📖 學習筆記・中級科目二

CH3.2 機率分佈與資料分佈模型

機率分佈與資料分佈模型

🧭 本節架構

機率分佈的兩個關鍵數值（期望值、變異數）→ 兩大類型（離散型 PMF／連續型 PDF）→ 常見離散分佈（伯努利→二項→泊松）→ 常見連續分佈（常態→指數→卡方）→ 分佈擬合與資料建模，選出最貼合資料的理論分佈以支援後續推論。

1. 機率分佈總覽

機率分佈（Probability Distribution）是描述隨機變數所有可能值及其相應機率的數學函數，可應用於理解和預測隨機現象、計算風險、優化資源配置。若能辨識資料屬於何種理論分佈，便能在後續推論與假設檢定時做更精準的模型選擇，也利於機器學習演算法或特徵工程優化。

(1) 機率分佈的兩個重要數值

期望值（Expected Value, E(X)）：隨機變數的加權平均值，代表長期平均或中心位置。

\[E(X) = \sum_{i=1}^{n} x_i P(x_i) \quad \text{（離散型）} \qquad E(X) = \int_{-\infty}^{\infty} x f(x)\,dx \quad \text{（連續型）}\]

變異數（Variance, Var(X)）：衡量隨機變數取值的分散程度，反映數據點偏離期望值的平均程度。

\[Var(X) = \sum_{i=1}^{n}(x_i-E(X))^2 P(x_i) \quad \text{（離散型）} \qquad Var(X) = \int_{-\infty}^{\infty}(x-E(X))^2 f(x)\,dx \quad \text{（連續型）}\]

(2) 機率分佈的兩種類型

類型	隨機變數特性	描述函數	範例
離散型（Discrete）	值有限或可數，通常為整數	機率質量函數（PMF），\(\sum_{x_i} P(X=x_i)=1\)	擲骰子點數、每日訂單數
連續型（Continuous）	值無限且連續，可為任意實數	機率密度函數（PDF），\(P(a\le X\le b)=\int_a^b f(x)dx\)	身高、體重、等待時間

2. 常見離散型機率分佈

(1) 伯努利分佈（Bernoulli Distribution）

描述單次試驗中只有兩種結果（成功/失敗）的離散型分佈，是二項分佈在 n=1 時的特例。

\[P(X=1)=p,\quad P(X=0)=1-p \qquad E(X)=p \qquad Var(X)=p(1-p)\]

應用示例：單一產品是否合格、使用者是否點擊廣告。侷限：僅適用單次試驗，無法擴展到多次試驗。

(2) 二項分佈（Binomial Distribution）

描述固定次數 n 的獨立試驗中，每次成功機率為 p，成功次數 X 的分佈：

\[P(X=k)=\binom{n}{k}p^k(1-p)^{n-k},\ k=0,1,\dots,n \qquad E(X)=np \qquad Var(X)=np(1-p)\]

應用示例：投放 n 則廣告觀察成功次數、檢驗 n 個產品的合格數量。侷限：試驗需獨立且成功機率 p 固定，任一條件不滿足則不適用。

(3) 泊松分佈（Poisson Distribution）

描述某事件在固定時間或空間區間內「發生次數」的機率分佈，平均發生率為 λ：

\[P(X=k)=\frac{\lambda^k e^{-\lambda}}{k!},\ k=0,1,\dots \qquad E(X)=\lambda \qquad Var(X)=\lambda\]

應用示例：客服中心來電量、設備故障次數等稀少事件。侷限：假設平均發生率 λ 固定，若發生率隨時間變化則不適用。

常見離散分佈比較

分佈	描述對象	關鍵參數	E(X)	Var(X)
伯努利	單次成功/失敗	p	p	p(1−p)
二項	n 次獨立試驗的成功次數	n, p	np	np(1−p)
泊松	固定區間內事件發生次數	λ	λ	λ

🧠 記憶技巧

伯努利＝「丟一次」、二項＝「丟 n 次數成功幾次」、泊松＝「固定時段內發生幾次稀有事件」；泊松分佈的 E(X) 與 Var(X) 剛好都等於 λ，是常考的判別點。

3. 常見連續型機率分佈

(1) 常態分佈（Normal Distribution）

最常見的連續型機率分佈，數據呈現對稱鐘形曲線，由均值 μ 與標準差 σ 決定分佈的中心位置與擴展範圍。

\[f(x)=\frac{1}{\sigma\sqrt{2\pi}}\exp\left(-\frac{(x-\mu)^2}{2\sigma^2}\right) \qquad E(X)=\mu \qquad Var(X)=\sigma^2\]

根據中央極限定理（Central Limit Theorem），當樣本量足夠大時，無論原始資料分佈為何，任一組獨立且同分佈隨機變數的總和或平均值的分佈都會趨近常態分佈。應用示例：身高體重等自然數據、股票報酬率、t 檢定/z 檢定的理論基礎。侷限：資料呈現偏態、長尾或極端值較多時不適合假設常態。

(2) 指數分佈（Exponential Distribution）

描述事件發生之間的間隔時間，適用於「等待時間」或「生存時間」建模，特徵為記憶性（Memoryless，未來事件發生與過去時間無關）：

\[f(x)=\lambda e^{-\lambda x},\ x\ge 0 \qquad E(X)=\frac{1}{\lambda} \qquad Var(X)=\frac{1}{\lambda^2}\]

應用示例：客服來電間隔、機器壽命、排隊理論。侷限：需假設發生率固定，若隨時間變化需改用更複雜的分佈（如 Weibull 分佈）。

(3) 卡方分佈（Chi-square Distribution）

常態分佈的平方和所形成的偏態分佈，用於檢驗假設、測量變異數，與適配度檢定、獨立性檢定、齊一性檢定密切相關。隨自由度（Degrees of Freedom, df）k 增加，卡方分佈會逐漸趨近常態分佈。

\[E(X)=k \qquad Var(X)=2k\]

應用示例：適配度檢定（Goodness of Fit）、列聯表獨立性檢定。侷限：自由度 k 較小時，檢定的準確度可能受限，偏態較明顯。

常見連續分佈比較

分佈	描述對象	關鍵參數	特徵
常態分佈	對稱鐘形自然現象	μ、σ	中央極限定理的極限分佈
指數分佈	事件間隔／等待時間	λ	具記憶性缺失（Memoryless）特性
卡方分佈	常態變數平方和	自由度 k	隨 k 增加趨近常態，用於檢定

⚠️ 易錯點

中央極限定理保證的是「樣本平均數的抽樣分佈」會趨近常態分佈，而非「原始資料本身」會變成常態分佈——這是選擇題常見的陷阱敘述。

4. 分佈擬合與資料建模

分佈擬合（Distribution Fitting） 的目的是找出一個合適的數學模型（分佈）來描述蒐集到的資料，透過數學方法（如最大似然估計）找出該分佈的參數，使其最貼合實際數據；資料建模則是將擬合後的分佈應用於預測、風險分析或決策等實務情境。

分佈擬合的關鍵條件與考量：

考量面向	說明
資料型態確認	先判斷資料屬離散型（如計數變數）或連續型（如測量變數）
模型候選選擇	偏態或長尾資料可考慮對數常態分佈或 t 分佈；事件稀少且獨立則泊松分佈較合適
獨立性與固定率假設	二項與泊松分佈假設試驗獨立且機率/發生率固定，須用自相關（Autocorrelation）等方法檢查

🎯 核心觀念

選擇分佈模型前務必先檢查資料型態（離散/連續）與前提假設（獨立性、固定發生率）是否成立；若促銷活動改變了成功率，原本適用的二項分佈可能失效，需改用動態模型。

🔗 相關名詞卡

期望值二項分佈泊松分佈常態分佈卡方分佈自由度中央極限定理機率模型

📝 章節考題自測（先作答，再點開解答）

Q1. 若某網路商店平均每小時接到 4 筆客訴，欲估計「一小時內接到 6 筆客訴」的機率，最適合使用下列哪一種分佈？

(A) 常態分佈　(B) 二項分佈　(C) 泊松分佈　(D) 指數分佈

解答與解析

參考 Ans: (C) 題目描述「固定時間區間內事件發生次數」，屬於典型的泊松分佈應用情境，平均發生率 λ = 4，可用 \(P(X=6)=\frac{4^6 e^{-4}}{6!}\) 計算。二項分佈需要明確的試驗次數 n，指數分佈描述的是「間隔時間」而非「次數」，皆不符合題意。

Q2. 已知某二項分佈中 n = 10，p = 0.3，其期望值與變異數分別為？

(A) E(X)=3，Var(X)=2.1　(B) E(X)=10，Var(X)=0.3　(C) E(X)=0.3，Var(X)=3　(D) E(X)=3，Var(X)=0.09

解答與解析

參考 Ans: (A) 二項分佈 \(E(X)=np=10\times0.3=3\)；\(Var(X)=np(1-p)=10\times0.3\times0.7=2.1\)。務必記住二項分佈變異數要多乘一項 (1-p)，與泊松分佈（Var(X)=λ）不同。

Q3. 關於中央極限定理（Central Limit Theorem）的敘述，下列何者正確？

(A) 任何原始資料在樣本數夠大時本身會變成常態分佈　(B) 樣本平均數的抽樣分佈在樣本數夠大時會趨近常態分佈，無論原始母體分佈為何　(C) 只適用於已經是常態分佈的母體　(D) 與樣本數大小無關

解答與解析

參考 Ans: (B) 中央極限定理保證的是「樣本平均數（或總和）的抽樣分佈」會趨近常態分佈，而非原始資料本身變成常態分佈，這是常見的陷阱敘述，(A) 為錯誤選項。

Q4. 下列何者是伯努利分佈與二項分佈之間的關係？

(A) 兩者無關　(B) 伯努利分佈是二項分佈在 n=1 時的特例　(C) 二項分佈是伯努利分佈在 n=1 時的特例　(D) 兩者是完全相同的分佈

解答與解析

參考 Ans: (B) 伯努利分佈描述單次試驗的成功/失敗，是二項分佈在試驗次數 n=1 時的特例；二項分佈則是多次獨立伯努利試驗成功次數的加總分佈。

Q5. 某工程師想分析「機器故障間隔時間」的分佈，且該現象具有「未來發生與過去無關」的記憶消失特性，最適合採用下列何種分佈？

(A) 二項分佈　(B) 常態分佈　(C) 卡方分佈　(D) 指數分佈

解答與解析

參考 Ans: (D) 指數分佈的特徵即為記憶性缺失（Memoryless），適合描述事件間隔或等待時間，如機器故障間隔、客服來電間隔等。

Q6. 卡方分佈常用於下列何種統計檢定？

(A) 平均數比較　(B) 適配度檢定與獨立性檢定　(C) 相關係數估計　(D) 迴歸係數的信賴區間估計

解答與解析

參考 Ans: (B) 卡方分佈是常態分佈的平方和，與適配度檢定（Goodness of Fit）、獨立性檢定、齊一性檢定密切相關，常用於類別資料的檢定分析。

Q7. 關於卡方分佈與自由度的關係，下列敘述何者正確？

(A) 自由度越大，卡方分佈越偏態　(B) 自由度越大，卡方分佈越趨近常態分佈　(C) 自由度與卡方分佈的形狀無關　(D) 自由度只會影響離散型分佈

解答與解析

參考 Ans: (B) 隨自由度 k 增加，卡方分佈會逐漸趨近常態分佈；自由度較小時，卡方分佈偏態較明顯。

Q8. 若某資料呈現明顯右偏（正偏態）且含長尾，在進行分佈擬合時，下列哪一種模型候選較合理？

(A) 標準常態分佈　(B) 對數常態分佈或重尾分佈（如 t 分佈）　(C) 伯努利分佈　(D) 二項分佈

解答與解析

參考 Ans: (B) 若資料呈現偏態或長尾，可考慮對數常態分佈或重尾分佈（如 t 分佈），而非直接假設常態分佈；伯努利與二項分佈則適用於離散的成功/失敗類資料，與此情境不符。