品质统计原理——常用的机率分布与统计分布.docVIP

授 课 目 录 第1章导论 第 2章 统计资料的整理与描述第 3章 机率导论 第 4章 常用的机率分布与统计分布第 5章 描样方法与描样分布 第 6章 统计估计第 7章 统计检定第 8章 变异数分析 第 9章 相关分析与回归模式第 10章 无母数统计检定 第 11章 类别资料分析 --- 列联表与卡方检定 第四章 常用的机率分布与统计分布 一组样本资料常呈现某种特殊型式的机率分配。 当获得母 体的样本资料时，须从各种机率分布当中， 选择出最接近该母体的机率分布 ，使样本资料与母体参数有最佳的推论与检定能力。 常用的机率分布有：离散型与连续型二大类。 离散型机率分布 离散型机率分布 (p) --- 常见有二项分布、卜氏分布、离散型均匀分布、超几何分布。 若一随机实验只有成功和失败两种结果，事件成功发生 的机率为 p，事件失败发生的机率为 1- p。令随机变数 x = 1 代表成功的事件， x = 0 代表失败的事件，此称随机变数 X 服从白努利分布 (Bernoulli Distribution) 。 x 1 0 P(x) p 1- p E[X] 1′ p p 0′(1 - ) V[X]=E[X 2]-(E[X]) 2 p p (1- ) p(x) = P(X=x) = px(1- p ) 1-x 二项分布 (Binomial) --- 执行 n 次白努利随机试验，事件成功发生的机率为 p，事件失败发生的机率为 1- p。通常以随机变数 X~B(n, p) 表示。 其机率密度函数与累积分布函数为： p(x) = C(n, x) px (1- p) n-x x =0, 1, ,n F(x) =? xk =0 C(n, k) p p k (1- ) n-k 其期望值与变异数为： E[X] = n p p p ) V[X] =n (1- ◎二项式分布当 n 很大或 p 接近时呈常态分布， np 接近 1 TPeak Out ， pT 右偏， pT 左偏 Excel : pp. 99-100, Bernoulli Distribution pp. 101-110, Binomial Distribution 范例、致远管理学院约有 40%的学生喜欢打篮球，兹随机机 访问 1 个学生，试问 (a) 此学生喜欢打篮球的期望值与 变异数 (b) 随机机访问 5 个学生， 此 5 个均喜欢打篮球 的期望值与变异数 有 2 个均喜欢打篮球的期望值与变异 数 至少有 3 个喜欢打篮球的期望值与变异数 SOL：公式、查表、 Excel(binomdist(x,n,p,true)) 令随机变数 X 代表喜欢棒与否，则 ( 注意 :N/Y) E[X] = p = V[X] = p p (1- ) = 令随机变数 X 代表喜欢棒的人数，则 ( 注意 : 人数 ) E[X] = n p = 5* = 2 V[X] = n p(1- p) = P(X=2) = C(5,2) 2 3 = /binomdist(2,5,,false)/ P(X33)=1-P(X ￡2)= /1-binomdist(2,5,,true)/ 范例、工管系期末考统计学出 20 题选择题 (4 选 1) ，每题 5 分。某学生采完全以猜的方式作答，试问 (a) 此学生答 对数的期望值与变异数 (b) 此学生期末考统计学分数 的期望值与变异数 (c) 此学生考及格的机率 (d) 此学 生最多考 40 分的机率 SOL：公式、查表、 Excel 令随机变数 X 代表此学生答对题数， 则 ( 注意 : 题数 ) E[X] = n p = 20* 1/4 = 5 V[X] = n p p (1- ) = 分数期望值 ( 注意 : 分数 ) E[5X] = 5E[X] = 25 V[5X] = 25* = 此学生须答对 12 题以上才能及格，因此， P(X 3 12) = 1- P(X 12) = 1-binomdist(11,20,,true)/ P(X ￡ 8)= /binomdist(8,20,,true)/ (2) 卜氏分布 (Poisson) --- 在一个单位时段或区域内， 某事 件发生的次数 。通常以随机变数 X~Poi(m) 表示 。其机率 密度函数与累积分配函数为： p(x) = e -mmx/x! x = 0, 1, x -m k F(x)= ? k =0 e m/k! 其期望值与变异数为： E[X] = m V[X] = m 离散型随机变数 X 具有卜氏分配时，有下列特性 每一个时段或区域内事件的发生皆是相互独立。 在一固定时段内，事件发生的机率p 均相同。 卜氏分配可由 n 很大时的二项分配逼近 x p n-x