Upload
brigit
View
71
Download
1
Embed Size (px)
DESCRIPTION
Yu, Hsiao-Li. 機率及機率分配 ( 一 ). 機率學與統計學. 統計 - 在 不確定的情況下 ,做成 決策 的一套科學方法 Q: 今年八月會發布多少颱風警報 ? 觀察 – 觀察母群 ex. 過往的八月颱風資料 假設 – 對未知的母群先給予假定的特定值 ex. 假設發布兩次轟颱緊報以上 實證 – 以機率數值幫助判斷假設之合理程度, 藉以推翻 (reject ) 或接受 (accept) ex. 過往十年,八月平均發布轟颱緊報 1.8 次,所以今年有機會沒發佈兩次以上. 機率理論. 古典機率. - PowerPoint PPT Presentation
Citation preview
1112/04/21
機率及機率分配 ( 一 )
Yu, Hsiao-Li
CONFIDENTIAL蕭子健老師實驗室
2
機率學與統計學
統計 - 在不確定的情況下,做成決策的一套科學方法Q: 今年八月會發布多少颱風警報 ?觀察 –觀察母群
ex. 過往的八月颱風資料假設 –對未知的母群先給予假定的特定值
ex. 假設發布兩次轟颱緊報以上實證 –以機率數值幫助判斷假設之合理程度,
藉以推翻 (reject ) 或接受 (accept) ex. 過往十年,八月平均發布轟颱緊報 1.8 次,所以今年有機會沒發佈兩次以上
CONFIDENTIAL蕭子健老師實驗室
3
機率理論
古典機率1
後天機率2
主觀機率3
機率公理4
CONFIDENTIAL蕭子健老師實驗室
4
古典機率
一實驗有 N 種互相排斥及同等出現可能的結果,其中含性質 A 者有 Na 種,則事件 A 發生的機率
優 –不需實驗即可知道缺 –出象無限或不明則無法使用、 每一樣本點機率不同皆無法求出機率
e.g. 投一顆骰子,出現”一點”的機率
N
NaAp
CONFIDENTIAL蕭子健老師實驗室
5
後天機率
一實驗重複試行,事件 A 發生的機率為該實驗長期試驗後,實際上 A 發生的次數 (fa) 與總次數 (N) 的比值
特 - 機率須經實驗試行才能獲得,除非以前有資料缺 - 當試驗無法重複實驗時,則不適用
e.g. 丟一枚硬幣一萬次後,算出正面的機率
N
Na
N
falimP(A)n
CONFIDENTIAL蕭子健老師實驗室
6
主觀機率
機率來自吾人對於事件 A 發生的信任程度
P(A)=( 對 A 發生的信任程度 )
特 –適用於不能實驗的事件缺 –無理論支持
e.g. 在光復路遇到飆車族的機率e.g. 顯著水準的訂定
CONFIDENTIAL蕭子健老師實驗室
7
機率公理
公理 1: 事件 A 發生的機率 P(A) 為實數,且 1≧ P(A) 0≧公理 2: 令 S 為全事件,則 P(S)=1公理 3: 設 A1 、 A2 、 A3….. 各為互斥事件, 則 P(A1 A2 …Ai) ∪ ∪ =P(A1)+P(A2)+…+P(Ai)
1P(S) 3.
E )P(E...)P(E)P(E)E...EP(E 2.
1)P(E0 1.
n21n21
i
之間為互斥事件
CONFIDENTIAL蕭子健老師實驗室
8
舉例來說 ~
今年九月有颱風侵台機率 ?古典理論先天有或沒有 P( 有 )=1/2
後天理論過往十年有八年被入侵 P( 有 )=0.8
主觀理論世界末日逼近,應該變多 P( 有 )=0.99
機率公理有颱風為一事件,其機率符合公理 1 P(≧ 有 ) 0≧
年份 近十年年平均
近十年九月平均
2008 6 3
2007 6 1
2006 7 1
2005 7 3
2004 9 2
2003 9 0
2002 3 1
2001 10 3
2000 7 1
1999 3 0
CONFIDENTIAL蕭子健老師實驗室
9
集合論
一、集合、聯集 (∪) 、交集(∩)
二、事件的關係1 、互斥事件:事件間無共同樣本點 e.g. A & B
2 、獨立事件:兩事件機率不互相影響 e.g. A & C
3 、相依事件(不獨立):一事件機率會影響另一事件機率 e.g. A & D ; e.g. C & D
A
C
B
D
C B A
CONFIDENTIAL蕭子健老師實驗室
10
機率運算
簡單事件:在機率試驗裡僅實驗一次e.g. 一顆骰子丟ㄧ次,為 2 或 6 的機率
加法定理設有 A 、 B 兩事件 P(A B)=P(A)+P(B)-P(A∩B)∪
複雜事件:凡有關機率的計算裡,利用一個個體試驗多次或數個個體試驗一次e.g. 一顆骰子丟兩次,為 6.6 的機率
乘法定理獨立事件 : P(A∩B) = P(A)P(B) 相依事件 : P(A∩B) = P(A) P(B|A) = P(B) P(A|B)
, A 、 B 事件為互斥事件
A
B
~A~B
C
CONFIDENTIAL蕭子健老師實驗室
11
貝氏定理
處理條件機率 設一實驗結果是兩種分類標準加以二重分割,
按第一種分類標準分割為 A 與 A’( 強颱 / 非強颱 ) , 按第二種分類標準分割為 B 與 B’( 九月 / 非九月 ) ,若P(A) ≠0 ,則P(B|A) = P(A∩B) / P(A) = P(B) P(A|B) / P(A) [P(A∩B) = P(A) P(B|A) = P(B) P(A|B)]
P(B|A) : A 出現後再出現 B 的條件機率 P(A|B) : B 出現後再出現 A 的條件機率
ex. 強颱情況下,是九月發生的機率 ?
CONFIDENTIAL蕭子健老師實驗室
12
舉例來說 - 健康檢查
陽性 (T+) 、陰性 (T-) 、有病 (Dx+) 、沒病 (Dx-)陽性預測值 (predictive value positive, PV+): P(Dx+|T+)=a/(a+b)陰性預測值 (predictive value negative, PV-): P(Dx-|T-)=d/(c+d)敏感度 (sensitivity, sen): P(T+|Dx+)=a/(a+c)特異度 (specificity, spe): P(T-|Dx-)=d/(b+d)盛行率 (prevalence)=(a+c)/(a+b+c+d)精確率 (accuracy)=(a+d)/(a+b+c+d)
Results of screening test (T)
Disease status (Dx)
+ - Total
+ a b a+b
- c d c+d
Total a+c b+d a+b+c+d
a
d
TP FP
FN TN
CONFIDENTIAL蕭子健老師實驗室
13
在高血糖盛行率為 20%的成人族群中,假定 84%高血糖的人,及 23%正常血糖的人會被血糖計歸類為高血糖。請問該儀器的陽性及陰性預測值。
Results of screening test (T)
Disease status (Dx)
+ - Total
+ 84% 23% a+b
- C d c+d
Total 20% b+d a+b+c+d
16%
84%×20%
16%×20%
16.8%
3.2% 77%
23%×80%
77%×80%
18.4%
61.6%
80% 100%
35.2%
64.8%
PV+ = 16.8% / 35.2% *100% = 47.7%
PV- = 61.6% / 64.8% *100% = 95.0%
47.7%
95.0%
CONFIDENTIAL蕭子健老師實驗室
14