1 / 14

機率及機率分配 ( 一 )

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 .

brigit
Télécharger la présentation

機率及機率分配 ( 一 )

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Yu, Hsiao-Li 機率及機率分配(一)

  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

  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

  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

  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

  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

  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)

  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

  9. 集合論 A C 一、集合、聯集(∪)、交集(∩) D B 二、事件的關係 1、互斥事件：事件間無共同樣本點 e.g. A & B2、獨立事件：兩事件機率不互相影響 e.g. A & C3、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

  10. 機率運算 ~A~B B • 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 C

  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?

  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) a d TP FP FN TN

  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。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。 84%×20% 16.8% 18.4% 23%×80% 35.2% 47.7% 16% 77% 64.8% 95.0% 16%×20% 77%×80% 3.2% 61.6% 80% 100% PV+ = 16.8% / 35.2% *100% = 47.7% PV- = 61.6% / 64.8% *100% = 95.0%

  14. Thank You !

More Related