高中數學_機率與統計_抽樣與統計推論_16.二項分布近似常態分佈_蘇麗敏

. DeltaMOOCx
50粉絲
#機率與統計#二項分布#常態分佈
DeltaMOOCx 台達磨課師是高中/高工及大學的免費公益磨課師(MOOCs)平臺。練習題、討論、教師輔導及更多數位課程資源,請至https://high.deltamoocx.net 註冊。本影片採用「創用CC-姓名標示-非商業性-禁止改作4.0」臺灣授權條款,相關授權作業依「創用CC-姓名標示-非商業性-禁止改作4.0」規範辦理。
各位同學大家好,我是北一女中蘇麗敏老師,這一段呢,我們已經學過二項分佈跟常態分佈之後呢,這兩個分佈有沒有什麼關係?
其實有的喔,通常我們會說二項分佈它會近似於常態分佈,那是怎樣的近似呢?來,我們先複習二項分佈,先從這幾個圖形可以看得出來,第一個圖左右對稱,它P等於0.5,那第二個圖也一樣,第三個圖一樣,分別看出這三個圖,有沒有感受到左右對稱的差異?
除了對稱之外,那可是圖形上有一點點不一樣,因為我的那個N,我的抽的人數是不同的,可以看得出來,因為到後面這個N等於100的時候,它的資料就比較集中嘛,那這樣就叫近似於常態分佈嗎?其實也不然,如果我的P等於0.2,可以看得出來,因為機率比較小,所以右邊的尾巴記得拉得很長長喔,你圖形上有沒有看到,右邊有一個尾巴,長長的尾巴,這樣也叫近似常態嗎?
可是不可以說,這樣像就叫近似喔,來,我們先看一下,在看它們兩個的關係的時候,剛剛由那幾個圖形我們知道,二項分佈呢,當你的,我們的N如果固定之下,前面那三個圖,我們知道如果0.5左右對稱,那個P如果呢,比0.5來得小,那個右邊尾巴是不是拉得很長很長,如果比0.5大,就變成是左邊拉得很長很長,所以左邊拉得很長,我們就叫左邊,右邊拉得很長很長,我們就叫右邊。
這個是二項分佈,那我們想,它怎麼近似常態分佈,其實如果你剛剛從那個圖形,大概隱隱約約有點感覺,那個N越來越大,尤其第四個圖,第四個圖,N很大很大的時候,那個成功機率的P只有0.2,可是右邊雖然有一點長長的尾巴,但是你感覺上,好像還是蠻對稱的對不對,可是,不是在看那對稱性就代表它近似,我們所謂二項分佈要近似常態分佈,基本上在實務上在使用喔,它說,
你只要N乘以P大於等於5,而且N乘以1減P也大於等於5的時候,我們這時候就可以用二項分佈來近似常態分佈這個性質來操作,那也就是在告訴你說,我不是要N越來越大喔,我N只要夠大,你看多夠,來就是NP大於等於5,N乘以1減P大於等於5。
那到底怎樣能讓你看出來你怎樣會近似呢?我覺得我們沒有辦法實際這樣操作給你看,我們就透過電腦,我們請電腦幫我們模擬出一個二項分佈,那我們來操作一下,它到底是怎樣近似於常態分佈,所以我們先看哪一段電腦模擬的GGB。
我們想利用GGB來呈現二項分佈近似於常態分佈的這個性質,那首先呢,我們先由一個N等於100,P等於0.5的二項分佈來做起,那因為你要所謂它要近似於標準常態分佈的話,我們應該先把它標準化,
什麼叫把它標準化?我們要先算出這個二項分佈的期望值,那因為我們看出它的P是0.5,我們現在是在看的是比率的分佈,所以它的期望值就是0.5,那標準差利用公式根號N分之P乘以1減P,也就是根號
100分之0.5乘以0.5,算出來可以得到標準差是0.5,所以0.05,所以目前看得到是一個標準差0.05的二項分佈,那因為我們這個二項分佈它的機率那個高度合是1嘛,可是我目前我的寬度呢,因為是不是100,因為你N等於100啊,所以寬度合的話是1%,所以目前這個圖形的機率總合是1%,所以我們開始來標準化第一步,是不是要先平移到我們的期望值,期望值剛0.5,
所以也就是大家一起減0.5,所以開始看得到這個畫面上大家是不是就平移到這個中心平移到0了,那緊接著我是不是要除上標準差,我得除上0.05,所以你看看,因為大家除上0.05,那0.05其實是不是就是20倍,所以大家每一個人就放寬為20倍,所以它的機率合也會放寬為20倍喔,對不對,所以其實就變成1五分之1就是0.2,那這時候就牽扯到一個問題了,我們的二項分佈呢,它是一個離散型的分佈,
那我要近似於常態分佈,常態是一個曲線下的面積合為1,因為剛剛我們做了伸縮的關係,所以目前的羣像面積合其實是隻有0.2,所以你要說它近似,當然一看就圖形不像啊,我們得把Y走,大家Y走,再除上0.2分之1,就是說乘0.2分之1,其實就跟著把Y走,就是放大為5倍,
如果被放大起來,我們的機率合的面積,就是曲線面積才會是1,所以現在看到畫面上這個圖形,是不是就是一個近似於標準常態的一個圖形,長得還蠻接近中型曲線的喔,
那剛剛因為我們這個圖形呢,我取的機率是0.5,因為對稱嘛,所以很美喔,那我們來試試看下一個,如果我把機率調整到P等於0.2呢,它的近似狀況好不好?
我們首先看到來,圖面上可以看到這個二項分佈的圖形長這個樣子,那期望值呢,就是剛剛那個P,0.2,標準差,還是要用公式根號,
n分之P乘以1減P,也就是根號1百分之0.2乘以0.8,開根號出來,0.04,那可以看得出來,它的機率總和,因為我那個n等於100嘛,所以我那個寬度就1百分之1,所以機率總和就1百分之1,
那我們要標準化囉,首先平移,那所以把0.2的地方,你看整個圖是不是就0.2的地方,我移到中心位置0的地方,
那接著呢,我們就要去除上標準差,所以除上0.04分之1,
對不對?那你除,你看就放寬嘛,對不對?所以其實就相當於放大為,那個寬度變成放大為25倍,所以目前的機率總和呢,是不是就是0.25分之,0.25,
那所以這個圖目前看起來還是沒有近似常態呀,因為我的機率和曲線下面積只有0.25,我們要讓它變成曲線面積變成是1,
所以0.25其實是不是就1分之4,所以我們要把高度拉長4倍,所以整個高度慢慢地延長到4倍,有沒有看起來是不是就近似於常態了,
所以我們用GGB來操作,讓你體會什麼是中央極限定理,那從剛剛我們看過的這個電腦GGB程式幫我們模擬出來,有沒有感受到了,
我二項分佈要近似於常態分佈的時候,其實呢,我應該要去把它做標準化,也就是說如果把剛剛那種二項分佈我們拿再做幾個圖形出來的話,
我再告訴你說標準化之前,這三個圖呢,怎麼跟前面看的二項分佈的圖有一點不一樣,前面的二項分佈的圖形,其實那個尺度,那個S軸上的尺度都有稍微調整過,
也就是說,那S尺度呢,每一格的看起來其實寬度都不一,這三個圖呢,我的N在改變,你可以看到我取的P都是0.5,我N在改變的時候呢,那我的那個SY的尺度我如果都是固定的,
如果你仔細看的話,我X的尺度其實都是一樣的,你就會發現在N很大很大的時候,這個圖就變得很低很低很小很小,
連我Y的尺度也是一樣的,剛剛你前面那種看得出那個圖長高,其實是因為他把Y的尺度改變了,他就每一個的Y的尺度的寬度是不同的,如果真的你寬度一樣的話,
你長得這麼小小一滴滴的東西,你大概不會覺得他看起來像常態分佈吧,所以剛剛我們電腦模擬出來的那個圖形,我們是不是要先把它標準化,所以我上面這個圖叫標準化前,
當我把它標準化,我們知道除了平移壓收,你Y是不是也是要去拉長,對不對,所以當我標準化之後,按照剛剛的電腦模擬,幾乎都會呈現這樣的標準常態的圖形,
那有了這個概念呢,這個概念在統計上很有名,他就叫做中央極限定理,只是我們在一個小小的高中生,來,要去證明這個定理是有點困難的,
所以老師才用電腦模擬,讓你體會一下什麼叫中央極限定理,他指的就是說,如果我每一次都是獨立且隨機的抽樣下,這個母體的平均數如果是μ,標準差如果是σ,我們樣本的平均我們用sm,他說只要n夠大,
你有沒有發現我寫的,我不是說n很大,我是說只要n夠大之下,我們這個樣本的平均標準化以後,他就會近似於常態分佈,剛剛修出來是不是都是這麼美的常態分佈,其實各個圖形不一樣,可是也都相去不遠,這個就是中央極限定理,
那我們二項分佈,因為在操作上你要使用的話,我們要再複習一下二項分佈的標準差跟期望值,因為你要標準化,對不對,所以還記得嗎,二項分佈,如果我給你一個二項分佈,我重複抽n次,成功的機率如果是p的話,那期望值,來,期望值應該是叫np,
我們的標準差是不是叫做根號np乘以1-p,老師這邊秀出來的是變異數,是不是標準差的平方,所以我就沒有根號,對不對,好,來,那如果呢,你看你剛剛一般我們在抽樣的時候,我關心你有多少人支持總統,那不太重要嘛,你要告訴我是佔全部的比例多少嘛,對不對,所以通常我們要講的是比例嘛,全國有多少比例支持目前的施政嘛,
所以呢,我們通常要除上你抽n的總人數,所以那個y就叫代表樣本的比例,成功的比例,所以你看那個y是那個x除上n,那如果你是用比例來做的時候,那這時候y的期望值多少呢,因為你每一個資料都除以n啊,所以你的期望值當然就跟著除以n,所以y的期望值其實就是那個真的成功的比例p嘛,
那標準差呢,一樣,好,來,如果我們不寫根號,那就平方變異數,因為你知道變異數是平方哦,所以是不是差量的平方,所以你每一個人都除以n,那我的變異數是不是就除n平方,所以你看我們綠色這個式子,是不是上面的這個np乘以1-p,去除上n平方,那把上下的n約掉,所以樣本比例的變異數是n分之p乘以1-p,
那標準差就會是根號,再取一個根號,根號n分之p乘以1-p,這兩個不要搞混哦,那所以我把標準差呈現出來之後呢,來,我們來看一下二項分佈的近似機率,好,來,也就是說,如果我現在給你一個二項分佈成功為p重複n次的話,按照剛剛的講法,我們是不是需要把它標準化,對不對,標準化就是把你的這一個樣本比例,剛剛我是寫sn嘛,
中央極限定理,可是後面這裡我們實務上在使用,我們會把樣本抽出來的,我們習慣,那那個p上面長一個,長一頂帽子,那個我們唸作p hat,好,來,p hat呢,其實就是那個樣本的比例,是不是n分之x,就是我剛剛寫的y,那所謂的標準化,是不是把那個
樣本比例那個p hat減掉我們真正的平均數,除上標準差,記得嗎,這是比例哦,比例的標準差是不是叫根號n分之p乘以1-p,那你把它標準化之後,我們就說,它是不是會近似我們的常態,
所以,意思,來,再看一下我們這個常態的圖形,如果我中間,來,中間,你看這是標準化,我中間是不是0,左右兩個標準差正負二中間是不是佔百分之95,所以意思在告訴你說,我這個標準化呢,介在正負二之間是不是佔百分之95,所以是不是這個式子,這個式子,來,我們前面那個大p指的是機率,來,所以,因為我寫左右正負二,正負二式子比較冗長,所以我們通常會加個絕對值,
絕對值小於等於二,是不是就是介在負二跟正二,啊,它的機率是0.95,那這個式子呢,如果我把分母乘過去,對不對,我把分母乘過去是不是就告訴你,p hat減掉p,
p hat減掉p,是不是就小於等於兩倍的這個標準差的機率是0.95,那如果我把這個絕對值拆開呢,我們把這個絕對值拆開是不是就變成
p hat減p,是不是就介在正負兩個標準差之間的這一個式子,它所佔的機率還是95%,我記得是同樣一個機率的式子,我只是把裡面的表示法,所以我不斷地展開給你看而已,好,來,那再把這個式子呢,中間的這個p hat減p,我們把左右每一個地方都加了p,來,我們相當於把那個p移向過去,來,左右再各加一個p的話,
就是要告訴你說,我p hat呢,介在我們真正的p值減掉兩個標準差跟加兩個標準差,這個區間的範圍的機率是0.95,這是一個很重要的概念,它跟我們後面要講的信賴區間有關係,但是在這裡呢,我們先熟悉這個機率,
我們的p hat去抽樣的那個樣本比例的p hat,作介在p加減兩個標準差這個範圍之內呢,它的機率0.95,其實就是跟我們前面講的常態左右兩個標準差中間的機率0.95是相關的,先熟悉這個概念之後,我們再接著看下一段,怎麼把這個概念應用到生活上的實際例子。
