Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

第 5 章第 5 章 機率論與機率分配. 5-1 機率定義的確立 (1/2)  隨機實驗 1. 每次試驗中可能出現的結果,不止一種情況, 但出現的情況是已知的 2. 一次只會出現其中一種結果,但在未真正試驗 之前,無法確知那種情況會發生 3. 試驗可在相同的情況下,重複進行  出像:係指試驗所有可能出現的情況.

Παρόμοιες παρουσιάσεις


Παρουσίαση με θέμα: "第 5 章第 5 章 機率論與機率分配. 5-1 機率定義的確立 (1/2)  隨機實驗 1. 每次試驗中可能出現的結果,不止一種情況, 但出現的情況是已知的 2. 一次只會出現其中一種結果,但在未真正試驗 之前,無法確知那種情況會發生 3. 試驗可在相同的情況下,重複進行  出像:係指試驗所有可能出現的情況."— Μεταγράφημα παρουσίασης:

1 第 5 章第 5 章 機率論與機率分配

2

3 5-1 機率定義的確立 (1/2)  隨機實驗 1. 每次試驗中可能出現的結果,不止一種情況, 但出現的情況是已知的 2. 一次只會出現其中一種結果,但在未真正試驗 之前,無法確知那種情況會發生 3. 試驗可在相同的情況下,重複進行  出像:係指試驗所有可能出現的情況

4 5-1 機率定義的確立 (2/2)  樣本點:以座標圖中的一個點來表示出 像的情況  樣本空間:是指所有可能出象  事件:係指樣本空間內的一個部分集合  機率定義:事件 A 之機率、樣本點數 n 與 樣本點數 N 之比 P(A) = n N

5 P.108

6 P.109

7 5-2 機率的運算 (1/3)  任何事件 A 發生的機率必大於或等於 0 , 即 P(A) ≧ 0  設 S 為樣本空間,即 P(S)=1  設 A 1 , A 2 ,...為互斥事件,即 P(A 1 ∪ A 2 ... )=P(A 1 )+P(A 2 )+ ... 所謂互斥事件即 A 1 ∩A 2 ... =ψ

8 5-2 機率的運算 (2/3)  餘事件的機率:設 A` 為事件 A 之餘事件, 則 P(A`)=1-P(A)  機率的加法定理:若 A , B 為任意兩事件, 則事件 A 或 B 發生之機率為 P(A ∪ B)=P(A)+P(B)-P(A∩B)  機率的乘法定理:若 P(A)≠0 則 P(A∩B)=P(A) . P(B|A) 或 P(A∩B)=P(B) . P(A|B)

9 5-2 機率的運算 (3/3)  互斥事件:即兩事件不可能同時發生, A∩B=ψ (A 與 B 沒有交集 )  條件機率: A 事件發生後再發生 B 事件的機率 其中 P(A)≠0  獨立事件: A 事件是否發生對 B 事件毫無影響, 即 P(B|A)=P(B) , P(A|B)=P(A) 且 P(A∩B)=P(A) . P(B) P(B|A) = P(A∩B) P(A)

10 5-3 貝氏定理  了解樣本空間以求算某一事件發生的機 率,這種機率稱為事前機率。獲得一些 與事件有關的資訊,再回過頭來修正事 前機率,稱為事後機率 P(A|B) = P(A∩B) P(B) = P(A) . P(B|A) P(B) P(B) = Σ P(A i )P(B|A i ) 稱為全機率 S i=1

11 P.116

12

13 P.119

14 5-4 隨機變數與機率分配  隨機變數是函數,其定義域為樣本空間, 值域為實數  所謂隨機,是指隨機實驗  所謂變數,是指樣本出象的一個量的分 類標準,變數可能產生的數值,稱為變 量

15 若以函數表示即 X(S)=x ,隨機變數 X 即為函數, S 為定義域, x 為值 域

16 5-4.3 隨機變數的種類  間斷隨機變數:變量是有限個,或是無 限個但可計數著  連續隨機變數:是無限個變量且不可計 數

17 5-4.4 機率分配  機率分配指隨機變數之各變量發生的機 率。機率分配亦為函數的一種,稱為機 率函數  機率分配的種類 1. 間斷機率分配:將間斷隨機變數 X 其所有變 量 x ,與其變量所對應的機率 f(x) 之關係列表 表示或以函數 f(x)=P(X=x) 表示  連續機率分配:設連續隨機變數 X ,其 f(x) 為 一連續函數且 f(x) 曲線下之面積為 1

18 P.123

19

20 P.124

21

22 P.126

23

24 P.127

25 5-5 期望值與變異數  期望值係以機率分配的觀點,來解釋的 平均數  期望值是根據機率分配的機率所計算, 而算術平均數是根據實際次數分配的相 對次數所計算  期望值的性質  設 b 為常數,則 b 之期望值 E(b)=b  設 X 為一隨機變數, a 為常數,則 E(aX)=aE(X)  E(aX+b)=aE(x)+b μ =E(X)=Σ x . F(x)= Σxf(x) x 屬於 X(s)

26 5-5.2 變異數  Var(x)=E[X-E(X)]  V(X)=E(X )-[E(X)]  變異數的性質  設 b 為常數,則 b 之變異數 V(b)=0  設 a 為常數,則 V(ax)=a V(x)

27 5-6 謝氏定理之重述 P( |X- μ | ≦ Z σ ) ≧ 1- 1 Z 2 Z P( | | ≦ Z ) ≧ X- μ σ σ 其中 Z= 為標準隨機變數,其中 E(Z)=0 , V(Z)=1

28 P.136

29

30 P.137

31

32 P.140

33 P.141

34 P.142


Κατέβασμα ppt "第 5 章第 5 章 機率論與機率分配. 5-1 機率定義的確立 (1/2)  隨機實驗 1. 每次試驗中可能出現的結果,不止一種情況, 但出現的情況是已知的 2. 一次只會出現其中一種結果,但在未真正試驗 之前,無法確知那種情況會發生 3. 試驗可在相同的情況下,重複進行  出像:係指試驗所有可能出現的情況."

Παρόμοιες παρουσιάσεις


Διαφημίσεις Google