# OCME 第11冊 機率入門 · v0.2

網站閱讀版 · 繁體中文

![圓形等距共同署名，不分先後。](assets/signature-circle.svg)

本作採非排序共同署名。排列位置不代表先後、地位、貢獻比例或工作分工；未列名不表示不存在，也不表示未曾參與。

出版／營運單位：EVEMISS TECHNOLOGY CO., LTD.

最終權利與授權聲明另行確認，不由署名排版或出版單位名稱代為決定。

# 第1章 樣本空間與事件

## 1.1 先列可能結果，再給機率

樣本空間 Ω 是基本結果的集合。每次試驗只落在其中一個基本結果；事件 A 是一些結果的集合，結果落入 A 才叫 A 發生。同一情境可以用不同粒度記錄：擲兩次硬幣可記「哪一次是正面」，也可只記「正面總數」。後者只有三個結果，卻不因此變成三個結果等可能。

本章採非空有限 Ω，允許任一子集作事件。在每個結果 s 放非負權重 w(s)，要求所有權重加起來是 1；事件的機率 P(A) 是其內權重之和。於是 P(∅)=0、P(Ω)=1。把 Ω 分成互不重疊且合起來為 Ω 的區塊，叫作分割；區塊機率之和也為 1。一般機率模型不一定有限，本冊先用這種可以把全部權重寫清楚的模型。

A∩B 是同時發生，A∪B 是至少一個發生，Aᶜ 是在 Ω 裡但不在 A。A 和 Aᶜ 分割 Ω，所以 P(Aᶜ)=1−P(A)。若把 P(A)、P(B) 相加，交集被算兩次，扣回一次可得 P(A∪B)=P(A)+P(B)−P(A∩B)。只有交集機率為零時，兩個機率才能直接相加。非空事件可以有零機率；空集合和零機率事件不是同一個概念。

![四個有序結果分成四格，兩項事件在雙正面的那一格重疊。](assets/f01-sample-space-events.svg)

## 1.2 四個例題

### 例題1 三種顏色不必等可能

轉盤只記錄紅、藍、綠。因扇面大小不同，模型給權重 1/2、1/3、1/6。三者和為 1，且無負值。事件「不是紅」由藍、綠組成，P=1/3+1/6=1/2；若拿兩種顏色除以三種，等於偷偷把扇面改成等大。

![三種基本結果的柱高表示權重；藍與綠合成事件，機率是兩個柱高相加。](assets/f02-weighted-outcomes.svg)

### 例題2 有序結果和計數結果

連擲兩次公平且獨立的硬幣，四個有序結果各重 1/4。把 HT 和 TH 都映到「一個正面」，故正面總數 0、1、2 的權重分別為 1/4、1/2、1/4。有序結果等可能，不表示合併後的結果也等可能。

### 例題3 交集需要扣一次

公平六面骰記點數。A={2,4,6} 是偶數，B={4,5,6} 是至少 4。交集 {4,6} 有 2 個，故 P(A∪B)=3/6+3/6−2/6=2/3；直接列聯集 {2,4,5,6} 也得 4/6。

### 例題4 非空與正機率不同

模型 Ω={晴、陰、雨}，權重為 3/4、1/4、0。「雨」事件非空，但在這個模型中機率是 0；「不是雨」機率是 1，但集合不是整個 Ω。這兩個判斷都依模型權重，不依集合大小。

## 1.3 練習

1. **B11-C01-Q01** 公平骰連擲兩次時，(1,2) 和 (2,1) 是否是同一個有序結果？
2. **B11-C01-Q02** 三個結果的權重為 1/5、1/5、3/5，求第一個或第三個的機率。
3. **B11-C01-Q03** 權重 1/2、1/3、1/3 是合法的分配嗎？
4. **B11-C01-Q04** 公平骰的事件 A 為「小於 3」，求 P(Aᶜ)。
5. **B11-C01-Q05** P(A)=1/2、P(B)=1/3、P(A∩B)=1/6，求兩事件皆不發生的機率。
6. **B11-C01-Q06** A⊆B 時，為什麼 P(A)≤P(B)？
7. **B11-C01-Q07** 已知四個互斥且窮盡的事件機率有三個是 1/8、1/4、3/8，求第四個。
8. **B11-C01-Q08** 若 P(A∪B)=1、P(A)=3/5、P(B)=4/5，求交集機率。
9. **B11-C01-Q09** 公平骰中，{1,2}、{2,3}、{4,5,6} 三組形成分割嗎？
10. **B11-C01-Q10** 構造一個 P(A)=1 但 A≠Ω 的有限模型。

## 1.4 完整解答

### Q01

不相同。第一座標記第一次，第二座標記第二次；交換座標會使兩次結果互換。若只記點數和，兩者才合併為和值 3。

### Q02

兩項結果互不重疊，故把它們的權重相加：1/5+3/5=4/5。

### Q03

不合法。雖然都非負，但加起來是 7/6，不是 1；當作 Ω 的權重會令 P(Ω)>1。

### Q04

A={1,2}，P(A)=2/6=1/3。補集含 3、4、5、6，機率是 1−1/3=2/3。

### Q05

先求聯集：1/2+1/3−1/6=2/3。兩者都不發生是聯集的補集，機率為 1/3。

### Q06

B 可拆成 A 和 B 中不在 A 的結果，兩部分互斥。第二部分的權重和非負，所以 P(B) 不小於 P(A)。

### Q07

這四個事件分割整個空間，機率和為 1。扣去已知三項 1/8+1/4+3/8=3/4，第四項是 1/4。

### Q08

由聯集公式移項，P(A∩B)=3/5+4/5−1=2/5。聯集機率為 1，不表示兩事件互斥。

### Q09

不形成。它們的聯集雖涵蓋六點，但前兩組共含結果 2，不符合分割的互斥要求。

### Q10

取 Ω={a,b}，權重 w(a)=1、w(b)=0。令 A={a}，它少了 b 而不是整個 Ω，但其權重和確實為 1。


# 第2章 有限機率與計數

## 2.1 分子與分母用同一種結果

只有有限樣本空間的基本結果都等可能時，才有 P(A)=|A|/|Ω|。先說清楚什麼算一個結果，再用第十冊的排列與組合計數。有序抽法若每條長度相同的路徑都等可能，可以在有序樣本上數；若每個無序組合由同樣多個有序結果合併，也可以改用無序組合。不能用「無序的成功數」除以「有序的總數」。

均勻不放回地從 N 件不同物品抽 n 件，每次在剩下的物品中等機率選一件。每個有序結果機率都是 1/N·1/(N−1)⋯1/(N−n+1)，忽略順序後，每個 n 件組合都集合了 n! 個這種結果，所以仍等可能。若其中 K 件符合條件，恰好取 k 件符合的機率為 C(K,k)C(N−K,n−k)/C(N,n)，其中 k 必須在兩組的可取範圍內；超出範圍為零。放回抽樣若每次獨立且等機率，則每次仍有同樣的 N 個選擇。

「至少一個」可用補集計數：「一個也沒有」往往較容易數。若要數 A∪B 而兩條件重疊，使用第 1 章的容斥，以免重算交集。

![二選一獨立重複兩次，四條有序路徑等可能；恰一正面有兩條。](assets/f03-equal-leaf-count.svg)

## 2.2 四個例題

### 例題1 比較放回與不放回

袋中有 3 紅、2 藍的不同球，每次從當下袋中均勻抽。放回且兩次獨立時，雙紅機率是 (3/5)²=9/25；不放回時，第一紅後只剩 2 紅 2 藍，雙紅是 (3/5)(2/4)=3/10。也可用不放回的無序組合 C(3,2)/C(5,2)=3/10。

![從 3 紅 2 藍抽兩次；看到紅之後，不放回時剩 2 紅 2 藍，放回時仍是 3 紅 2 藍。](assets/f04-replacement-comparison.svg)

### 例題2 分兩類選出恰好兩件

八件用品中三件是新款，均勻不放回抽三件。恰好兩件新款有 C(3,2)C(5,1)=15 組；總共有 C(8,3)=56 組，所以機率 15/56。每一組都數一次，新舊之間不再乘排列數。

### 例題3 先找唯一一種失敗

四次獨立公平擲硬幣，至少一個正面。等可能有序結果有 2⁴=16 個；只有 TTTT 失敗，故機率 1−(1/2)⁴=15/16。

### 例題4 和值不等可能，回到有序結果

擲兩顆公平獨立骰，有序點對共 36 個。和值 7 有 (1,6) 到 (6,1) 六個，所以 P=1/6；和值 2 僅 (1,1)，P=1/36。不是對 2 到 12 共十一個和值給相同權重。

## 2.3 練習

1. **B11-C02-Q01** 公平獨立的兩骰，有序結果總數及至少一骰為 6 的機率？
2. **B11-C02-Q02** 從 4 件不同物品均勻取 2 件不放回，有多少無序組合？
3. **B11-C02-Q03** 3 紅 2 藍不放回抽二，恰一紅的機率？
4. **B11-C02-Q04** 同一袋改成放回且獨立，恰一紅的機率？
5. **B11-C02-Q05** 從 7 人中均勻選 3 人，4 人有某資格。全有資格的機率？
6. **B11-C02-Q06** 三次獨立公平擲硬幣，恰二正面的機率？
7. **B11-C02-Q07** 兩顆公平獨立骰，和值為 10 的機率？
8. **B11-C02-Q08** 公平骰的結果為「是偶數或者至少 5」，機率？
9. **B11-C02-Q09** 同樣是「至少一次」，哪個條件讓「全失敗機率為 (1−p)ⁿ」成立？
10. **B11-C02-Q10** 為什麼不同大小的五個轉盤區塊，不一定可用有利區塊數除以五？

## 2.4 完整解答

### Q01

總數 6×6=36；沒有任何 6 有 5×5=25 個結果，故所求為 (36−25)/36=11/36。

### Q02

先數有序的 4×3=12 個結果。每一組有兩種順序，合併後有 12/2=6 組，也就是 C(4,2)。

### Q03

有 C(3,1)C(2,1)=6 個無序組合符合，總數 C(5,2)=10 組，機率 6/10=3/5。

### Q04

紅藍、藍紅是互斥的有序結果；兩條機率皆 (3/5)(2/5)=6/25，故合計 12/25。

### Q05

三名都從有資格的四人中選，有 C(4,3)=4 組；所有三人組有 C(7,3)=35 組，故機率 4/35。

### Q06

選兩個放正面的座標有 C(3,2)=3 種；有序結果共 2³=8 個，各等可能，故 3/8。

### Q07

符合的是 (4,6)、(5,5)、(6,4)，共三個等可能有序點對，故 P=3/36=1/12。

### Q08

偶數有 2、4、6，至少5有 5、6。兩條件各數一次會重算 6，修正後共 3+2−1=4 個，得 2/3。

### Q09

若每次成功率為同一個 p 且試驗相互獨立，全失敗才可直接乘每次失敗率得到 (1−p)ⁿ。補集關係本身不需獨立，但這個乘積推導需要。

### Q10

除以五等於替每區指定 1/5。若轉動角度在一圈內均勻、區塊角度不同，各區機率取決於其角度占比；數幾區不能替代加權。


# 第3章 條件機率與貝氏公式

## 3.1 先縮小觀察範圍，再把權重重新加到一

知道 B 發生後，只留下 B 裡的結果。在 P(B)>0 時，將其中每個權重除以 P(B)，讓剩下的權重重新合計為 1；於是 P(A|B)=P(A∩B)/P(B)。若 P(B)=0，就不做這次除法；即使 B 非空，這個定義也不適用。改寫得到 P(A∩B)=P(A|B)P(B)，這是機率樹沿路相乘的理由，不要求 A 與 B 獨立。

若 B₁,…,Bₘ 互斥且合起來是 Ω，則事件 A 可拆成不重疊的 A∩Bᵢ。把這些機率相加，得 P(A)=Σ P(Bᵢ)P(A|Bᵢ)，和式只寫正機率的 Bᵢ；零機率的區塊，其交集機率自然為零，不能先替它算未定義的條件機率。

若又知道 P(A)>0，可把 P(A∩Bⱼ) 除以 P(A)，得到貝氏公式 P(Bⱼ|A)=P(A|Bⱼ)P(Bⱼ)/P(A)（這裡分子乘積用在 P(Bⱼ)>0）。分子是「屬於該組且看到證據」，分母是「不論哪一組都能看到同一證據」的總機率。條件方向互換通常會換分母，不能從任一方向的機率推論因果。

![只看點數 4、5、6 的三格；奇數事件在這個新範圍只留下 5。](assets/f05-conditional-area.svg)

## 3.2 四個例題

### 例題1 公平骰已知至少 4

A 是奇數，B={4,5,6}。P(B)=3/6，A∩B={5}，P(A∩B)=1/6。因此 P(A|B)=(1/6)/(3/6)=1/3。原本 P(A)=1/2；已知 B 改變了可用的分母。

### 例題2 從次品反推來自哪條線

第一線供應 3/5、次品率 1/100；第二線供應 2/5、次品率 4/100。次品機率為 (3/5)(1/100)+(2/5)(4/100)=11/500。已知是次品時，來自第二線的機率是 (8/500)/(11/500)=8/11，而不是 4/100。

![兩條次品路徑相加得 11/500；其中第二線貢獻 8/500。](assets/f06-bayes-tree.svg)

### 例題3 兩個方向分母不同

100 個等可能樣本中，60 有 A、30 有 B，兩者同時有 18 個。P(A|B)=18/30=3/5，P(B|A)=18/60=3/10。分子相同，但句子「在有 B 的樣本裡」和「在有 A 的樣本裡」選出的參照組不同。

### 例題4 零機率的組不填條件率

Ω={a,b,c}，權重 (1/3,2/3,0)。分組 B₁={a,b}、B₂={c}，取 A={b,c}。P(A|B₁)=(2/3)/1=2/3；P(A|B₂) 未定義，但 P(A∩B₂)=0。P(A)=1·2/3+0=2/3。

## 3.3 練習

1. **B11-C03-Q01** 公平骰已知是偶數，點數大於 3 的機率？
2. **B11-C03-Q02** P(B)=2/5、P(A|B)=3/8，求 P(A∩B)。
3. **B11-C03-Q03** B₁、B₂ 是 Ω 的分割，機率為 1/4、3/4；A 在兩組的條件率為 1/2、1/6，求 P(A)。
4. **B11-C03-Q04** 沿用上一題，已知 A，屬第一組的機率？
5. **B11-C03-Q05** P(A)=1/5、P(B|A)=1/2、P(B)=1/4，求 P(A|B)。
6. **B11-C03-Q06** 若 P(B)=0 且 B 不是空集，可以說 P(A|B)=0 嗎？
7. **B11-C03-Q07** P(A∩B)=1/12、P(B)=1/3，求 P(Aᶜ|B)。
8. **B11-C03-Q08** P(A)=1/4、P(B)=1/2、P(A∩B)=1/8，求兩種條件方向。
9. **B11-C03-Q09** B₁、B₂ 是 Ω 的分割，兩組皆有正機率，且 P(A|B₁)=P(A|B₂)=1/5。不論組別權重是否相等，P(A) 為何？
10. **B11-C03-Q10** 以兩個會重疊的區域直接套全機率和式，哪一步可能錯？

## 3.4 完整解答

### Q01

條件留下 {2,4,6}，都同權；其中 {4,6} 符合，故條件機率為 (2/6)/(3/6)=2/3。

### Q02

因 P(B)>0，可由定義乘回 P(B)：(3/8)(2/5)=3/20。

### Q03

兩條組別路徑互斥，貢獻分別 1/8 及 1/8；全機率為 1/4。

### Q04

第一組且 A 的機率是 1/8，P(A)=1/4。除以證據總機率得 (1/8)/(1/4)=1/2。

### Q05

交集是 (1/5)(1/2)=1/10；因 P(B)=1/4>0，除後得 (1/10)/(1/4)=2/5。

### Q06

不能。本冊的條件機率用 P(A∩B)/P(B)，分母為零；交集機率為零也不能定義 0/0。

### Q07

在條件 B 內，A 與 Aᶜ 互補。P(A|B)=(1/12)/(1/3)=1/4，所以 P(Aᶜ|B)=3/4。

### Q08

以 B 為分母得 P(A|B)=1/4；以 A 為分母得 P(B|A)=1/2。同一交集除以不同機率，答案不同。

### Q09

若兩組互斥窮盡，兩組總權重為 1。提出共同的 1/5，剩下 1/5·1=1/5；不是把 1/5 加兩次。

### Q10

拆出的交集 A∩B₁ 與 A∩B₂ 可能共含結果。直接相加會重數其質量；先改成互斥完整的分組，再用樹或和式相加。


# 第4章 事件獨立

## 4.1 獨立看乘積等式，不靠故事印象

兩事件獨立的定義是 P(A∩B)=P(A)P(B)。若 P(B)>0，這等價於 P(A|B)=P(A)，即得知 B 沒改變 A 的機率。若 P(B)=0，只用乘積定義，不說未定義的條件率。若 A、B 都有正機率且互斥，交集為零而乘積為正，所以不獨立。互斥是不能同時發生，獨立並不是不能同時發生。

若 A 與 B 獨立，把 A 拆為 A∩B 與 A∩Bᶜ，便有 P(A∩Bᶜ)=P(A)−P(A)P(B)=P(A)P(Bᶜ)。因此把 B 換成補集仍獨立；把 A 換成補集也同理。判斷要對同一模型的事件做，不能把不同抽樣規則的機率混在一起。

多事件共同獨立要求任取至少兩項，交集機率都是各自機率的乘積。三項時，三個兩兩等式之外還有三重交集等式。兩兩獨立只檢查二項，不保證三重或更長交集也成立。

![公平骰的六格依偶數與頭兩點分色，交集只有 2，恰好等於兩個比例的乘積。](assets/f07-independent-grid.svg)

## 4.2 四個例題

### 例題1 同一顆骰也可產生獨立事件

公平骰取 A={2,4,6}、B={1,2}。P(A)=1/2，P(B)=1/3，交集 {2} 機率 1/6=(1/2)(1/3)，故獨立。知道 B 後，1、2 等可能，偶數比例仍是 1/2。

### 例題2 互斥不能代替獨立

公平骰的 A={1}、B={6} 無共同結果，P(A∩B)=0。然而 P(A)P(B)=1/36>0，所以不獨立。若得知點數 6，點數 1 的機率從 1/6 變成 0。

### 例題3 兩兩獨立卻不共同獨立

公平獨立擲兩次硬幣。A 表第一次 H，B 表第二次 H，C 表兩次同面。三者各含兩格，機率皆 1/2；A∩B、A∩C、B∩C 都只含 HH，機率 1/4，故兩兩獨立。然而三重交集也只有 HH，機率 1/4≠1/8。

![公平雙硬幣的四格中，恰同面的事件包含 HH、TT；三事件交集只剩 HH，與共同獨立的預測不同。](assets/f08-pairwise-xor.svg)

### 例題4 放回規則影響獨立性

袋中一紅一藍，各次從當下均勻取球。若每次放回並獨立重抽，雙紅機率 1/4，兩次紅事件各為 1/2，符合獨立。不放回時雙紅不可能；兩次的邊際紅機率仍各為 1/2，但 0≠1/4。

## 4.3 練習

1. **B11-C04-Q01** P(A)=2/3、P(B)=1/4 且獨立，求 P(A∩B)。
2. **B11-C04-Q02** P(A)=1/2、P(B)=1/2、P(A∩B)=1/3，獨立嗎？
3. **B11-C04-Q03** 獨立 A、B 的機率分別 3/5、1/4，求 P(Aᶜ∩B)。
4. **B11-C04-Q04** 零機率事件和任意事件是否獨立？
5. **B11-C04-Q05** 若 A、B 互斥且 P(A)=1/4、P(B)=1/2，求 P(A∪B) 並判是否獨立。
6. **B11-C04-Q06** P(B)>0、P(A|B)=P(A)，是否可判獨立？
7. **B11-C04-Q07** 公平骰的 A={1,2,3}、B={1,2,4,5} 獨立嗎？
8. **B11-C04-Q08** 沿用例題 3，已知 A、B 都發生，C 的條件機率？
9. **B11-C04-Q09** 若三個事件各有機率 1/2 且共同獨立，三者皆不發生的機率？
10. **B11-C04-Q10** 只知道每對事件獨立，能直接把三項機率相乘算三重交集嗎？

## 4.4 完整解答

### Q01

按乘積定義相乘，P(A∩B)=(2/3)(1/4)=1/6。條件率是否能寫不影響這個定義。

### Q02

不獨立。定義要求交集為 (1/2)(1/2)=1/4，實際是 1/3，兩值不等。

### Q03

Aᶜ 與 B 仍獨立。先取 P(Aᶜ)=1−3/5=2/5，再乘 1/4 得 1/10。

### Q04

是。若 P(A)=0，則 P(A∩B)≤P(A)=0，且機率非負，所以交集為 0=P(A)P(B)。不可用 P(B|A) 做證明。

### Q05

互斥使交集為零，聯集為 1/4+1/2=3/4。乘積 1/8≠0，因此不是獨立。

### Q06

可以。把條件機率等式兩邊乘 P(B)，左邊成 P(A∩B)，右邊成 P(A)P(B)，正是定義。

### Q07

P(A)=3/6、P(B)=4/6，交集 {1,2} 機率 2/6。因 (3/6)(4/6)=2/6，所以獨立。

### Q08

A∩B 只剩 HH，該結果必然屬 C。分子與分母皆 1/4，條件機率為 1；它與未條件化的 1/2 不同。

### Q09

對原來的三個事件用容斥：三個單項和為 3/2，兩兩和為 3/4，三重為 1/8；聯集為 7/8，聯集的補集為 1/8。這裡用到三重乘積。

### Q10

不能。每對只提供兩項的乘積等式。例題 3 的三重交集 1/4 並不等於三個 1/2 的乘積 1/8。


# 第5章 隨機變數與離散分布

## 5.1 同一數值的原像要把質量合併

在有限樣本空間 Ω 上，實值隨機變數 X 是對每個基本結果指定一個實數的函數。X 不是直接「隨機地變換」；隨機性來自抽到哪個結果。事件「X=x」指所有被映到 x 的結果。把這些權重合併，就得到機率質量函數 p(x)=P(X=x)。

同一個值只能在質量表列一次，質量非負且總和為 1。所有正機率的值稱支撐；可以另外列零機率的值，但不把它們算進正質量支撐。對數值集合 T，P(X∈T) 是其中質量的和，不是數值本身的和。若把 X 變成 Y=g(X)，先看哪些 x 被 g 合在一起，再加質量。可以用這條規則往後處理可數的離散分布，但那時總質量用收斂的無窮和。

![兩次硬幣的四個來源經正面計數映到 0、1、2；中間值合併兩條來源。](assets/f09-outcome-map.svg)

## 5.2 四個例題

### 例題1 從四個結果組成三根柱

公平且獨立的兩次擲幣，各有序結果重 1/4。令 X 數正面，TT 映到 0，HT、TH 映到 1，HH 映到 2。所以三支質量依序 1/4、1/2、1/4，相加為 1。P(X≥1)=1/2+1/4=3/4。

![公平、獨立雙硬幣的正面次數在 0、1、2 的柱高依次是 1/4、1/2、1/4。](assets/f10-coin-count-pmf.svg)

### 例題2 相同機率的結果可能合成不同機率的值

公平骰定 Y=點數除以 3 的餘數。0 的原像是 {3,6}，1 的原像是 {1,4}，2 的原像是 {2,5}，所以三值各 1/3。這次合併後等可能，理由是原像同樣大，不是因為只有三值。

### 例題3 轉換可把支撐合併

X 的值 −1、0、1 各重 1/4、1/2、1/4。令 Y=X²，則負與正兩端同映到 1，所以 P(Y=1)=1/2，P(Y=0)=1/2。若誤把 X 質量表逐行保留，會漏掉合併後同值的總質量。

### 例題4 由歸一條件找缺值

X 在 1、3、5 上質量 c、2c、c。總和 4c=1，得 c=1/4；三項非負，所以合法。P(X>1)=2c+c=3/4。求出 c 後，還要檢查這組權重非負。

## 5.3 練習

1. **B11-C05-Q01** 四個結果依次重 1/8、3/8、1/4、1/4，X 的值依次 0、0、1、2，求 p(0)。
2. **B11-C05-Q02** 用上一題的分布求 P(X∈{1,2})。
3. **B11-C05-Q03** 公平骰令 X 為點數是否大於 4 的指標（是 1、否 0）。p(0)、p(1)？
4. **B11-C05-Q04** 質量表 (1/4,−1/4,1) 合法嗎？
5. **B11-C05-Q05** 正質量出現在 x=−2、2，各有 1/2。Y=|X| 的分布？
6. **B11-C05-Q06** 例題 1 的 X，令 Y=2X+1，列支撐及各質量。
7. **B11-C05-Q07** 例題 1 中 p(4) 是多少？
8. **B11-C05-Q08** 三個相異值的質量 c、c、3c，各是多少？
9. **B11-C05-Q09** 同一張機率質量表，能唯一找回原本的樣本空間嗎？
10. **B11-C05-Q10** 樣本空間有零權重結果映到 100，X 另在 2 有全部正質量，支撐是什麼？

## 5.4 完整解答

### Q01

前兩個結果的數值皆為零，質量相加：1/8+3/8=1/2；檢查 1/2+1/4+1/4=1。

### Q02

後兩格對應互斥的數值事件，所以質量 1/4+1/4=1/2；不把標籤 1、2 相加。

### Q03

大於 4 的是 5、6，故 p(1)=2/6=1/3。其餘四個點數映到 0，p(0)=2/3，合計為 1。

### Q04

不合法。總和雖為 1，但第二格質量為負，違反非負條件。不能只查機率總和。

### Q05

兩個來源都映到 2，合併質量為 1。故 Y 只有一個支撐點 2，其餘值機率皆零。

### Q06

值 0、1、2 依次映為 1、3、5，彼此不同，原權重可逐一轉移。因此質量依序仍是 1/4、1/2、1/4。

### Q07

可能正面次數最多 2，沒有結果映到 4。該事件是空集，故機率為 0。

### Q08

先令 c+c+3c=1，得到 c=1/5。三個機率為 1/5、1/5、3/5，皆非負且合為 1。

### Q09

不能。原像各由幾個結果、如何拆權重都可能不同。單一機率 1/2 可由一個權重 1/2 的結果，或兩個各 1/4 的結果給出。

### Q10

機率質量只在 2 為正。100 雖在這個函數的值域，卻不是正質量支撐；P(X=100)=0。


# 第6章 期望與加權平均

## 6.1 權重決定平均，不是每個值各算一票

有限情形的期望 E[X]=Σ x p(x)：每個數值乘上它的機率，再相加。也可以在樣本空間算 Σ X(s)w(s)，因把同值項合併後就得到前一式。期望可能不是任何可取的值，也不一定是出現機率最高的值。

在同一模型上，把兩個隨機變數逐結果相加。因有限和可分拆，Σ (X(s)+Y(s))w(s)=Σ X(s)w(s)+Σ Y(s)w(s)，所以 E[X+Y]=E[X]+E[Y]，不需要獨立。同理 E[aX+b]=aE[X]+b，其中常數 b 乘上的權重總和是 1。乘積不能照搬這條規則，E[XY] 每次都要算同一結果上的乘積再加權。

事件 A 的指標 Iₐ 在發生時取 1，否則取 0，所以 E[Iₐ]=P(A)。次數是指標的和，求平均次數只要加邊際機率。是否能用這些機率進一步求「次數的分布」則是另一回事，常需知道事件如何一起發生。

![值 0 和 8 的質量分別為 3/4 與 1/4；加權平均 2 離較重的 0 更近。](assets/f11-weighted-balance.svg)

## 6.2 四個例題

### 例題1 用貢獻表算平均點數

一個活動的點數 X 取 −2、0、8，機率分別 1/2、1/4、1/4。各值乘質量是 −1、0、2，相加得 E[X]=1。沒有任何一次會得 1 點；機率最大的單次結果反而是 −2。

![加權貢獻分別為 −1、0、2，合計的平均點數為 1。](assets/f12-expected-points.svg)

### 例題2 同一試驗上的兩個量不必獨立

公平骰點數 X。令 Y=7−X，兩者明顯連動，X+Y 永遠等於 7。E[X]=21/6=7/2，E[Y]=7−7/2=7/2，相加仍為 7，正符合線性性。

### 例題3 只靠邊際機率求平均次數

三盞燈在一次檢查時需更換的機率依次 1/5、1/10、1/4，不假設三盞獨立。對各盞記 0 或 1，再相加為更換數；平均更換數為 1/5+1/10+1/4=11/20。由此尚不能求出全要換的機率。

### 例題4 先轉換每個結果，再取期望

X 為 −1 或 1，各機率 1/2。E[X]=0；但兩個結果平方皆為 1，E[X²]=1，不等於 (E[X])²。函數不是仿射時，不能先取期望再代入。

## 6.3 練習

1. **B11-C06-Q01** X 取 0、10，機率 7/10、3/10，求期望。
2. **B11-C06-Q02** 沿用上一題，Y=2X−1 的期望？
3. **B11-C06-Q03** 公平骰點數的指標 I 在點數 1 或 6 時為 1。求 E[I]。
4. **B11-C06-Q04** E[X]=2、E[Y]=−1，求 E[3X−2Y+4]。
5. **B11-C06-Q05** X 等於 0 或 2，各 1/2，求 E[X²]。
6. **B11-C06-Q06** 5 個同類指標各有成功率 2/5，平均有幾個成功？需獨立嗎？
7. **B11-C06-Q07** X 的支撐在 2 與 5 之間（含端點）。期望能是 6 嗎？
8. **B11-C06-Q08** X 取 −3 或 1，若 E[X]=0，求 P(X=−3)。
9. **B11-C06-Q09** X=Y 同為公平幣的正面指標。E[XY] 是否等於 E[X]E[Y]？
10. **B11-C06-Q10** 例題 1 最常出現的點數就是平均嗎？

## 6.4 完整解答

### Q01

E[X]=0·(7/10)+10·(3/10)=3。3 是加權平均而不是可能取值。

### Q02

由線性性，E[Y]=2E[X]−1=2·3−1=5。也可把取值改成 −1、19，用相同權重回算。

### Q03

I=1 的機率有兩個有利點數，即 2/6；其餘值為零不貢獻，所以期望是 1/3。

### Q04

拆開每項得 3·2−2·(−1)+4=12；X、Y 必須在同一模型，但不必獨立。

### Q05

平方之後是 0 和 4，各權重 1/2，所以 E[X²]=0/2+4/2=2。平方 (E[X]) 則為 1。

### Q06

把 5 個指標相加，期望是 5·(2/5)=2。不需要獨立；若要算完整分布，單靠這些邊際機率還不夠。

### Q07

不能。每個可能值 x≤5，以非負質量加權後 E[X]≤5·1=5；同理 E[X]≥2。平均不能越過支撐兩端。

### Q08

設負值機率為 p，則 −3p+1(1−p)=0，化為 1−4p=0，得 p=1/4；另一質量 3/4 合法。

### Q09

XY=X²=X，所以 E[XY]=1/2。但兩個平均相乘是 1/4，不等。把期望拿進乘法不能只看邊際。

### Q10

不是。−2 的機率 1/2 最高；期望同時考慮各值大小，8 雖只占 1/4 卻貢獻 2，因此平均為 1。


# 第7章 變異數與標準差

## 7.1 先算偏差，再平方加權

期望抓住中心，卻可能看不出分散。令 μ=E[X]，定義 Var(X)=E[(X−μ)²]。偏左與偏右的差都平方成非負數，不會互相抵消。標準差 SD(X)=√Var(X)，與 X 使用同樣的單位；若 X 的單位是公分，變異數的單位是平方公分。

展開平方得 E[X²−2μX+μ²]=E[X²]−2μ²+μ²，因此 Var(X)=E[X²]−(E[X])²。這是精確等式；不應在各項太早截去小數，而得到假的負值。在有限模型中，變異數為零當且僅當 X 在所有正機率結果都等於同一個常數。零權重的結果不影響判斷。

令 Y=aX+b。Y 的平均為 aμ+b，因此其偏差 Y−E[Y]=a(X−μ)，Var(Y)=a²Var(X)，SD(Y)=|a|SD(X)。平移整組數據不改分散程度；乘上負數會翻轉方向，但分散程度不能是負的。

![兩分布的中心都在 2：第一個在 1、3；第二個在 0、4，後者的偏差平方較大。](assets/f13-same-mean-spread.svg)

## 7.2 四個例題

### 例題1 一樣的平均，不一樣的分散

X 取 1、3 各半，Y 取 0、4 各半，兩者期望皆是 2。X 偏差平方都是 1，所以 Var(X)=1；Y 偏差平方都是 4，Var(Y)=4，對應標準差是 1、2。

![1 和 3 各半時，兩側偏差為 −1 與 1；平方加權後變異數為 1。](assets/f14-variance-deviations.svg)

### 例題2 兩種算法相互校驗

X 取 0 與 3，機率 2/3 與 1/3。μ=1，從偏差平方得到 (2/3)·1+(1/3)·4=2。另一法 E[X²]=3，減掉 μ²=1 也是 2。

### 例題3 重新標尺

沿用上一例，令 Z=10−2X。E[Z]=10−2=8，Var(Z)=(−2)²·2=8，SD(Z)=2√2。10 只搬動中心，−2 的絕對值才改變標準差。

### 例題4 伯努利變數的分散

I=1 的機率為 p，其餘取 0。因 I²=I，E[I²]=E[I]=p，Var(I)=p−p²=p(1−p)。當 p=1/4，變異數 3/16，標準差 √3/4。

## 7.3 練習

1. **B11-C07-Q01** X 取 −2、2 各半，求平均與變異數。
2. **B11-C07-Q02** X 取 0、4，機率 3/4、1/4，求 Var(X)。
3. **B11-C07-Q03** 若 SD(X)=3，求 SD(5−2X)。
4. **B11-C07-Q04** Var(X)=9，計算 Var(X−7) 與 Var(X/3)。
5. **B11-C07-Q05** 常數 8 的標準差為何？
6. **B11-C07-Q06** E[X]=2、E[X²]=7，求 SD(X)。
7. **B11-C07-Q07** 若報告 E[X]=3、E[X²]=8，兩者能同時是精確值嗎？
8. **B11-C07-Q08** I 的成功機率從 1/5 變成 4/5，變異數改變嗎？
9. **B11-C07-Q09** 兩個值不同，但其中一個質量為零，變異數能為零嗎？
10. **B11-C07-Q10** 有人說 Var(X+Y)=Var(X)+Var(Y) 總成立。令 Y=X、Var(X)=2，可否反駁？

## 7.4 完整解答

### Q01

平均為 0。兩端距中心都是 2，平方皆 4，以兩個 1/2 加權後變異數為 4。

### Q02

μ=1，E[X²]=16/4=4，故 Var(X)=4−1=3。若只將兩值各半，得到的是另一模型。

### Q03

乘 −2 讓所有相對偏差的大小變兩倍，加 5 不影響偏差，所以標準差 2·3=6。

### Q04

平移保留 9。除以 3 使每個偏差除 3，平方後除以 9，所以後者是 1。

### Q05

每次取的值都等於其期望 8，所有偏差為 0。變異數為 0、開平方後仍為 0。

### Q06

先相減求 Var(X)=7−2²=3，再取非負平方根 √3；不要先給兩項各自開平方。

### Q07

不能。代入會得 Var(X)=8−3²=−1，與非負矛盾。如果數字是四捨五入值，則應回到未截斷資料檢查。

### Q08

不變。兩者的 p 和 1−p 互換，乘積同為 (1/5)(4/5)=4/25；中心由 1/5 改為 4/5。

### Q09

可以。若 X=2 的質量為 1、X=5 的質量為 0，μ=2，第一項偏差為零，第二項的偏差平方乘零；Var(X)=0。

### Q10

可以。X+Y=2X，因此 Var(X+Y)=4Var(X)=8，但兩項變異數相加只有 4。下一章會看少掉的交叉項。


# 第8章 聯合分布與協方差

## 8.1 先看一整張表，再談獨立和線性變化

聯合分布列每對 (x,y) 的質量 P(X=x,Y=y)。加總一列可得 X 的邊際，逐欄加總可得 Y 的邊際；所有格的總和是 1。兩變數獨立要求每一格都等於對應兩個邊際的乘積。只要一格不符合，就能排除獨立；只對一格符合，證據不夠。

有限情形的協方差 Cov(X,Y)=E[(X−E[X])(Y−E[Y])]=E[XY]−E[X]E[Y]。算 E[XY] 時，用同一格的 x、y 相乘才加權。若 X、Y 獨立，聯合質量可分成邊際的乘積，E[XY] 可拆為 E[X]E[Y]，因此協方差為零；逆向一般不成立。若兩者標準差皆非零，可將協方差除以 SD(X)SD(Y) 得 Pearson 相關係數。它描述線性關係，不表示因果；有一個量為常數時，這個相關係數未定義。

把 (X−E[X]+Y−E[Y])² 展開，兩個平方項加一個兩倍的交叉項，所以 Var(X+Y)=Var(X)+Var(Y)+2 Cov(X,Y)。只有已知交叉項為零才能直接相加；獨立是足以保證此事的條件。

![二乘二質量表加總列與欄，得到各自的邊際分布。](assets/f15-joint-marginals.svg)

## 8.2 四個例題

### 例題1 列和、欄和與一格反例

取四格 (0,0)、(0,1)、(1,0)、(1,1) 依次質量 3/10、1/10、2/10、4/10。X=0、1 的質量為 2/5、3/5；Y=0、1 各為 1/2。右下格是 2/5，不等於 (3/5)(1/2)=3/10，故不獨立。

### 例題2 由同一表算協方差

前例中 E[X]=3/5、E[Y]=1/2。XY 只在右下格為 1，E[XY]=2/5，Cov=2/5−3/10=1/10。若把 X+Y 的分布拿來回算，變異數是 69/100，等於 6/25+1/4+2·1/10。

### 例題3 協方差為零仍可完全連動

X 等可能為 −1、0、1，Y=X²。E[X]=0，XY=X³，對稱使 E[XY]=0，故 Cov=0。但 P(Y=0|X=0)=1，而 P(Y=0)=1/3，兩者不獨立。

![三個等可能點在對稱拋物線上；協方差是零，Y 卻由 X 完全決定。](assets/f16-zero-covariance.svg)

### 例題4 獨立時才可由邊際重建整張表

獨立的兩個指標，P(X=1)=1/3、P(Y=1)=1/2。四格依次為 (2/3)(1/2)=1/3、1/3、1/6、1/6。總和為 1，且每格由邊際乘積給出。

## 8.3 練習

1. **B11-C08-Q01** 沿用例題 1，求 P(Y=0)、P(X=0)。
2. **B11-C08-Q02** 沿用例題 1，求 P(Y=1|X=1)。
3. **B11-C08-Q03** 獨立指標 P(X=1)=1/4、P(Y=1)=2/3，求 P(X=0,Y=1)。
4. **B11-C08-Q04** E[XY]=4、E[X]=1、E[Y]=3，求協方差。
5. **B11-C08-Q05** Var(X)=2、Var(Y)=3、Cov(X,Y)=−1，求 Var(X+Y)。
6. **B11-C08-Q06** 若例題 3 改成 Y=−X，求協方差。
7. **B11-C08-Q07** 只知道兩個邊際皆是公平指標，是否能判獨立？
8. **B11-C08-Q08** 若 Y 是常數，Cov(X,Y) 和 Pearson 相關係數各如何？
9. **B11-C08-Q09** 用例題 1 的表求 Var(X−Y)。
10. **B11-C08-Q10** 表中某格比邊際乘積大，能判斷兩變數不獨立嗎？

## 8.4 完整解答

### Q01

對 Y=0 加左欄 3/10+2/10=1/2；對 X=0 加上列 3/10+1/10=2/5。

### Q02

右下格質量 4/10，X=1 的整列質量 6/10>0。條件比值 (4/10)/(6/10)=2/3。

### Q03

X=0 的機率 3/4。獨立性允許乘 (3/4)(2/3)=1/2。

### Q04

代入 Cov=4−1·3=1。這只描述線性共同變動，不足以判斷因果。

### Q05

兩平方項給 5；交叉項是 2·(−1)=−2。合起來為 3，不是 5。

### Q06

兩者平均皆零，XY=−X²。E[X²]=(1+0+1)/3=2/3，故 Cov=−2/3。

### Q07

不能。可以令兩者永遠相同，聯合右下格為 1/2；也可以獨立抽兩次，右下格為 1/4。兩張表邊際相同。

### Q08

Y−E[Y]=0，所以 Cov=0。但 SD(Y)=0，Pearson 相關的分母為零，因此未定義。

### Q09

Var(X)=6/25、Var(Y)=1/4；展開相減的偏差平方，交叉項是 −2 Cov，故 6/25+1/4−2·1/10=29/100。

### Q10

可以。獨立要求所有格都等於乘積，任一格不合便否定整個條件。不能僅以某一格合格反推獨立。


# 第9章 條件期望與總量公式

## 9.1 整體變動分成組內與組間

令 G 是記錄所屬區塊的組別變數：每個結果屬於唯一一組，所有組別合起來為 Ω。對正機率組 Bᵢ，把該組權重除以 P(Bᵢ)，在這個條件模型算 μᵢ=E[X|Bᵢ]、vᵢ=Var(X|Bᵢ)。條件期望 E[X|G] 是一個隨機變數，在同一組內取同一個 μᵢ。零質量組的 μᵢ 與 vᵢ 不由除法定義；表達成隨機變數時可任填代表值，不影響加權結果。

把有限和按組拆開，可得 E[X]=Σ P(Bᵢ)μᵢ=E[E[X|G]]，稱全期望公式。其理由是用組別內的歸一權重算平均後，乘回該組總權重，就還原原來各結果的貢獻。組別大小不必相等，因此不能直接平均各組平均值。

令 μ=E[X]。在第 i 組寫成 X−μ=(X−μᵢ)+(μᵢ−μ)。平方後，組內平均的交叉項因 E[X−μᵢ|Bᵢ]=0 而消失，剩 vᵢ+(μᵢ−μ)²。對組別加權，就得到 Var(X)=E[Var(X|G)]+Var(E[X|G])。第一項是組內偏差，第二項是組別中心彼此偏離；不能只保留一項。

![兩組各占一半；第一組中心 1、第二組中心 5，整體中心是 3。](assets/f17-group-means.svg)

## 9.2 四個例題

### 例題1 把四格分成兩組

A 組以等條件機率取 0、2；B 組等機率取 4、6。兩組各重 1/2，μₐ=1、μᵦ=5，整體平均 3。各組變異數都 1，組內項是 1；兩個中心偏 3 各 2，組間項是 4。總變異數為 5；直接對四個等機率值算也相同。

![兩組各有組內變異數 1，組別中心的變異數為 4；相加得 5。](assets/f18-within-between.svg)

### 例題2 組別不等重，不能直接平均

A 組機率 1/4 且 X 恆為 0，B 組機率 3/4 且 X 恆為 4。全期望是 (1/4)·0+(3/4)·4=3，不是 (0+4)/2。兩組內毫無分散，總變異數完全來自組間，為 (1/4)(0−3)²+(3/4)(4−3)²=3。

### 例題3 兩個變異來源都不為零

A 組占 3/4，X 恆 1；B 組占 1/4，X 以一半機率取 1、5。兩組中心 1、3，組內變異數 0、4，故平均為 3/2，組內項 1。組間項是中心 1、3 以 3/4、1/4 加權的變異數 3/4。總變異數 7/4。

### 例題4 零機率的組不除以零

若 Ω 中還有一個零質量結果 c，並把它單獨分為 C，則 P(C)=0。該組不進條件平均除法，也不貢獻兩個加權和。這不表示 X(c) 沒有定義，而是該結果不影響機率加權。

## 9.3 練習

1. **B11-C09-Q01** A、B 是 Ω 的分割，P(A)=1/3、P(B)=2/3，組均值 2、8，求總平均。
2. **B11-C09-Q02** 沿用上一題，若組內變異數為 1、4，求組內項。
3. **B11-C09-Q03** 沿用兩題，求組間項與 Var(X)。
4. **B11-C09-Q04** 各組的平均相同，組間項是多少？
5. **B11-C09-Q05** 每組內都是常數，各組常數不同。哪個項保留？
6. **B11-C09-Q06** 兩組各半，μₐ=1、μᵦ=3，兩組內變異數均為 2。求 Var(X)。
7. **B11-C09-Q07** 已知 Var(X)=10，E[Var(X|G)]=6，求 Var(E[X|G])。
8. **B11-C09-Q08** 一個分組把同一結果同時放到兩組，能直接用全期望嗎？
9. **B11-C09-Q09** A、B 是 Ω 的分割，A 組重 1/5、平均 4，整體平均 8，求 B 的平均。
10. **B11-C09-Q10** 已知唯一非零質量組 B 的條件變異數為 7，總變異數多少？

## 9.4 完整解答

### Q01

先乘組權重：2/3+16/3=18/3=6。不能把 2、8 各給一半權重。

### Q02

以組別質量加權變異數，得 (1/3)·1+(2/3)·4=3。不是將組內標準差取平均再平方。

### Q03

組間項是中心偏差 (2−6)²、(8−6)² 的加權和，得 16/3+8/3=8；總變異數為 3+8=11。

### Q04

E[X|G] 在所有正質量組取同一值，所以它的變異數為 0。總變異數可仍由組內項提供。

### Q05

每組內的偏差都是零，第一項為 0；Var(X) 等於組中心的加權變異數。只要兩個不同中心都有正權重，它就為正。

### Q06

組中心平均 2，偏差平方各 1，所以組間項 1。組內項是 (2+2)/2=2，總變異數 3。

### Q07

由全變異數分解，組間項為 10−6=4；若任一項報負值，應回頭檢查組別與資料。

### Q08

不能。按組拆原和時，同一結果會被計入兩次，分割要求失敗。應先修成互不重疊且涵蓋全部結果的組別。

### Q09

B 重 4/5。由 8=(1/5)·4+(4/5)μᵦ，移項並除 4/5，得到 μᵦ=9。

### Q10

B 的權重為 1，其他組不參與。組內項為 7，組間項為 0，總變異數為 7；沒有任何零分母運算。


# 第10章 常見離散模型

## 10.1 先辨認試驗規則，再選模型

一次成功或失敗的試驗，可用伯努利指標 I 表示，P(I=1)=p、P(I=0)=1−p。若固定做 n 次、每次成功率相同且相互獨立，總成功次數 X 服從二項分布。恰 k 次成功，先選 k 個成功位置，再乘單一路徑機率：P(X=k)=C(n,k)pᵏ(1−p)^(n−k)（0≤k≤n）。不同位置的事件向量彼此互斥。p=0 或 1 時直接看成整段皆失敗或皆成功，空乘積為 1。由指標的期望及獨立使協方差為零，E[X]=np、Var(X)=np(1−p)。

對一列相互獨立、每次成功率皆為 p 的伯努利試驗，令 T 記包含首次成功那一次的試驗總數。當 0<p<1，T 服從本冊由 1 起算的幾何分布。對整數 k≥1，P(T=k)=(1−p)^(k−1)p；對整數 k≥0，P(T>k)=(1−p)ᵏ。後一式來自前 k 次全部失敗，且其極限為 0，所以以機率 1 會在有限次內首次成功。p=1 時 T 恆為 1；若 p=0，各次都失敗，便沒有有限的首次成功。

不放回地從有限批中均勻抽，條件率會隨前面結果改變，回到第 2 章的組合比值。若題目直接給某區間的計數模型為 Poisson(λ)，λ>0，則 P(N=k)=e^(−λ)λᵏ/k!，k=0,1,…。由指數級數知質量總和為 1；λ=0 時視為恆零。不能只憑「很多」或「很少」就假設某一模型。

![四次公平獨立試驗的成功數，五個柱高比為 1:4:6:4:1。](assets/f19-binomial-bars.svg)

## 10.2 四個例題

### 例題1 固定四次成功數

四次公平獨立擲幣，令 X 數正面。恰兩次有 C(4,2)=6 種位置，每條機率 1/16，故 P(X=2)=3/8。平均 4·1/2=2，變異數 4·(1/2)(1/2)=1。

### 例題2 等待首次成功

每次獨立、成功率 1/4。T=3 需先失敗兩次再成功，機率 (3/4)²(1/4)=9/64。T>3 代表前三次全部失敗，為 (3/4)³=27/64；這兩題事件不同。

![首次在第 3 次成功，路徑是先兩次失敗，再一次成功。](assets/f20-geometric-path.svg)

### 例題3 不放回不用相同的 p

十二件物品中五件合格；不放回均勻抽四件。恰一合格有 C(5,1)C(7,3)=175 組，總數 C(12,4)=495，機率 35/99。第一件合格後，第二次合格率變成 4/11，而非原來的 5/12。

### 例題4 已知計數是 Poisson

在一個已指定 N∼Poisson(2) 的到達次數模型，P(N=0)=e⁻²，P(N=1)=2e⁻²，所以 P(N≤1)=3e⁻²。另有 P(N=2)=2²e⁻²/2!=2e⁻²。結論依賴題目所給模型。

## 10.3 練習

1. **B11-C10-Q01** 一次成功率 1/5 的伯努利 I，求 E[I]、Var(I)。
2. **B11-C10-Q02** 五次獨立且成功率 1/5，恰一次成功的機率？
3. **B11-C10-Q03** 沿用上一題，求至少一次成功。
4. **B11-C10-Q04** 各次獨立且 p=1/3，求首次成功在第 2 次。
5. **B11-C10-Q05** 上一題求 P(T≤2)。
6. **B11-C10-Q06** 三紅二藍不放回抽二，為何不能用 Binomial(2,3/5)？
7. **B11-C10-Q07** N∼Poisson(3)，求 P(N=1)/P(N=0)。
8. **B11-C10-Q08** N∼Poisson(1)，求 P(N≤2)。
9. **B11-C10-Q09** 若 p=1，幾何模型中的 T 等於多少？
10. **B11-C10-Q10** 只有每次邊際成功率皆 1/2、卻未假定獨立，可否用二項公式？

## 10.4 完整解答

### Q01

期望是成功率 1/5。因 I²=I，變異數是 1/5−1/25=4/25。

### Q02

可選五個位置；每條路徑機率 (1/5)(4/5)⁴，合計 (4/5)⁴=256/625。

### Q03

補集全失敗率是 (4/5)⁵，因此所求為 1−(4/5)⁵=2101/3125。

### Q04

第一失敗、第二成功，沿路乘 (2/3)(1/3)=2/9。若要求到第二次仍未成功，才乘兩個 2/3。

### Q05

將「頭兩次皆失敗」取補集，得 1−(2/3)²=5/9。也可將第 1 次和第 2 次首次成功的機率相加。

### Q06

第一次若取紅，剩四球只有二紅，第二次的條件機率是 1/2，不等於初始 3/5。條件率改變，不能把兩次當同率的獨立試驗。

### Q07

P(N=1)=3e⁻³，P(N=0)=e⁻³>0，兩者的指數因子相消後比值為 3。

### Q08

加上 k=0、1、2 三項：e⁻¹+e⁻¹+(1/2)e⁻¹=(5/2)e⁻¹。

### Q09

第一次必然成功，T 恆為 1，P(T>1)=0。這裡的 T 包含成功當次，不能寫成 0 次。

### Q10

不能。例如兩次共用同一次擲幣結果，會同時成功或同時失敗；恰一次成功率是 0，與獨立模型的 1/2 不同。


# 第11章 分布函數與常態初識

## 11.1 分布函數累積到門檻，密度在區間上取面積

累積分布函數（CDF）F(x)=P(X≤x)，累積時把 x 這一點也算入。若 a<b，則 P(a<X≤b)=F(b)−F(a)。CDF 介於 0 與 1，非遞減，右連續，左右端極限分別為 0、1。左極限 F(x−) 對應 P(X<x)，所以 F(x)−F(x−)=P(X=x)。有限離散分布的 CDF 在正質量點向上跳，跳幅才是該點的質量，不是整個累積高度。

若模型有密度 f，則 f≥0、全實線上的積分為 1，P(a<X≤b)=從 a 到 b 積分 f。單一點沒有面積，P(X=x)=0；因此在這種模型中，區間端點開閉不影響機率。密度在某點的高度不是機率，也可大於 1。反過來，CDF 連續只保證沒有點質量，不保證存在密度。

標準常態 Z 的密度 φ(z)=e^(−z²/2)/√(2π)，CDF 記 Φ，平均 0、變異數 1。歸一化與這兩個矩是常態分布的標準結果，本冊不推導高斯積分。因分布左右對稱，Φ(0)=1/2、Φ(−z)=1−Φ(z)。若 X∼N(μ,σ²) 且 σ>0，Z=(X−μ)/σ 即為標準常態；先換門檻，再用 Φ 取面積。Φ 的一般數值須用表或數值運算近似。

![在 0、1、2 的質量為 1/4、1/2、1/4，CDF 在三個點各跳相應高度，實心點是含該點的值。](assets/f21-cdf-steps.svg)

## 11.2 四個例題

### 例題1 階梯的跳高和累積高度

X 在 0、1、2 的質量為 1/4、1/2、1/4。在 x<0 時 F=0；0≤x<1 時為 1/4；1≤x<2 時為 3/4；x≥2 時為 1。於 x=1 向上跳 1/2，是 P(X=1)；F(1) 則還包含 X=0 的質量。

### 例題2 用第七冊的積分找連續機率

設 f(x)=2x 當 0≤x≤1，其餘為零。非負且由原函數 x² 得總面積 1。對 0≤x≤1，F(x)=x²；P(X>1/2)=1−(1/2)²=3/4。f(1/2)=1 是密度，P(X=1/2) 仍是零。

### 例題3 看標準常態的中央面積

P(−1≤Z≤1)=Φ(1)−Φ(−1)=2Φ(1)−1。用 Φ(1)≈0.84134 得中央面積約 0.6827（四位小數）。對稱是為了只查一個門檻，不表示每段等長區間的機率相同。

![標準常態在 −1 和 1 之間的面積約為 0.6827，不是曲線高度。](assets/f22-normal-area.svg)

### 例題4 原始門檻先換成標準單位

若 X∼N(50,4²)，要求 P(X>54)。轉成 Z>(54−50)/4=1，查得右尾 1−Φ(1)≈0.1587。用除數 4，不是 16；標準化要除標準差。

## 11.3 練習

1. **B11-C11-Q01** 沿用例題 1，F(1/2) 和 F(1) 分別多少？
2. **B11-C11-Q02** 用上題 CDF 算 P(0<X≤1)。
3. **B11-C11-Q03** 在 1 到 3 密度恆為 1/2，其他為零。求 P(1.5≤X≤2.5)。
4. **B11-C11-Q04** 若 X∼N(10,2²)，X=6 對應的 z 值？
5. **B11-C11-Q05** 沿用該常態，P(X≥10) 多少？
6. **B11-C11-Q06** 可用 σ=0 去套常態標準化嗎？
7. **B11-C11-Q07** Φ(−z) 可否寫成 1−Φ(z)？為什麼？
8. **B11-C11-Q08** 在 0 到 1/4 密度恆為 4，其餘零。它合法嗎？
9. **B11-C11-Q09** X∼N(10,2²)，求 P(X≤8) 的標準形式及近似。
10. **B11-C11-Q10** 某 CDF 連續，P(X=x) 為何？是否因此一定能用密度積分？

## 11.4 完整解答

### Q01

門檻 1/2 只含 0，得 1/4；門檻恰為 1 則含 0 與 1，得 1/4+1/2=3/4。

### Q02

相減 F(1)−F(0)=3/4−1/4=1/2。0 不在事件內，1 有算進去。

### Q03

先核對總面積 (3−1)/2=1。所求區間長 1，面積是 1·1/2=1/2，端點本身零質量。

### Q04

中心為 10、標準差為 2，代 z=(6−10)/2=−2，即比平均低兩個標準差。

### Q05

10 是對稱中心，左右兩半各占 1/2。X=10 沒有質量，是否含等號都一樣。

### Q06

不可。標準化除以 σ，本冊正常常態模型須 σ>0。如果 X 恆為 μ，應直接用單點分布處理。

### Q07

可以。標準常態左右對稱，左邊到 −z 的面積等於 z 右側的面積；z 點沒有質量，故尾端機率是 1−Φ(z)。

### Q08

非負且面積 4·(1/4)=1，故合法。高度大於 1 不違反機率上限；區間的面積才是機率。

### Q09

標準門檻是 −1，所求 Φ(−1)=1−Φ(1)≈0.1587。可和對稱的 P(X≥12) 互相校驗。

### Q10

連續使跳幅為零，所以每點的質量都是零。但無跳點不能獨自保證存在密度；只有已知模型有密度時，才可按密度積分。


# 第12章 IID與極限定理導讀

## 12.1 平均變穩和波動形狀是兩個問題

IID 是獨立且同分布：每次使用相同分布，而且任意有限組的聯合機率按獨立規則相乘。只有相同邊際不夠；把同一個隨機結果抄成很多份，不會產生獨立樣本。設 X₁,…,Xₙ 是 IID 變數，公共平均 μ、公共變異數 σ²。把樣本平均寫作 Mₙ=(X₁+⋯+Xₙ)/n；有些教材用 X 上加一橫表示同一個量。期望的線性性給 E[Mₙ]=μ；獨立使交叉協方差全為零，故 Var(Mₙ)=σ²/n。

若 σ² 有限，對 ε>0，事件 |Mₙ−μ|≥ε 上的偏差平方至少 ε²，故 σ²/n=E[(Mₙ−μ)²]≥ε²P(|Mₙ−μ|≥ε)。得到 Chebyshev 上界 P(|Mₙ−μ|≥ε)≤σ²/(nε²)。固定 ε，當 n 越來越大，這個機率趨向 0。這是有限變異數情形的弱大數律，說明樣本平均會集中到真均值附近，並不表示沿每條樣本路徑誤差每次都下降。

中央極限定理回答另一題。對 IID 且 0<σ²<∞，將 Mₙ−μ 除以 σ/√n，所得 Zₙ 的 CDF 在每個實數門檻趨近標準常態 CDF Φ；亦可對總和減 nμ、除以 σ√n。大數律讓平均本身集中，中央極限定理則把變小的波動放大到可比較尺度，再描述其形狀。這是極限結論，有限 n 的離散分布不會因此變成恰好常態；嚴格證明留到第十七冊。

![公平指標的樣本平均，n=4 和 n=16 的分布中心都在 1/2，後者在中心附近更集中。](assets/f23-mean-concentration.svg)

## 12.2 四個例題

### 例題1 平均的變異數比單次小

公平幣的正面指標平均 1/2、變異數 1/4。16 次獨立試驗的總和變異數是 16·(1/4)=4，平均要再除以 16²，得 1/64。平均的標準差是 1/8，而不是單次標準差 1/2。

### 例題2 用上界估計偏離機率

n=400 個公平獨立指標。距離 1/2 至少 1/10 的機率至多 (1/4)/(400·(1/10)²)=1/16。這只給上界，真正機率可能更小；增加 n 降低這個上界。

### 例題3 以樣本平均的標準差作分母

IID 變數的 μ=6、σ=2，樣本量 25。M₂₅ 的標準差為 2/√25=2/5；觀測平均 6.8 時，標準化是 (6.8−6)/(2/5)=2。這只是原門檻換成標準尺度，不保證 n=25 的尾端機率恰好等於常態近似值。

![同一偏差以標準誤來量；均值 6、標準差 2、n=25，平均 6.8 在標準尺度上是 2。](assets/f24-standardized-scaling.svg)

### 例題4 複製不是獨立抽樣

只擲一次公平幣得 Z，再置 Xᵢ=Z。每個 Xᵢ 的邊際一樣，但只要知道一份就知道全部，故不獨立。平均恆等於 Z，變異數始終 1/4，不會按 n 除小。這指出前面公式中獨立性的作用。

## 12.3 練習

1. **B11-C12-Q01** IID 每次均值 3、變異數 4，取 25 次，求平均的期望與變異數。
2. **B11-C12-Q02** 沿用上一題，平均的標準差？
3. **B11-C12-Q03** 在 σ²=1、ε=1/2 時，上界要不大於 1/10，n 至少多少？
4. **B11-C12-Q04** 兩個變數分布相同但總是相等，而且都可能為 0 或 1 各半，它們是 IID 嗎？
5. **B11-C12-Q05** μ=2、σ=3、n=9，觀測平均 4 時，標準化值多少？
6. **B11-C12-Q06** IID 時，總和的標準化分母是 σn 還是 σ√n？
7. **B11-C12-Q07** 大數律是否保證第 n+1 次平均更接近 μ？
8. **B11-C12-Q08** 若 σ=0，可以用中央極限定理的標準化式嗎？
9. **B11-C12-Q09** 公平獨立試驗做 100 次，成功率估計離 1/2 至少 1/10 的 Chebyshev 上界？
10. **B11-C12-Q10** 把樣本量從 n 加到 4n，平均的標準差變成幾倍？

## 12.4 完整解答

### Q01

期望仍為 μ=3。總和的變異數為 25·4，再除 25²，得平均變異數 4/25。

### Q02

開非負平方根 √(4/25)=2/5。它是平均本身的標準差，不是單次的 2。

### Q03

Chebyshev 上界是 1/(n/4)=4/n。要求 4/n≤1/10，得到 n≥40；40 時上界正好 1/10。

### Q04

不是。兩者分布相同，但知道第一個值便知道第二個值。雙 1 機率 1/2，和獨立時的 1/4 不等。

### Q05

先算平均的標準差 3/√9=1，再取 (4−2)/1=2。

### Q06

總和變異數是 nσ²，取平方根得 σ√n。σn 是把每次標準差直接相加，未反映變異數相加。

### Q07

不保證某次的誤差必減。例：公平指標前兩次是 0、1，平均正好 1/2；第三次若是 1，平均反變成 2/3。極限機率與逐步單調是兩回事。

### Q08

不行，公式除以 σ。若每次幾乎必然等於 μ，平均也不會波動，不需要用有正標準差的常態模型。

### Q09

單次變異數 1/4，代入得 (1/4)/(100·1/100)=1/4。這不是在聲稱精確機率為 1/4。

### Q10

原為 σ/√n，新為 σ/√(4n)=σ/(2√n)，故在 σ>0 時變成一半；對應變異數變成四分之一。
