随机变数和机率分配.pptVIP

統計學 Chapter 5 隨機變數與機率分配 Chapter 5 隨機變數與機率分配 5.1　隨機變數 5.2　機率分配 5.3　期望值與變異數 5.4　期望值與變異數的性質 5.1　隨機變數 在隨機試驗中，有時我們得到並不是數字，而是一種狀態。 隨機變數（random variables）: 　對隨機試驗所產生的樣本空間定義一個函數，滿足對此樣本空間中的每一個樣本點，都找到一函數值與其對應。 可以把隨機變數看成是一個定義在樣本空間上的實數值函數。 圖5-1　樣本空間與隨機變數之對應關係 隨機變數分為兩大類 離散型隨機變數: 若隨機變數之可能值的個數為有限個或為無限但可數的（countable） 連續型隨機變數: 可能值為某區間內的任何值，也就是無限且不可數（uncountable infinite）時 5.2　機率分配 隨機變數: 將樣本空間中的每一個基本事件數值化 進一步討論這些由基本事件數值化後所得隨機變數的發生機率，可得出機率分配（probability distribution）的概念 機率分配本質上也是一個函數 圖5-2　樣本空間、隨機變數與機率分配之對應關係 離散型機率分配 由於離散型隨機變數的可能值為有限個或可數的無限多個，因此我們可將其可能值一一列出，再分別計算其機率，如此即可構成離散機率分配。 例題5.1 令X表佳佳醫院今天早上最早出生之三個新生兒中男孩的總數，試求X之機率分配。（假設男女孩之出生機率相同） 離散型機率分配之基本性質 設X為離散型隨機變數，f (x)為X的機率分配函數，則 對於X中的每一個x，f (x) ≧0。 Σ f (x) ＝1 機率分配圖: 機率分配除了用列表及公式來表示外，也可以用圖形來表示。 有線圖和長條圖。 圖5-3　例題5.1之機率分配線圖 圖5-4　例題5.1之機率分配長條圖 累加分配函數（cumulative distribution function）: 隨機變數累加到x的機率為何。此一機率值等於所有小於或等於x之機率值的總和。 2. 連續型機率分配 設X為連續隨機變數，因為其可能值為討論區間中的任何值，因此無法討論某一特定值之發生機率，只能討論可能值落在某一區域間的機率。 直方圖來表示連續隨機變數的分配情形，但與離散型隨機變數不同的是，不以高度代表機率，而是以面積來代表機率。 連續隨機變數X之機率密度函數（probability density function）: 　能為連續隨機變數X找到一個函數f(x)，滿足X落在a與b區間的機率恰等於f(x)在a 與b區間中與x軸所圍之面積。 5.3　期望值與變異數 平均值與變異數 : 最常用來衡量這兩項測度的統計量分別為 離散隨機變數的期望值 離散隨機變數X的期望值定義如下： 此處f(xi)為隨機變數x之機率分配函數 g(X)為一隨機變數X之函數，則我們可利用X的機率分配求出g(X)的期望值。 由於X為一離散隨機變數，因此g(X)亦為一離散隨機變數 離散隨機變數的變異數 依據第三章中求母體變異數σ2的概念，將平方差 (X-μ)2 的期望值定為隨機變數X的變異數，記為Var(X)或σ2 。 離散隨機變數X的期望值定義如下： 離散隨機變數X的變異數 : 此處f(xi)為隨機變數之機率分配函數 速算公式： 5.4　期望值與變異數的性質 期望值的性質 對於一隨機變數X，若存在函數g(X)=aX+b，此處a與b為任意常數，則我們可得到X與g(X)的期望值之關係如下： 當a=0時，則得到E(b)=b 而當b=0時，則得到E(aX)=aE(X) 設X與Y為任意兩個隨機變數，則其和與差的期望值可表為下列等式： E(XY) = E(X)E(Y) E(XY) = E(X)E(Y) 而若X與Y互為獨立隨機變數時，我們可進一步得到下列結果： E(XY) = E(X)．E(Y) 變異數的性質 對於一隨機變數X，若存在函數g(X)=aX+b，此處a與b為任意常數，則我們可得到X與g(X)的變異數之關係如下： 當a=0時，則得到Var(b)=0 而當b=0時，則得到Var(aX)=a2+Var(X)。 * * *