Professional Documents
Culture Documents
Chapter3 v1
Chapter3 v1
隨機變數與機率分佈
3.1 隨機變數的觀念
統計實驗(statistical experiment)是用來描述一個會產生
數個偶然性結果的實驗程序。
測試數個電子元件就是一個典型的統計實驗。
定義 3.1
隨機變數 (random variable) 是一個實數的函數,
其定義域為樣本空間而其值域為實數。每個樣本
空間的樣本依照隨機變數都有一個定義的實數。
何謂定義域與值域?
085
範例3.2
某儲藏室管理員將 3 頂安全帽隨機交還給先前
存入帽子的 3 個煉鋼廠員工:Smith、John、
Brown。為了方便,我們分別以 S、J、B 來表
示。
如果 S、J、B 等3人依序拿到 1 頂安全帽,請列
出其拿到安全帽的所有可能之樣本空間,並且
以一隨機變數 M 及其數值 m 來表示該安全帽正
確的交還給主人的匹配數。
086
範例3.3
若來自某一生產線上的電子元件都會被載明其為
「有瑕疵」或是「無瑕疵」。定義一二位元隨機
變數 X 如下
1 , 元件有瑕疵
X
0 , 元件無瑕疵
利用二位元隨機變數可以很輕易的表示該生產線
上電子元件的檢測狀況。
利用0或1描述兩個可能實驗結果的隨機變數稱為
白弩利隨機變數 (Bernoulli random variable)。
087
範例3.5
假設某抽樣計畫會從生產程序裡一直抽樣,直到其
觀察到一件瑕疵品為止。我們想觀察在此抽樣計畫
中會連續抽樣多少件產品。定義一隨機變數 X 為實
驗中第一次觀察到是瑕疵品的抽樣數。假設 N 代表
該測試品是無瑕疵的事件,而 D 則表示該測試品是
有瑕疵的事件。
若 抽 樣 實 驗 結 果 為 S {D}, 則 ;若樣本空間
為 S {ND} ,則 ;若樣本空間為 S {NND} ,
則 ,依此類推。
087
範例3.6
我們對在市場調查中人們會回應某種郵購商品
的比例感興趣。
定義一隨機變數 X 代表此市場調查的實驗結果。
x 的範圍是
088
範例3.7
令 X 為一隨機變數,代表在高速公路上一雷達
測速器連續察覺有超速車中間的等待時間(以小
時計)。
隨機變數 X 的值是 的任意數。
088
3.1 隨機變數的觀念
定義 3.2
如果一個樣本空間中包含有限多個樣本點,或者為可數之
無窮多個樣本點,則我們稱其為離散的樣本空間 (discrete
sample space)。
離散隨機變數
定義 3.3
如果樣本空間包含不可數之無窮多個的樣本點,其數目等
於一實數線上所有的可能點,則我們稱其為連續的樣本空
間 (continuous sample space)。
連續隨機變數
088
3.2 離散機率分佈
數學函數 f(x) 稱為基於一離散隨機變數 X 的
機率函數 (probability function)、機率質量函
數 (probability mass function) 或 機率分佈
(probability distribution)。
一言以蔽之:
089
3.2 離散機率分佈
定義3.4
數對 ( x , f ( x)) 為離散隨機變數 X 的機率函數
(probability function) 、 機 率 質 量 函 數 (probability
mass function) 或機率分佈 (probability distribution),
則對每個可能的結果 x,該數對滿足 ( x , f ( x))
1. f ( x) 0
2. f ( x) 1
x
3. P( X x) f ( x)
090
範例3.8
假設在賣場裡,每 20 台個人電腦中有 3 台是瑕
疵品。如果某個學校在該賣場中,隨機採購 2
台個人電腦,請問是瑕疵品的個數之機率分佈
為何?
090
範例3.9
如果某汽車代理商所賣的進口車中有 50% 配備
有安全氣囊。請問該代理商之業務隨機賣出的
4 輛車中,其配有安全氣囊的機率分佈為何?
090
3.2 離散機率分佈
定義 3.5
若函數 f(x) 為一離散的隨機變數 X 的機率分佈,
則 該 隨 機 變 數 的 累 積 分 佈 函 數 (cumulative
distribution function) 定義為
F ( x) P( X x) f (t ) ,對任意一個
tx
x
一言以蔽之:
091
範例3.10
請求出範例 3.9 之隨機變數 X 的累積分佈函數 F(x),並
利用 F(x) 來證明 f (2) 3/ 8 。
F(0.7) = ? F(1.6) = ?
091
3.2 離散機率分佈
機率質量函數圖
機率直方圖
離散累積分佈函數圖
093
3.3 連續機率分佈
若 X 為連續隨機變數,且用函數 f(x) 來表示其
機率分佈,則 f(x) 稱為連續隨機變數 X 的機率
密度函數 (probability density function, PDF),
或簡稱密度函數 (density function)。
094
3.3 連續機率分佈
圖 3.4 就是幾個典型的密度函數的圖形,其中
橫軸為隨機變數 x,而縱軸為對應之函數 f(x) 值。
f(x) 被稱為機率密度函數,是因為函數曲線下任
一區間的面積,即為該區間事件的機率值。
095
3.3 連續機率分佈
若我們關心 (a X b) 之事件,則該事件的機率
值等於機率密度函數 f(x) 在座標 x a 和 x b
之間的陰影面積。由微積分的積分定義可得
b
P ( a X b) a
f ( x)dx
P(a X b) ?
P(a X b) ?
095
3.3 連續機率分佈
定義 3.6
函數 f(x) 是一個連續隨機變數之機率密度函數
(probability density function),簡單記為pdf,則
的定義域是整個實數,且其值滿足
1. f ( x) 0 ,對任何一個實數 x
2. f ( x)dx 1
b
3. P ( a X b) a
f ( x)dx
096
範例3.11
假設在控制實驗室中,實驗的反應溫度誤差是
連續隨機變數 X,且其機率密度函數為
x2
, 1 x 2
f ( x) 3
0 , 其他
096
3.3 連續機率分佈
定義 3.7
若 f(x) 是一連續隨機變數 X 的密度函數,則 F(x)
其累積分佈函數(cumulative distribution function)
定義為
x
F ( x) P( X x )
f (t )dt , x
096
範例3.12
已知範例 3.11的密度函數 f(x),請求出其 F(x) ,
並以 F(x) 求出 P(0 X 1) ?
097
範例3.13
美國能源部 (DOE) 將所執行之計畫採購公開招
標,並且大致的估計出其計畫的合理底標,我
們以變數 b 來表示。假設 DOE 最後決定之公開
招標之密度函數如下
5 2
, b y 2b
f ( y ) 8b 5
0 , 其他
098
3.4 聯合機率分佈
在測量受控制的化學藥品實驗中,化學反應所
產生的化學沈澱物的質量 P 以及其釋放出的氣
體流量 V,因此變數組 ( p , v) 組成了一個2-維
(two-dimensional) 的樣本空間
098
3.4 聯合機率分佈
假設 X 和 Y 為 2 個離散隨機變數,對於 X 和 Y
它們同時發生的可能性的機率分佈,可以由一
個 聯 合 機 率 分 佈 函 數 (joint probability
distribution) f ( x , y) 來表示,亦即在隨機變數 X
和 Y 的可能值域範圍內,對任一樣本點( x , y)都有
一個對應的函數值 f ( x , y),使得
f ( x , y) P( X x , Y y)
一言以蔽之:
099
3.4 聯合機率分佈
定義3.8
函數 f ( x , y) 是離散變數 X 和 Y 的聯合機率分佈函數
(joint probability distribution) 或是聯合機率質量函數
(joint probability mass function),它滿足以下的條件:
1. f ( x , y) 0,對所有可能 ( x , y)
2. f ( x, y) 1
x y
3. P( X x , Y y) f ( x , y)
對一 ( x , y) 平面上的任一區域 A,其機率可定義為
P[( X , Y ) A] ( x , y )A
f ( x , y)
099
範例3.14
從一裝有 3 根藍原子筆心、2 根紅原子筆心以
及 3 根綠原子筆心的盒子中隨機取出 2 根筆心,
假設變數 X 代表取出的藍原子筆心數目、變數
Y 代表取出的紅原子筆心數目,請問
(a) 其聯合機率函數 f ( x , y) 為何?
(b) P[( X , Y ) A] ? 其中 A {( x , y) | x y 1} 。
099
3.4 聯合機率分佈
如果 X 和 Y 為兩個連續隨機變數,則其聯合機率密
度函數 (joint probability density function) f ( x , y) 是
位於 (x, y) 平面上一個平面函數。
定義 3.9
函數 f ( x , y) 是 X 和 Y 連續隨機變數的聯合機率密度函數
(joint probability density function),它滿足以下的條件:
1. f ( x , y) 0,對所有可能 ( x , y)
2. f ( x , y)dxdy 1
3. P[( X , Y ) A] A f ( x , y) dxdy ,假設 A 為 ( x , y) 平面上的任一
區域。
100
範例3.15
有一間公司的獨家秘方包含兩道獨特的手續。假設
變數 X 和 Y 分別代表在某一天該公司所使用兩種不
同手續的比例。我們假設其聯合密度函數可由以下
的函數來表示
2
(2 x 3 y ) , 0 x 1, 0 y 1
f ( x , y) 5
0 , 其他
101
3.4 聯合機率分佈
定義 3.10
已知 f ( x , y) 為 2 個離散隨機變數 X 和 Y 的聯合機率分佈,則對
於隨機變數 X 和 Y 之各自的邊際分佈 (marginal distribution) 分
別為 g ( x) f ( x , y) 以及 h( y) f ( x , y)
y x
102
範例3.16
請證明表3.1的各欄總和以及各列總和就是隨機
變數 X 和 Y 本身的邊際分佈。
102
範例3.17
請求出範例3.15的聯合密度函數 g(x) 以及 h(y)。
103
範例3.17
邊際分佈 g(x) 以及 h(y)實際上是隨機變數 X 和
Y 的機率分佈函數。
如何證明?
P(a < x < b) = ?
103
3.4 聯合機率分佈
定義 3.11
令 X 和 Y 是兩個不論是離散的或是連續的隨機變數,
則已知 X = x 時,隨機變數 Y 的條件機率分佈
(conditional probability distribution) 定義為
f ( x , y)
f ( y | x) , 假設 g ( x) 0 , 即 g ( x) 0
g ( x)
同理,已知 Y = y,隨機變數 X 的條件機率分佈為
f ( x , y)
f ( x | y) , 假設 h( y) 0 , 即 h( y) 0
h( y)
如何推導?
103
3.4 聯合機率分佈
若 X 和 Y 是離散隨機變數,且已知 Y = y,則
隨機變數 X 落在 a 和 b 之間的條件機率分佈為 ?
若 X 和 Y 是連續隨機變數,且已知 Y = y,則
隨機變數 X 落在 a 和 b 之間的條件機率分佈為?
103
範例3.18
參照範例 3.14,請求出已知 Y = 1時 X 的條件分
佈,並以此計算 P( X 0 | Y 1) ?
105
範例3.19
X 和 Y 是連續隨機變數,其中 X 是溫度的變化量,
Y 是某粒子因溫度變化所產生的光譜偏移比例,其
聯合密度函數 f ( x , y) 定義如下
10 xy ,
2
0 x y 1
f ( x , y)
0 , 其他
105
範例3.20
已知一聯合密度函數如下
x(1 3 y 2 )
, 0 x 2 , 0 y 1
f ( x , y) 4
0 , 其他
106
3.4 聯合機率分佈
統計獨立
定義 3.12
令 X 和 Y 是隨機變數 (不管是離散的或是連續的),給定
其聯合機率分佈 f ( x , y) 以及 X 和 Y 個別的邊際分佈 g(x)
以及h(y),則此隨機變數 X 和 Y 稱為 統計獨立 (statistical
independence),若且唯若,
對樣本空間範圍內的 ( x , y) 而言, f ( x , y) g ( x)h( y)
如何證明 ?
X 和 Y 不是統計獨立的充要條件為?
107
範例3.21
驗證範例3.14中的隨機變數不是統計獨立。
108
3.4 聯合機率分佈
定義 3.13
令 X1 , X 2 , , X n 為一組不管是離散的或是連續的隨
機變數,已知聯合密度分佈 f ( x1 , x2 , , xn ) 以及隨機
變數 X1 , X 2 , , X n 之個別邊際分佈 f1 ( x1 ) , f2 ( x2 ) , , fn ( xn )
,則 X1 , X 2 , , X n 稱為彼此統計獨立 (mutually
statistically independent),若且唯若,對樣本空間範
圍內的任一 ( x1 , x2 , , xn ) 而言,滿足以下的方程式
f ( x1 , x2 , , xn ) f1 ( x1 ) f 2 ( x2 ) f n ( xn )
109
範例3.22
假設某個以厚紙板包裝紙製成的生鮮食品容器的保
存期限 (以年計) 是一個隨機變數 X。已知其機率密
度函數如下 x e , x0
f ( x)
0 , 其他
令 X1 , X 2 , X 3 代表隨機選出的 3 個生鮮食品容器其
個別的保存期限,請問 P( X1 2 ,1 X 2 3 , X 3 2) ?
109