分佈函數與機率密度函數
對一隨機變數, 其累積分佈函數(cumulative distribution function, 縮寫為c.d.f.), 通常簡稱為分佈函數, 縮寫為d.f., 又稱分布函數, 或分配函數:
如果隨機變數很清楚, 也可只寫成。 分佈函數是一定義域為實數, 對應域為區間的函數。完全不同的機率空間, 是可能得到相同的分佈函數。
分佈函數是定義在整個實數上, 而非只定義在取值的集合 。
設隨機變數之分佈函數為, 則對, 因 , 故
即
以表示出一些與有關之常見事件的機率如下: 之圖形在跳升之高度, , , , . 又對, , , , .
例 2. 投擲一出現正面的機率為之銅板, ,
直到出現一正面才停止。令表總共之投擲數。則
例 3. 設
圖4.2給出之圖形。為一連續函數, 滿足定理1中之四個條件, 故為一分佈函數。
圖4.2 例 3中之圖形
圖 4.3 , , 之圖形
隨機變數之分佈函數若為連續函數, 便稱為連續型; 若為階梯函數, 便稱為離散型。也可稱分佈函數為連續型或離散型。不過也有既非離散亦非連續的隨機變數。 離散型隨機變數, 其分佈函數的圖形, 有跳升之處的集合, 必為可數的, 可能是一有限集合, 或可數的無限集合。
在同一樣本空間, 可以有不同的隨機變數, 但分佈函數卻相同, 在不同的樣本空間, 亦可分別定義隨機變數, 而有相同的分佈函數。
故與有相同的分佈函數, 即
。
雖
時不一定導致,
但卻必導致
。此因
對一隨機變數, 除了伴隨分佈函數, 亦有一與其關係密切的函數, 即機率密度函數(probability density function, 縮寫為p.d.f.), 或是機率質量函數(probability mass function, 縮寫為p.m.f.), 前者是對連續型, 後者是對離散型。不過為了簡便, 通常我們不分連續或離散, 皆說是機率密度函數。
例 6. 設隨機變數之機率密度函數為
求(i)其分佈函數為何?
圖4.5 例 7中之圖形
對連續型的隨機變數, 由於, , 即取任一定值的機率為0。故
。
由微積分基本定理(Fundamental Theorem of Calculus),
若為連續函數, 則由(4.7)式,
例 9.考慮標準的羅吉斯分佈, 即
一函數若滿足,
, 便稱為偶函數(even function)。偶函數之圖形對稱於。
若存在一常數, 使得
或等價地
便說
對稱於
。即若一隨機變數之p.d.f.對稱於,
便稱其分佈對稱於。分佈函數若滿足
或等價地
便稱分佈對稱於。函數若滿足, , 便稱為奇函數(odd function)。 連續型的分佈不一定有機率密度函數, 此因一連續函數不一定可微。 對連續型的隨機變數, 除非特別聲明, 我們均假設其機率密度函數存在。
例 10. 設函數 (i) (ii)
對一隨機變數, 以為分佈函數, 為機率密度函數, 有時可以或表之。若 , 也可以表之。對一隨機變數, 給定其機率密度函數, 或分佈函數, 或其他可以唯一決定其機率如何分配的規則, 皆稱為給定其分佈。 給一非負的函數, 只要其圖形與軸間之面積為1, 便是一機率密度函數。最簡單的機率密度函數, 是在一有限的區間中為常數。即設有一區間, , 且在該區間為一常數。即
具有這種機率密度函數的隨機變數, 稱為在區間有均勻分佈(uniform distribution), 以 表之。 例 11. 考慮如圖4.9之函數的圖形, 其中, 且,=。求其機率密度函數及分怖函數。
圖4.9 例 12中之圖形
例 12. 假設我們希望圖4.10中之圖形為一機率密度函數的圖形。則機率密度函數為何 ?
圖4.10 例4.13中之圖形
例 13. 設隨機變數之機率密度函數為
圖4.11給出之圖形。
圖4.11 例 14中之圖形 對連續型的隨機變數, 不只機率密度函數的值可大於1, 也可不為有界(bounded)。所謂有界即存在一常數, 使得, 。
(i) 之值。
進一步閱讀資料:黃文璋 (2003) . 基本概念。數理統計講義第一章。國立高雄大學應用數學系。
|