 意指事件發生與否的可能性相同。 機率是發生可能性的一種數值測量 實驗及其樣本空間 實驗(experiment)為產生有清楚定義的結果的一個過程。 樣本空間為一實驗的各種可能結果所成的集合。 樣本點(sample point)是樣本空間的一個元素、任何一個特定的實驗結果。 範例 　 　實驗 　　實驗結果 擲一硬幣 　正，反 選擇一零件進行檢驗　良品，不良品 擲一骰子 　1, 2, 3, 4, 5, 6 當我們擲一枚硬幣時，其實驗結果為出現正面或反面，如果我們定義 S 為其樣本空間，則 S 為： S = {正面，反面} 檢驗一零件，其樣本空間為： S = {不良品，良品} 擲一顆骰子，可能的實驗結果是擲一顆體骰子出現的點數，則其樣本空間為： S = {1, 2, 3, 4, 5, 6} 多重步驟實驗的的計數法則 如果有一個實驗可分成 k 個步驟來描述，而第一個步驟有n1個可能結果，第二個步驟有n2個可能結果，其他依此類推，則此實驗共有 (n1)(n2) . . . (nk) 個實驗結果；即整個實驗的可能結果數為各步驟結果數的乘積。 樹狀圖(tree diagram)是一種可以協助我們瞭解多重步驟實驗結果的圖形。 範例 以擲兩個硬幣為例 　　我們剛才已經說明其可分為兩個步驟，每個步驟皆有兩個可能的結果會出現(n1 = 2, n2 =2) ，因此這個實驗共有(n1)(n2) = (2)(2) = 4 個可能的實驗結果。而如果擲六個硬幣的話，則包括(2)(2)(2)(2)(2)(2) = 64 個結果。 範例 丟擲兩個硬幣的樹狀圖 組合的計數法則 　另一個有用的計數法則是從 N 個個體中取出 n 個個體時，共有幾種取法。 從 N 個個體中一次取 n 個的取法共有： 其中 N! = N(N - 1)(N - 2) . . . (2)(1) n! = n(n - 1)( n - 2) . . . (2)(1) 0! = 1 排列計數法則 第三個計數法則為當我們由 N 個個體抽出 n 個，而且抽出的順序也必須列入考慮，即相同的 n 個個體，以不同的順序抽出時，每一個抽出方法被視為不同的實驗結果。 從 N 個個體抽出 n 個來排列的取法一共有： 指派機率 古典法 適用於各實驗結果出現的可能性皆相等時。 相對次數法 根據實驗或歷史資料來進行機率指派。 主觀法 以管理者主觀判斷進行機率指派。 古典法 　如果一實驗可能出現 n 個結果，則各實驗結果發生的機率各為1/n 。 Example 實 驗：擲骰子 樣本空間： S = {1, 2, 3, 4, 5, 6} 機 率：每一樣本點發生的機率值各為1/6 。 範例 相對次數法 　在連續20天的上午9點，在醫院X光部門記錄等待的病人數，得到以下的結果： 　需要等待的病人人數　該結果發生的天數 0 2 1 5 2 6 3 4 4 3 　　 總和 20 範例 相對次數法 利用上述資料，我們可計算指派病人等待的機率如下表： 需要等待 該結果 的病人人數 發生的天數 機率 0 2 0.10 = 2/20 1 5 0.25 = 5/20 2 6 0.30 etc. 3 4 0.25 4 3 0.05 20 1.00 主觀法 當經濟趨勢及公司環境快速變化時，只根據歷史資料來估計機率是不適當的。 我們可利用所有可用的資料加上經驗與直覺。然而，所指派的機率值表示某特定實驗結果將發生的一種信心程度(degree of belief)。 最好的機率估計往往是將主觀機率估計配合古典法或相對次數法。 範例 KPL問題基於相對次數法的機率指派 樣本點 計劃完成時間