Professional Documents
Culture Documents
漫談數學學與教
新高中數學課程延伸部分
單元一
作者 韓藝詩、黃毅英、張家麟
教育局
課程發展處數學教育組
版權
©2009 本書版權屬香港特別行政區政府教育局所有。本書任何部分之文字及圖
片等,如未獲版權持有人之書面同意,不得用任何方式抄襲、節錄或翻印作商
業用途,亦不得以任何方式透過互聯網發放。
ISBN 978-988-8019-63-2
目錄
前 言 ................................................................................... v
作 者 簡 介 ...........................................................................vi
1. 緒 論 .............................................................................. 1
2. 二 項 展 式 ....................................................................... 2
3. 指 數 及 對 數 函 數 ............................................................ 5
4. e 的 簡 述 ....................................................................... 6
5. 極 限 ............................................................................ 15
6. 求 導 法 ........................................................................ 18
7. 求 導 法 的 應 用 ............................................................. 20
8. 不 定 積 分 法 ................................................................. 23
9. 定 積 分 ........................................................................ 25
10. 使 用 梯 形 法 則 計 算 定 積 分 的 近 似 值 ............................. 28
11. 條 件 概 率 和 獨 立 性 ...................................................... 29
12. 貝 葉 斯 定 理 ................................................................. 33
13. 離 散 隨 機 變 量 ............................................................. 34
14. 概 率 分 佈 、 期 望 值 和 方 差 ........................................... 35
15. 二 項 分 佈 ..................................................................... 39
16. 幾 何 分 佈 ..................................................................... 40
iii
17. 泊 松 分 佈 ..................................................................... 41
18. 二 項 、 幾 何 和 泊 松 分 佈 的 應 用 .................................... 43
19. 正 態 分 佈 的 基 本 定 義 及 其 性 質 .................................... 44
20. 抽 樣 分 佈 和 點 估 計 ...................................................... 47
21. 總 體 平 均 值 的 置 信 區 間 ............................................... 48
22. 總 體 比 例 的 置 信 區 間 ................................................... 51
參 考 書 目 .......................................................................... 53
附 錄 一 : 弱 大 數 定 律 ........................................................ 58
附 錄 二 : 中 心 極 限 定 理 ..................................................... 60
附 錄 三 : 指 數 函 數 e x 性 質 的 論 述 ....................................... 63
附 錄 四 : 引 入 指 數 與 對 數 函 數 的 另 一 方 法 ........................ 67
附 錄 五 : 離 散 概 率 分 佈 的 期 望 值 和 方 差 ............................ 73
iv
前言
為配合香港數學教育的發展,並向教師提供更多參考資
料 , 課 程 發 展 處 數 學 教 育 組 於 2007 年 開 始 邀 請 大 學 學 者 及 資
深老師撰寫專文,並蒐集及整理講座資料,輯錄成《數學百
子櫃系列》
。本 書《 漫 談 數 學 學 與 教 ─ 新 高 中 數 學 課 程 延 伸
部分單元一》是這個系列的其中一冊,作者黃毅英教授、張
家麟博士和韓藝詩女士對中學數學教學素有研究,本書除談
及高中數學課程的學科知識外,對學科教學知識、學習難點
等,都有精闢的見解。本書不僅可供教師參考,亦可作為學
生讀物。作者撰文期間,高中數學課程仍在修訂,本書內容
或與課程最後定稿偶有出入,祈請讀者留意。此外,本書只
屬作者個人觀點,並不代表教育局的意見。
本系列能夠出版,實在是各方教育工作者共同努力的成
果。在此,謹向提供資料、撰寫文章的老師、學者,以及所
有為本書勞心勞力的朋友,致以衷心的感謝。
如有任何意見或建議,歡迎致函:
九 龍 油 麻 地 彌 敦 道 405 號 九 龍 政 府 合 署 4 樓
教育局課程發展處
總課程發展主任(數學)收
(傳 真 : 3426 9265 電 郵 : ccdoma@edb.gov.hk )
教育局課程發展處
數學教育組
v
作者簡介
韓 藝 詩 , 香 港 科 技 大 學 獲 得 理 學 士( 數 學 )和 哲 學 碩 士( 數
學 )學 位 , 香 港 浸 會 大 學 取 得 學 位 教 師 教 育 文 憑 , 現 於 香 港 中 文
大 學 修 讀 教 育 碩 士 課 程。曾 於 香 港 教 育 學 院 擔 任 專 任 導 師,亦 曾
於中學任教數學。
vi
緒論
1. 緒論
新 高 中 數 學 課 程 單 元 一 與 數 學 及 統 計 科 (高 級 補 充 程 度 )
內容相若,並循著數統的脈絡,由三個領域組成。第一個領
域「基礎知識」的內容是為了學習第二個領域「微積分」及
第三個領域「統計」而鋪路。例如,有了二項展式就可介紹
二 項 分 佈; 有 了 e 就 可 介 紹 正 態 分 佈。第 二 個 領 域「 微 積 分 」
基本上是單元二的子集。當然,相對單元二而言,它較強調
運算的技巧和在統計方面的應用。
在 編 寫 此 小 册 子 時,筆 者 們 曾 考 慮 刪 除「 微 積 分 」部 分 。
因為這部分與單元二有重複的地方,雖然深度、廣度和重點
不同,老師們為了有更詳盡和深入理解,想必直接翻閱單元
二的小册子,所以在編輯之初是沒有「微積分」部分。但參
考多方友好的意見後,為了方便老師閱讀,所以部分單元二
的內容會直接抽取並置於單元一的相關課題內,故發現單元
一與單元二部分內容相同是正常的。
這本小冊子並不是一部數學書,想查閱對課題更深入的
數學內容與証明,恐怕要讓老師們失望了。這亦並非一部教
學法或提供教學範例的書籍,想把此書當作教學指引的老師
們也許亦得不到滿足。編寫這本小冊子的目的只是想引發老
師們在教授單元一時,在知識上和教學上有更多的討論與探
究。
‧1‧
漫談數學學與教一新高中數學課程延伸部分單元一
2. 二項展式
一些學生或會覺得二項式定理不只乏味而且難明。乏味
的 其 中 一 個 原 因 是 不 了 解 其 用 途 , 除 了 (1 + x) n 在 迫 近 的 用 處
外,其他用途尚包括古代中國解方程的想法(即透過完全平
方、完 全 立 方 等 )。就 算 不 談 完 全 平 方、立 方 等 構 思,略 談 楊
輝 ( 賈 憲 ) 三 角 的 故 事 1( 從 楊 輝 三 角 說 起 ) 亦 應 能 加 添 一 點
趣 味。此 外,由 學 生 熟 知 的 (a + b) 2 = a 2 + 2ab + b 2 出 發,計 算 :
(a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 , 以 至 (a + b) 4 及 (a + b) 5 , 從 而 列 出
楊 輝 三 角 , 讓 學 生 觀 察 當 n 為 正 整 數 時 , (a + b) n 與 (a + b) n +1 展
式 中 , 各 項 係 數 是 如 何 關 聯 着 的 , 即 C rn + C rn−1 = C rn +1 , 是 一 個
好的切入點。
楊輝三角
至於證明,依法操作並不困難,不過一般學生感到數學
歸 納 法 證 明 二 項 式 定 理 不 只「 又 長 又 累 贅 」
,且 在 日 後 其 他 課
1
華羅庚(1964)。《從楊輝三角談起》
。北京:人民敎育出版社。
梁宗巨(1992)。《數學歷史典故》(第 16 章:賈憲三角—頁 392-407)。
沈陽:遼寧教育 出版社。
‧ 2‧
二項展式
題 均 沒 用 處( 考 試 又 通 常 不 會 要 求 考 生 證 明 )
。其 實 二 項 式 定
理的證明除了數學歸納法外,還可以有較直觀的利用組合想
法去證明。就是若
( a + b ) n = ( a + b )( a + b ) L ( a + b )
123 123 123
第一個 第二個 第n個
要「 生 出 」 a r b n − r 來( 學 生 首 先 要 認 識 到 若 a 的 冪 是 r , b 的 冪
必 須 是 n − r )。 相 等 於 從 n 個 不 同 的 括 號 ( 以 次 序 區 分 ) 中 選
取 r 個 來 提 供 a,其 餘 的 n − r 個 提 供 b,故 此 其 方 法 總 數 是 C rn 。
這樣,便可推導出二項展式:
因數學歸納法本身也可以進一步淨化數學歸納法思維。
若 學 生 覺 得 P(n) ⇒ P(n + 1) 難 明 , 可 先 證 明 P(3) ⇒ P(4) 給 他 們
看看,
(a + b )3 = C 03 a 3 + C13 a 2 b + C 23 ab 2 + C 33 b 3
× ( a + b)
= C03a 4 + C13 a 3b + C23 a 2b 2 + C33 ab 3
+ C03 a 3b + C13 a 2b 2 + C23 ab 3 + C33b 4
= C03 a 4 + C14 a 3b + C24 a 2b 2 + C34 ab 3 + C33b 4
(由於 Crn + Crn−1 = Crn +1 )
= C 04 a 4 + C14 a 3 b + C 24 a 2 b 2 + C 34 ab 3 + C 44 b 4
(由於 C03 = C04 = 1, C33 = C44 = 1 )
二項式的展開還有一個有趣的應用,就是求擲數枚骰子
擲出指定點數總和的概率。例如擲 3 枚骰子,求點數總和為
10 的 形 成 方 法,用 類 似 原 理,總 數 等 於 (x + x2 + ……+ x6)3 中 x 1 0
之係數,上式即
‧3‧
漫談數學學與教一新高中數學課程延伸部分單元一
x 3 (1 − x 6 ) 3
= x 3 (1 − 3 x 6 + ...)(1 + 3x + ... + 36 x 7 + ...)
(1 − x) 3
此 外 , 在 表 達 (∗) 時 , 引 入 求 和 記 號 :
n
(a + b) n = ∑ C rn a n-r b r
r =0 ,
既 可 讓 表 達 式 變 得 清 晰 簡 潔,亦 可 令 學 生 掌 握 應 用 求 和 記
號的方法與技巧,可謂一舉兩得。
相關網站:
1. 有 趣 問 題
http://163.21.42.19/mathpath/%B2%C4%A4K%AF%B8/8.htm
2. 二 項 式 與 π
http://www.math.sinica.edu.tw/math_media/d232/23211.pdf
3. 多 項 式
http://homepage.ntu.edu.tw/~p94922001/Downloads/Polynomials
Coefficient.pdf
4. 楊 輝 三 角
(a) http://www.math.sinica.edu.tw/math_media/d271/27110.pdf
(b) http://kss.hkcampus.net/~kss-wsf/theory.htm#triangle
(c) http://www.chiculture.net/0803/html/c65/0803c65.html
‧ 4‧
指數及對數函數
3. 指數及對數函數
對以正實數 a 為底定義的指數及對數函數,在學生認識
指數及對數定律時,便已開始滲入學生的學習中。學生從指
數及對數函數的圖像,可以直觀、概略地理解函數的各種性
質。然 而,細 心 一 想,學 生 已 學 習 的,其 實 只 是 x 為 有 理 數 時
a x 與 log a x 的 值,而 繪 製 這 些 函 數 的 圖 像,則 是 通 過 所 謂 插 值
( interpolation)的 方 法 , 將 指 數 及 對 數 函 數 的 有 理 點 值 , 以 連 續
平 滑 的 曲 線 連 接 而 成 的 。 學 生 對 x 為 無 理 數 時 a x 與 log a x 的
值,卻沒有認識。這種繪製函數圖像的方法,隱藏着我們的
一 種 信 念:指 數 及 對 數 函 數 是「 連 續、光 滑 」的。事 實 上, a x
與 log a x 在 x 為 無 理 數 時 的 值 , 可 以 利 用 有 理 數 r 逼 近 x , 而 以
a r 與 log a r 的 相 應 逼 近 值 來 定 義。可 以 驗 證,這 樣 定 義 的 指 數
及 對 數 函 數 是 「 連 續 、 光 滑 ( 可 微 )」 的 ( 詳 見 附 錄 三 )。 至
x
於 要 詳 細 有 系 統 的 介 紹 a x 與 log a x , 先 討 論 數 e , 再 引 入 e 與
其 逆 函 數 ln x = log e x , 從 而 再 推 廣 到 一 般 的 a x 與 log a x 的 做
法,不論就歷史發展或實用的角度而言,均屬可取的途徑。
‧5‧
漫談數學學與教一新高中數學課程延伸部分單元一
4. e 的簡述
e ( Euler number) 對 中 學 生 而 言 , 是 一 個 既 神 秘 , 又 奇 妙
的實數。它之所以神秘源於它的定義;它之所以奇妙,來自
以 它 為 底 ( base ) 所 定 義 的 指 數 函 數 , 以 及 它 相 應 的 逆 函 數
( inverse function) 自 然 對 數 在 物 理 世 界 中 的 種 種 應 用 。
e 的引入
很 多 時 可 以 透 過 複 利 的 計 算 公 式 來 引 入 e:
nt
⎛ r⎞
S = P ⎜1 + ⎟
⎝ n⎠
此 處 P 是 本 金, S 是 本 利 和, n 是 期 數,而 r 及 t 則 分 別 代
表利率和時期。眾所周知,當 n 增加時,S 將會變大。有趣
的問題是:當 n 無窮地遞增時, S 將會如何變化?為使討論
更 清 晰 明 確 , 取 r = t = P =1, 則 問 題 簡 化 為 討 論 極 限
n
⎛ 1⎞
lim ⎜1 + ⎟
n →∞ ⎝ n⎠
是 否 存 在 。 答 案 是 肯 定 的 , 它 的 值 就 是 e = 2.718281828L 。 要
證明存在極限,我們可確立:
n
⎛ 1⎞
( i) 序 列( sequence)Tn = ⎜1 + ⎟ 是 嚴 格 單 調 上 升( strictly
⎝ n⎠
n n +1
monotonic increasing)的,即 ⎛⎜1 + 1 ⎞⎟ < ⎛⎜1 + 1 ⎞⎟ ,其 中
⎝ n⎠ ⎝ n +1⎠
n 為自然數;
‧ 6‧
e 的簡述
( ii) Tn 是 有 界 的 , 事 實 上 , 2 ≤ Tn 是 明 顯 的 。 容 易 由 幾 何 級
數 的 估 值 證 明 對 於 所 有 的 自 然 數 n , Tn ≤ 3 成 立 。 應 用
實 數 序 列 的 單 調 收 斂 定 理 ( monotone convergence
theorem): 單 調 上 升 / 下 降 的 實 數 序 列 收 斂 ⇔ 該 序 列 為
n
⎛ 1⎞
有 界 序 列 , 從 而 得 知 極 限 lim ⎜1 + ⎟ 存 在 , 故 e 為 一 有
n → ∞⎝ n⎠
精確意義的數值記號。此外,還可以考慮序列
1 1 1 1
Sn = 1 + + + + L , n 為 自 然 數 , 並 證 明 :
1! 2! 3! n!
e = lim Tn = lim S n 2。
n →∞ n →∞
e 的一些重要性質
n
⎛ 1⎞
( 1) 2 < e = lim⎜1 + ⎟ < 3
n →∞⎝ n⎠
p
( 2) e 是 無 理 數( irrational number),即 不 能 將 e 寫 成
q
的形式,其中 p , q 為整數, q ≠ 0
( 3) e 是 超 越 數( transcendental number),即 e 不 是 任 何
一個以有理數為係數的多項式的根
應 用 序 列 S n 與 e 的 誤 差 估 計 , 可 為 ( 2) 給 出 一 個 漂 亮 的
2
雖然證明是標準的,卻並不容易,直接比較可知 Tn ≤ S n ,難的一步是利用
二項定理於 Tn , n 遠大於 k ,並看出:
n
1
Tn = 1 + ∑Ckn
k =1 nk
1 1 ⎛ 1 ⎞ 1 ⎛ 1 ⎞⎛ 2 ⎞ 1 ⎛ 1⎞ ⎛ k −1⎞ 1 ⎛ 1⎞ ⎛ n −1⎞
= 1 + + ⎜1 − ⎟ + ⎜1 − ⎟⎜1 − ⎟ + L+ ⎜1 − ⎟ ×L× ⎜1 − ⎟ + L+ ⎜1 − ⎟ ×L× ⎜1 − ⎟
1! 2! ⎝ n ⎠ 3! ⎝ n ⎠⎝ n ⎠ k! ⎝ n ⎠ ⎝ n ⎠ n! ⎝ n ⎠ ⎝ n ⎠
1 1 ⎛ 1 ⎞ 1 ⎛ 1 ⎞⎛ 2 ⎞ 1 ⎛ 1⎞ ⎛ k −1⎞
≥ 1 + + ⎜1 − ⎟ + ⎜1 − ⎟⎜1 − ⎟ + L+ ⎜1 − ⎟ ×L× ⎜1 − ⎟,
1! 2! ⎝ n ⎠ 3! ⎝ n ⎠⎝ n ⎠ k! ⎝ n ⎠ ⎝ n ⎠
1 1 1
再取 n → ∞ ,推出 e ≥ 1 + + + L + = S k 。歸納上述結果,得 Tk ≤ S k ≤ e ,
1! 2! k!
,使 k → ∞ 即可得預期結果。
再於上式,應用夾逼定理(squeezing theorem)
‧7‧
漫談數學學與教一新高中數學課程延伸部分單元一
證 明 3,( 3) 的 證 明 較 艱 深 ! 不 屬 於 一 般 的 中 學 課 題 。
指 數 函 數 ex 的 定 義 及 一 些 性 質
要 講 解 以 e 為 底 又 或 是 以 一 般 正 實 數 為 底 的 指 數 函 數,是
一個頗令高中老師頭痛的問題。要講解 ex,首先要定義 ex,
難題立即湧現:
( I) 當 r 為 有 理 數 時 , er 的 意 義 是 熟 知 的 , 但 當 x 是
無理數時,怎樣賦予 ex一個合理的定義?
想 不 通 往 往 要 翻 書 求 救,誰 不 知 在 哪 些「 高 等 數
學 」書 中,定 義 以 e 為 底 的 指 數 函 數 e x : R → (0, ∞)
時,往往會參照引入 e的方法,對實數 x定義 ex
為:
n
⎛ x⎞
( II) e x = lim ⎜1 + ⎟ ,或
n →∞ ⎝ n⎠
n xk ∞ xk
( III) e x = lim ∑ =∑
n → ∞ k = 0 k! k = 0 k!
學生如何去算 e 2 ⎛
= lim ⎜⎜1 +
2⎞
⎟ 或
n
∑
∞( 2) k
?另外,這樣的定
n →∞
⎝ n ⎠⎟ k =0 k!
義 , 會 否 與 一 般 考 慮 er ( r 為 有 理 數 ) 時 所 用 的 定 義 一 致 ?
( 1) e x ⋅ e y = e x + y 及
3
參閱復旦大學《數學分析》編寫組(1967)。《數學分析.上冊》。香港:商
(頁 68-69)
務印書局。 。
‧ 8‧
e 的簡述
1
( 2) e − x = ,其中 x與 y為實數。
ex
在 附 錄 三 中,我 們 介 紹 一 種 方 法,在 定 義 e 之 後 以 e r( 其
中 r 為 有 理 數 ) 去 逼 近 ex, 從 而 使 ex 有 意 義 , 並 由 此 看 出 ex
是 x 的 連 續 函 數 以 及 ( 1) 和 ( 2) 成 立 。
自 然 對 數 ln x 的 定 義 及 一 些 性 質
定 義 了 以 e 為 底,單 調 連 續 的 指 數 函 數 y ( x) = e x : R → (0, ∞)
後,由於它是雙射的,下一步,便可以考慮它的逆函數自然
對 數 函 數 : x = e y ⇔ y = ln x (= log e x) 。
與 y = e x 一 樣 , y = ln x : (0, ∞) → R 也 是 單 調 上 升 的 連 續 函
數。
y = ln x 的 圖 像
( 1 ) ln x + ln y = ln( xy) ,
⎛ x⎞
( 2 ) ln x − ln y = ln⎜⎜ ⎟⎟ ,
⎝ y⎠
‧9‧
漫談數學學與教一新高中數學課程延伸部分單元一
( 3 ) α ln x = ln x α 。
至 此 , 對 一 般 的 指 數 函 數 y ( x) = a x , x ∈R, a > 0 均 可 以 通 過
a x = e x ln a 來 定 義 , 顯 然 它 是 連 續 函 數 , 且 滿 足 一 般 的 指 數 定
律。
x
回 應 指 數 函 數 e 的 定 義 中 的 問 題 ( II), 要 看 出
n
⎛ x⎞
e x = lim⎜1 + ⎟ , x ≠ 0 , 我 們 注 意 到 :
n →∞⎝ n⎠
x
n ⎡ n
⎤
⎛ ⎞ ⎢⎛⎜ ⎞ x
⎥
n ⎜ ⎟ ⎟
⎛ x⎞ 1 1
lim ⎜1 + ⎟ = lim ⎜1 + ⎟ = lim ⎢⎢⎜1 + ⎟ ⎥
⎥
n → ∞⎝ n⎠ n →∞ ⎜ n ⎟ n →∞ ⎜ n ⎟
⎜ ⎟ ⎢⎜ ⎟ ⎥
⎝ x ⎠ ⎢⎣⎝ x ⎠
⎦⎥
⎡ n⎤ ⎡ n⎤
⎢⎛ ⎞x ⎥ ⎢ ⎛ ⎞x ⎥
⎢⎜ 1
⎟ ⎥ ⎢ ⎜
1
⎟ ⎥
x ln ⎢ ⎜ 1+ ⎟ ⎥ x ln ⎢ lim ⎜ 1+ ⎟ ⎥
⎢⎜ n ⎟ ⎥ ⎢ n → ∞ ⎜ n ⎟ ⎥
⎢ ⎜⎝ x
⎟ ⎥
⎠ ⎢ ⎜
⎝ x
⎟ ⎥
⎠
⎣⎢ ⎦⎥ ⎣⎢ ⎦⎥
= lim e =e = ex,
n →∞
此 處,我 們 已 應 用 了 e x 與 ln x 的 連 續 性,以 及 將 在 附 錄 三 中 證
明:
x
⎛ 1⎞
(※) e = lim ⎜1 + ⎟ .
x → ± ∞⎝ x⎠
要 想 確 切 理 解 ( III ), 並 不 容 易 , 它 牽 涉 到 一 般 的 無
窮 級 數 理 論 , 在 此 不 作 論 述 。 但 引 導 學 生 從 e = e1
n xk
⎛ 1 1 1 1⎞
= lim ⎜1 + + + + L ⎟ 出 發 去 討 論 e x = lim ∑ = lim S n ( x) 的
n → +∞ ⎝ 1! 2! 3! n! ⎠ n → ∞ k = 0 k! n →∞
意 義,卻 是 一 個 極 具 挑 戰 性 的 探 究 活 動。對 一 給 定 的 實 數 x ,
要 高 中 學 生 證 明 ,( i ) {S n ( x)}∞n =1 是 有 界 序 列 , 並 且 (ii) 對 足 夠
大 的 正 整 數 N , {S n ( x)}∞n≥ N 是 單 調 上 升 序 列 , 從 而 lim S n ( x) 存
n →∞
在,是一件非常有意義事!
‧10‧
e 的簡述
指數及對數函數的微分
特 別 重 要 的 是 y = ln x 的 微 分 性 質 。 對 x > 0 應 用 對 數 定
律 , y = ln x 的 連 續 性 及 e 的 定 義 得 :
(ln x)'
ln( x + h) − ln( x)
= lim (導數的定義)
h→0 h
1 ⎛ x + h⎞
= lim ln⎜ ⎟ ( 對 數 的 性 質 ( 2 ))
h →0 h ⎝ x ⎠
1 ⎛ h⎞
= lim ln⎜1 + ⎟
h →0 h ⎝ x⎠
x
1 ⎛ h ⎞h
= lim ln⎜1 + ⎟ ( 對 數 的 性 質 ( 3))
x h →0 ⎝ x⎠
⎡ x
⎤
⎢ ⎛⎜ ⎞h ⎥
⎟
1 1
= ln ⎢lim⎜1 + ⎟ ⎥ (對數的連續性)
x ⎢ h → 0 ⎜ x⎟ ⎥
⎢ ⎜ ⎟ ⎥
⎢⎣ ⎝ h⎠ ⎥
⎦
1 1 x
= ln e = . ( 由 (※), → ±∞ )
x x h
由 逆 函 數 的 性 質 x = ln(e x ) ,對 所 有 實 數 x 成 立,應 用 鏈 式
法 則 ( chain rule) 得 :
dx d [ln(e x )] 1 d (e x )
1= = = x ,
dx dx (e ) dx
指數函數 ex的微分公式:對所有實數 x,
d (e x )
(*) = ex.
dx
‧11‧
漫談數學學與教一新高中數學課程延伸部分單元一
以 一 般 實 數 a > 0為 底 定 義 的 指 數 函 數 ax 及 對 數 函 數 的 微 分 便
可推得:
x
( a x )' = (e ln a )' = (e x ln a )' = (ln a )a x ,
log e x 1 1
及 (log a x)' = ( )' = (ln x)' = 。
log e a ln a x ln a
以上是一個有關指數及對數函數的微分公式推導的可行途
徑 。 然 而 , 要 推 導 (*) , 只 要 能 證 明 :
ex −1
(**) lim =1
x →0 x
便 可 。 細 心 分 析 , (**) 等 價 於 (*) 於 x = 0 時 成 立 :
d (e x ) ex −1
| x =0 = lim = 1 = e x | x =0 。
dx x →0 x
事 實 上 , 要 確 定 (**) ⇒ (*) , 只 需 注 意 到 :
d (e x ) e ( x+h ) − e x eh − 1
= lim = e x lim = e x ⋅1 = e x .
dx h → 0 h h → 0 h
此 處 可 看 出 (**) 作 為 一 個 基 本 的 極 限 關 係 式 , 它 的 功
sin x
用,便 有 如 lim = 1在 推 導 三 角 函 數 的 微 分 公 式 時 所 起 的 作
x →0 x
用 一 樣 , 有 異 曲 同 工 之 妙 ! 但 要 直 接 由 定 義 出 發 來 導 出 (**)
卻 絕 非 易 事。鼓 勵 學 生 從 y = e x 的 圖 像,動 手 估 算 在 x = 0 處 切
x2 x3
線 的 斜 率 , 又 或 是 直 觀 地 考 慮 ex =1+ x + + + ... , 可 知
2! 3!
ex −1 x x2 ex −1
= 1+ + + ... 故 當 x → 0 , → 1是 一 個 「 期 望 」 中
x 2! 3! x
的 結 果 。 對 他 們 理 解 (**) 是 非 常 有 幫 助 的 。
還 須 指 出 , 以 e為 底 的 指 數 函 數 y = ex 還 可 被 定 義 為 函 數
y = y (x ) , 它 是 滿 足 微 分 方 程 : y′ = y, 且 適 合 初 始 條 件 y (0) = 1
‧12‧
e 的簡述
的 唯 一 可 微 函 數 y = y (x ) 。然 而,這 種 引 入 亦 不 易 為 學 生 所 理
解。
最 後,指 數 及 對 數 函 數 除 了 以 上 的 引 入 方 法 外,另 一 可 行
的 途 徑 , 是 在 討 論 了 微 積 分 基 本 定 理 ( fundamental theorem of
calculus) 後 , 再 引 入 自 然 對 數 函 數 y = ln x : (0, ∞) → R:
1
∫ 1 t dt , x > 0 ,
x
ln x =
並 以 其 逆 函 數 來 定 義 指 數 函 數 y = e x : R → (0, ∞) , 其 優 點 是 不
用以極限來定義冪函數,且容易導出微分及種種特性,詳情
可參閱附錄四。
總 的 來 說,引 入 指 數 和 對 數 函 數,附 錄 三 介 紹 的 方 法 雖 然
有點繁複,但能緊扣學生的經驗,易於為學生所接受。附錄
四所討論的方法則比較抽象,雖然手法很乾淨利落,但微積
分基本定理是關鍵的一步,學生並不容易掌握當中真義!至
於利用無窮級數作引入,則最為困難,主要是中學生對無窮
級數的認識不足,故不建議採用。當然,教師還有很多「變
招 」與「 方 法 」。這 裏 並 沒 有 提 及,建 議 採 用 與 否,最 重 要 的
是看教師能否讓學生理解當中的數學內涵,並自圓其說。
對 於 指 數 函 數 y = e x 及 y = ln x 在 複 利 計 算 、 人 口 增 長 及 放
射衰變中的應用,均是熟知的標準課題,在此不贅。
值 得 注 意 的 是 , 在 應 用 函 數 模 型 : y = kx n 或 y = ka x 於 實 際
情 况 時,往 往 需 要 以 實 驗 的 方 法,從 搜 集 得 來 有 關 的 x 及 y 數
據 , 決 定 k 及 n (前 者 ), 或 k 及 a (後 者 )的 數 值 。 這 都 可 以 通 過
指 數 的 變 換 進 行。前 者,在 兩 方 取 自 然 對 數( 設: y , x , k > 0 ,
否 則 , 可 應 用 如 (− y ) = (−k ) x n 的 方 式 再 取 對 數 ) , 得
ln y = ln(kx n ) = n ln x + ln k , 這 是 (ln x, ln y ) 平 面 上 以 n 為 斜 率 ,
‧13‧
漫談數學學與教一新高中數學課程延伸部分單元一
相關網站:
e的簡述
http://episte.math.ntu.edu.tw/entries/en_e/index.html
‧14‧
極限
5. 極限
極 限 的 引 入 通 常 有 三 個 方 向, lim f ( x) 、 lim f ( x) 和 lim a n 。
x →±∞ x→a n →∞
由 於 學 生 大 部 份 曾 接 觸 的 函 數 均 是 連 續,故 此 除 非 引 用 很「 怪
1
誕 」的 函 數( 如 y = x sin 之 類 ),否 則 lim f ( x) 均 是 f (a) 。故 此
x x→a
用 lim f ( x) 引 入 極 限 比 較 突 兀 。 先 以 lim f ( x) 引 入 極 限 的 概 念 。
x→a x →∞
再 轉 到 lim f ( x) , 然 後 再 引 進 連 續 的 定 義 可 能 比 較 自 然 。 我 們
x→a
可 以 利 用 「 最 終 趨 勢 」( eventually tendency )的 觀 念 指 出 若
lim f ( x) = l ,當 x 足 夠 大 時, f (x) 會「 縮 進 」 l 的 左 近( 隣 域 ),
x →∞
而 這 些 不 受 前 面 的 數 值 影 響( 若 以 a n 而 言,那 怕 你 改 動 前 1000
個 a n , 也 不 會 影 響 其 極 限 )。
x
1 2 3 4 5 6 7 8
1
: an = 1 −
2n
:改動前面數值不會影響極限
‧15‧
漫談數學學與教一新高中數學課程延伸部分單元一
至 於 x、sgn(x) 等 之 引 入,自 然 是 要 利 用 非 連 續 函 數 的「 非
常例子」建構連續的概念,雖然在數量上,非連續函數比連
續函數多得多,但對於學生而言,曾經接觸到的非連續函數
可 以 說 是 絕 無 僅 有。故 此 引 入 x 、 sgn(x) 等 可 能 會 有 人 工 化 之
嫌。我們也許轉一個彎,先看看如果是非連續會出現甚麼情
況 , 可 以 是 「 有 洞 」( 所 謂 「 可 取 代 的 不 連 續 」 - replaceable
discontinuity : lim+ f ( x) = lim− f ( x) 但 不 等 於 f (a) );「 落 差 」
x →a x →a
( jump : lim+ f ( x) 、 lim− f ( x) 均 存 在 但 lim+ f ( x) ≠ lim− f ( x) ) 或
x →a x →a x →a x →a
不 斷 振 盪( 所 謂「 實 質 不 連 續 」─ essential discontinuity: lim+ f ( x)
x →a
或 lim− f ( x) 不 存 在 )。 當 然 我 們 不 必 介 紹 這 些 名 稱 的 分 類 法 ,
x →a
但 從 這 個 入 手 點 再 引 進 x 、 sgn(x) 等 可 能 更 合 理 一 點 。
⎧x + 1 當 x ≠ 1
(i) f ( x) = ⎨
⎩4 當x = 1
⎧2 當 x ≥ 1
(ii) f (x) = ⎨
⎩− 2 當 x < 1
⎧0 當x = 0
⎪
(iii) f ( x) = ⎨ 1
⎪⎩sin x 當 x ≠ 0
其中一個老師的疑惑是我們不介紹極限的嚴格定義怎樣
‧16‧
極限
可 以 推 導 出 各 種 性 質 ? 馮 振 業 與 黃 毅 英 4便 提 出,先 以 直 觀 意
念(配以圖像)得出一些基本性質的想法如下:
設 k , l , m ∈R, 且 lim f ( x) = l 、 lim g ( x) = m 均 存 在 , 其 中 a ∈R 或
x→a x→a
a = ±∞ 則
(a) lim k = k ;
x→a
f ( x) l 後隨運算
(e) lim 存 在,且 為 ,其 中 m ≠ 0 ;
x→ a g ( x) m
(f) 若 l = m 並 在 a 鄰 近 有 f ( x) ≤ h( x) ≤ g ( x) , 則 lim h( x) = l
x→a
(「 三 文 治 原 理 」);
1
(g) 對 於 正 有 理 數 a , lim = 0。
x →∞ xa
之後便可按照這些基本性質,作出其他推導的運算。
相關網站:
極限簡介
(a) http://www.edp.ust.hk/previous/math/history/5/5_6/5_6_3.htm
(b) http://math.ntut.edu.tw/file/upload/chap1.pdf
(c) http://webcai.math.fcu.edu.tw/calculus/calculus_html/2-2/Limit.htm
(d) http://ind.ntou.edu.tw/~metex/ch2.pdf
4
馮振業、黃毅英(1997)
。極限的故事。
《課程論壇》7 期,102-105。
‧17‧
漫談數學學與教一新高中數學課程延伸部分單元一
6. 求導法
求 導 法 於 技 術 層 面 並 不 困 難,因 為 微 分 比 積 分「 幸 運 」。
透過加法、積、商等法則,不少複雜函數的導數均可「拆開
來 」 求 導 。 再 透 過 鏈 式 法 則 , 可 以 「 拆 括 號 」。
教 師 還 需 注 意 學 生 經 常 犯 的「 小 毛 病 」
,例 如 在 應 用「 積
法則」求導時,學生會否粗心大意的忘記了把乘積中的某一
個函數微分;又或在應用「商法則」時,把分子和分母的微
分 次 序 弄 錯 了。提 醒 學 生,以 免 他 們「 因 小 失 大 」是 重 要 的 !
此外,有些鏈式法則的記號是十分容易令學生混淆的,例如
把鏈式法則寫成:
d
f ( g ( x)) = f ' ( g ( x)) g ' ( x) 。 等 式 右 方 在 g ' ( x ) 的 「 ' 」 是 表 示 對
dx
變 量 x 作 微 分,而 f ' ( g ( x)) 中 的「 ' 」則 表 示 對 f ( y ) 中 的 變 量 y
先 作 微 分 , 然 後 再 以 y = g (x) 代 入 所 得 的 結 果 中 。 因 此 , 應 用
d
繁瑣一點的寫法 f ( g ( x)) = f ' ( y ) | y= g ( x ) g ' ( x) 還 是 較 為 合 適
dx
的。另一方面,上式正是「拆括號」的精義所在:左式表示
要「 進 」括 號 內 取 x 的 微 分,方 法 正 如 右 式 所 言,先 對 f ( y ) 中
的 變 量 y 先 作 微 分 , 再 以 y = g ( x) 代 入 ; 同 時 微 分 便 進 入 了 括
號 中,作 用 於 g (x),所 得 的 數 式,就 像「 鎖 鏈 」般 與 f ' ( y ) | y = g ( x )
相扣(乘)着!
順帶一提,雖然學生學過二項展式,要應用它從定義出
d n
發去證明導數的非負整數冪法則: x = nx n −1 原 非 難 事 , 但
dx
卻不若應用積法則與數學歸納法(讓學生應用這重要的數學
‧18‧
求導法
事實,絕對能使他們得益)的證明來得簡單直接。
相關網站:
求導法簡介
http://www.hkame.org.hk/html/modules/tinyd2/content/Edumath/v16/
10LeungCK_diff.pdf
‧19‧
漫談數學學與教一新高中數學課程延伸部分單元一
7. 求導法的應用
若能夠了解求導法之定義及其歷史根源,其應用也可以
不 說 自 明 的 。 不 過 現 時 較 多 集 中 於 求 切 線 , 至 於 變 率( rate of
change) 等 較 少 討 論 。
至 於 描 繪 曲 線( 包 括 極 大 值 和 極 小 值 的 計 算 )
,其 實 有 許
多討論空間,不必很快的化成機械化的操作。
首先現時電腦軟件這麼方便,何以要費這麼多的功夫去
描 繪 曲 線 呢 ? 這 要 牽 涉 到 描 繪 與 逐 點 繪 畫( plot)的 分 別。逐
點繪畫雖然很準確,卻很多時候不如曲線描繪,能描畫出整
體圖像的特點。
曲線描繪亦牽涉到微積分與解析幾何的關係。傳統上,
高中數學會包括代數、三角、解析幾何和微積分等。現時單
元一不包括解析幾何。當然其中一個原因是解析幾何在必修
部分已經出現。不過其實亦有另一個觀點認為微積分的學習
可以取代了解析幾何的學習。特別是圓錐曲線的探究(甚至
有人認為圓錐曲線的學習只不過是基於一些歷史原因,因為
古希臘人欣賞圓錐曲線之美)
。無 論 如 何,曲 線 描 繪 能 讓 學 生
跳到一個通則的層面,利用微積分看一般曲線的特性。故此
除了逐點去考察曲線的對稱性,截距等,其實可讓學生先作
一般性的探討,以增強其觀察能力及對函數的了解,例如
‧20‧
求導法的應用
y = ln(tan 2 x)
一 望 而 知 f ( x) = ln(tan 2 x) 與 tan x 一 樣 是 周 期 函 數 , 並 有 周
π π
期 π 於 − ≤ x ≤ 。 它 是 偶 函 數 , 因 為 f (− x) = ln(tan 2 (− x))
2 2
= ln(tan 2 x) = f ( x) , 故 圖 像 y = f (x) 以 y 軸 為 對 稱 軸 , 且 有 垂 直
π
漸近線 x = ± 和 x = 0。雖然某些特徵不在課程注釋所列出之
2
數點內,但我們卻不會說課程不夠完備。相反,我們要提出
的是我們不應墨守成規,在處理問題時不一定要樣板化的逐
條核對!
此外,猶如過往純粹數學科的考試報告中指出,考生常
常 犯 極 大 值 就 是 「 f ' ( x) = 0, f ' ' ( x) < 0 」 等 毛 病 。 其 實 極 大 /
小 值 不 一 定 可 導。以 往 考 卷 中 經 常 出 現。 y = |x| 等 便 是 一 些 關
於極大/小值非可導的例子。
例 如 1986 年 高 級 程 度 考 試 純 粹 數 學 科 卷 2 第 6 題
f ( x) = x 3 − 3 x 2 + 4 , 其 拐 點 並 不 滿 足 f ' ( x) = 0 。
‧21‧
漫談數學學與教一新高中數學課程延伸部分單元一
以 定 義 而 言,拐 點 是 在 一 個 順 滑( smooth,即 可 導 )函 數
中 之 一 點 , 其 切 線 不 只 接 觸 其 曲 線 , 且 跨 越 ( cross) 之 5。
相關網站:
1. 例 子
http://www.edb.gov.hk/FileManager/TC/Content_4687/differentiation.pdf
2. 錐 術
http://www.chiculture.net/0803/html/c71/0803c71.html
5
Wong, N. Y. (1989). Points of inflection. Mathematics Bulletin, 18, 19.
‧22‧
不定積分法
8. 不定積分法
不定積分法之理念也相對簡單。
在 介 紹 它 是 求 導 法 的 逆 之 同 時,也 可
指出當一個函數知道它的趨勢(導
數 )時 , 就 可「 復 原 」函 數 本 身 。 但
當 然 這 有 無 限 個 可 能,不 過 這 些 可 能
均 只 有 常 數 差。在 圖 像 來 說,是 垂 直
的平移。
如上所述,積分的運算沒有如導數般有求和、積、商的
方便法則,故此較難,一般只能逐類逐類的計算。學習上亦
如是,亦可提醒學生某一些積分至今亦未能計出。
至 於 sin −1 x 和 tan −1 x 的 主 值 , 一 些 學 生 只 靠 死 記 , 其 實 道
理很簡單,均是找一個包括原點 0 值的一個連續的一段就是
了。
‧23‧
漫談數學學與教一新高中數學課程延伸部分單元一
相關網站:
不定積簡介
(a) http://episte.math.ntu.edu.tw/entries/en_integral/index.html
(b) http://episte.math.ntu.edu.tw/articles/mm/mm_02_2_07/index.html
‧24‧
定積分
9. 定積分
雖然課程要求介紹微積分基本定理,學生可能有以下疑惑:
(一) 為何突然那麼有興趣研究小片面積的和?
(二) 何以黎曼和(定積分)與導數的逆(不定積分)
有關?
這 正 正 是 由 於( 二 )
,我 們 才 可 動 用 所 有 不 定 積 分 的 技 巧
計算定積分,即
級數的和:
n
lim ∑ f ( x r )Δx r
n →∞ r = 0
當然微積分基本定理不容易作出證明(在歷史上,
I. Barrow : 1630 – 1677 雖 然 有 此 揣 測 , 但 也 要 等 到 其 學 生
I. Newton 才 能 證 出 )此 外,即 使 不 知 道 原 函 數 F(x)是 否 存 在 ,
x
我 們 仍 可 證 明 G ( x) = ∫ a f (t )dt 是 x 的連續函數,即
x x
lim G ( x) = lim ∫a f (t )dt = ∫a 0 f (t )dt = G ( x0 ) 。
x → xo x → xo
(ii ) 若 f(x) 是 一 連 續 函 數 時 則 黎 曼 和
與 f(x) 有 更 深 一 層 的 關 係。以 圖 像
高為 f (x)
來 說, y = f (x) 底 下 的 面 積 的 增 加 加一片
率 可 以 看 成 再 加 上 一 片 f (x) 。 故
‧25‧
漫談數學學與教一新高中數學課程延伸部分單元一
d x x
此 ∫ f (t )dt = f ( x) , 亦 即 G ( x) = ∫a f (t )dt 是 f(x) 的 原 函 數 。
dx a
( 取 自 蕭 文 強 教 授 1978 年 香 港 大 學 數 學 系 一 年 班「 基 礎 數 學 」講 義,
謹此致謝)
b
在討論關於 ∫a f ( x) 的 性 質 時 , 可 以 提 醒 學 生 不 一 定
b c b
b ≥ a 。 對 於 ∫a f ( x)dx = ∫a f ( x)dx + ∫c f ( x)dx 也 沒 有 說 過 a ≤ c ≤ b 。
這就是其中微妙之處,這些性質有不少圖像表示(包括奇函
數與偶函數)
。但 與 此 同 時,學 生 又 應 會 得 跳 出 圖 像 的 直 觀 以
代數(符號)方式考慮問題。
定積分故然有不少應用,因為不涉及求表面面積,求面
積與體積的公式均與直觀吻合,故不應太困難。
(a) 若 f 為 奇 函 數 , 即 對 所 有 x ∈ R , 有 f (− x) = − f ( x) , 則
a
∫ − a f ( x)dx = 0 ;
(b) 若 f 為 偶 函 數 , 即 對 所 有 x ∈ R , 有 f (− x) = f ( x) , 則
a a
∫ − a f ( x)dx = 2∫0 f ( x)dx ;
‧26‧
定積分
以上事實,可利用適當的變量代換,加以證明。很多時候,
繪畫函數的圖像,對幫助學生理解如何找出合適變量代換,
是非常有幫助的!
‧27‧
漫談數學學與教一新高中數學課程延伸部分單元一
10. 使用梯形法則計算定積分的近似值
用矩形面積的和來逼近一段曲線下方所圍面積,這個基
本的想法是定積分中最重要的概念之一,這與在微分法中,
用一系列割線來逼近切線以定義函數微分的想法,同樣重
要。然 而,除 了 應 用 矩 形 外,如 下 圖 所 示,如 果 我 們 把 f (x) 的
每一小段曲線,換成斜率各不相同的直線,這些斜線顯然比
矩形的平頂更近似原來的曲線。
梯形法示意圖
事實上,在圖中梯形的面積可這樣的表示:各梯形左端
的 高 L = f ( xi −1 ) 、 右 端 高 R = f ( xi ) 、 而 寬 為 W = Δx i = x i − x i −1
b−a L+R b − a ⎡ f ( xi −1 ) + f ( x i ) ⎤
= ,故 面 積 為 ( )W = ⎥ ,考 慮 圖 中 各
n 2 n ⎢⎣ 2 ⎦
梯形的面積和便可得定積分的梯形近似公式:
b b − a ⎡ f ( x0 ) f ( xn ) ⎤
∫a f ( x)dx ≈ ⎢
n ⎣ 2
+ f ( x1 ) + L + f ( xn −1 ) +
2 ⎥⎦
。
在 應 用 上 述 近 似 公 式 時 , 要 小 心 對 首 尾 分 點 值 f ( x0 ) 跟
f ( xn ) 的 處 理 : 其 餘 各 分 點 的 值 f ( xi ) , 1 ≤ i ≤ n − 1 都 「 整 個 」
的 被 包 括 進 去 了 , 而 f ( x0 ) 跟 f ( x n ) , 則 只 包 含 一 半 而 已 !
‧28‧
使用梯形法則計算定積分的近似值/條件概率和獨立性
11. 條件概率和獨立性
在討論條件概率和獨立性前,也許我們有需要搞清楚概
率的定義。在必修課程中其實也有概率這課題,但礙於此課
題 佔 整 個 必 修 課 程 的 篇 幅 不 多,又 看 似「 獨 立 」於 其 他 課 題 ,
關聯性不算高,有關的問題和概念相對地簡單,學生的學習
困難似乎多發生在理解問題和誤算事件的可能上,故很多時
老師只簡單地介紹﹕引入概率的古典定義和特性後便很少作
深 入 的 討 論 , 學 生 亦 往 往 因 此 想 不 通 理 論 概 率 ( priori
probability)和 實 驗 概 率 (empirical probability)的 分 別 , 其 實 背
後大有文章。
我 們 向 學 生 介 紹 概 率 時,通 常 假 設 在 n 種 等 可 能 方 式 中,
k
事 件 A 有 k 種 方 式 發 生,則 事 件 發 生 的 概 率 以 P ( A) = 表 示 ,
n
此古典概率的定義亦存在許多問題。第一,古典概率的定義
陷於循環定義的邏輯困局,因事件 A 中有 n 種等可能方式,
1
即表示每個事件發生的概率 ,利用概率概念定義概率的確
n
存在缺陷。第二,此定義亦沒對 n 附以條件,若 n 為無界時
( unbounded),則 P(A)的 涵 意 是 什 麼 也 不 清 楚,它 只 是 定 性 的
定 義 , 在 數 學 上 並 不 嚴 格 , 故 現 代 概 率 論 以 測 度 論 ( measure
theory) 為 基 礎 , 以 公 設 概 率 ( axiomatic probability) 代 替 以 往
古典學派以相對次數的概念去研究概率,避開了直接討論概
率 的 描 述 性 定 義 6。 第 三 , 在 現 實 生 活 中 的 實 驗 往 往 不 能 體 現
6
潘壽山、繆龍驥等(譯)。
《數學之內容方法及意義(二)》
。台北:財團法
人徐氏基金會。
‧29‧
漫談數學學與教一新高中數學課程延伸部分單元一
古典概率理論的原因是不能滿足古典概率中要求有限性與等
可能性。以擲毫為例,基於毫的兩面並非對稱,不能滿足等
1
可能性,故實際上得公或字的概率不可能是 ,若想透過此
2
實驗去證明一廂情願的假設是正確更不切實際。
既然古典概率問題很多,為什麼學生還學古典概率的定
義呢﹖原因是此概念簡單、直觀、易明。在假設等可能性的
大前提下,計算概率便只需照顧排列與組合的問題。既然古
1
典概率告訴我們擲得公或字的概率應為 ,但現實經驗卻告
2
1
訴我們得公或字的概率很多時候不是 ,究竟兩者能否聯
2
繫﹖可以的話,又怎樣聯繫呢?事實上擲毫問題已遵守了概
率 空 間 的 公 設( 見 附 錄 一 ) 。假 設 為 擲 得 公 的 頻 數 與 擲 毫 次 數
k
之 比 為 ,p 為 擲 得 公 的 理 論 概 率 的 話,根 據 伯 努 利(Bernoulli)
n
k
,講 出 事 件 A 的 頻 率
的 弱 大 數 法 則( weak law of large number)
n
依 概 率 收 斂 (converge in probability)於 p, 對 任 意 ε > 0 , 即 有
⎛k ⎞ k
lim P⎜ − p < ε ⎟ = 1。 那 麼 , 當 n 很 大 (n → ∞)時 , 在 範 圍
n →∞
⎝n ⎠ n
[ p–ε , p + ε ]中 的 概 率 為 1 。
另 一 個 學 生 常 常 討 論 的 詭 論(paradoxes)是 假 設 擲 一 個 公
1
正的毫,得公或字的概率是 的話,那麼若今次擲得公,下
2
次必為字乎?明顯地,答案是否定的。因為每次的擲毫都是
獨立但同分佈的隨機過程,第一次擲毫的結果不會影響下次
結 果,即 使 擲 毫 連 得 100 次 公 也 不 代 表 第 101 次 得 字 的 機 會 增
加 。 學 生 可 能 會 問 , 宏 觀 地 看 , 連 擲 100 次 得 公 或 字 的 機 會
很 小 , 那 又 是 怎 樣 的 一 回 事 ? 對 於 這 問 題 的 解 釋 便 得 與 Borel
‧30‧
條件概率和獨立性
的 強 大 數 法 則 有 關。強 大 數 法 則 是 指 若 Xi 而 i = 1, …, n 是 片 斷
(piecewise)獨 立 同 分 佈 的 隨 機 變 量,同 時 有 E( Xi ) = p,當 n→∞
k ⎛ k ⎞
,即 P⎜ lim − p = 0 ⎟ = 1。
則有 收 斂 於 p(converges almost surely)
n ⎝ n →∞ n
⎠
強大數法則是討論擲無限多次時,得公的次數與擲毫次數之
1
比是否 。對於長遠來說擲得公的次數與擲毫次數之比是否
2
1
,這個問題視乎樣本空間的條件使得強大數法則成立,詳
2
細 的 討 論 可 參 考 有 關 概 率 論 的 文 章 7。
學生在學習完此單元後,很多時只知道計算條件概率的
P( A ∩ B)
公 式 是 P( A | B) = ,但利用此公式時卻顯得有點笨
P( B)
拙,甚至根本不知道什麼是條件概率。對於第一個情況的發
生很可能是源於學生對理解題意有困難,老師可以做的是盡
量 解 釋 題 目 所 涵 蓋 的 資 料( 無 論 是 表 面 或 隱 藏 的 )
,至 於 第 二
個 情 況 當 然 也 要 老 師 解 釋 什 麼 是 條 件 概 率。假 設 C 1 為 樣 本 空
間 S 的子集,我們想得的結果(或我們能知道的結果)是樣
本 空 間 C1 內 的 元 素 。 C2 為 樣 本 空 間 S 的 另 一 子 集 。 對 於 樣 本
空 間 C1,C2 內 的 元 素 可 以 定 義 的 話,條 件 概 率 就 是 給 定 C1 時,
C 2 在 C 1 假 設 下 的 概 率 。 由 於 C 2 不 一 定 是 C1 的 子 集 , 所 以 我
們 只 需 考 慮 C1 ∩ C2 內 的 元 素,有 P(C2 | C1) = P(C1 ∩ C2 | C1)。基
於 此 概 念 , 條 件 概 率 公 式 由 此 產 生 8。
另外,學生在學習條件概率時往往直觀地以為在一般情
況 下 P( A | B) = P( B | A) , 其 中 A、 B 是 兩 個 不 同 的 事 件 。若 利 用
7
蔡聰明(2006)。機率論為何要建立在機率空間上面﹖《數學傳播》。
20 卷 2 期。
8
楊宏章(譯)(1984) 。台北:曉園出版社,頁 67-68。
。《數理統計》
‧31‧
漫談數學學與教一新高中數學課程延伸部分單元一
P( A ∩ B)
公 式 P( A | B) = ,當然可輕易地解釋兩者的分別,但
P( B)
附以具體例子作說明,效果可能更為理想。我們知道當 A 和
P( A ∩ B) P( A) P( B)
B 是 獨 立 事 件 時 , P( A | B) = = = P(A)。 其 實 學
P( B) P( B)
生在處理有關概率的問題時,可多鼓勵他們利用圖像把事件
之 間 的 關 係 形 象 化 , 如 利 用 溫 氏 圖 (Venn diagram)去 處 理 互
不 相 容 事 件 , 樹 形 圖 (tree diagram)去 處 理 條 件 概 率 等 。
建 議 課 堂 活 動 : Master Mind
活動目標: 學生能明白條件概率的概念。
活動內容: 學生 A 需預先設定一行由三個棋子組成的答
案,再由學生 B 擺出他估計的答案的排列組
合。學生 B 放好棋子後,學生 A 需要就學生
B 的答案給予提示。
相關網站:
1. 有 關 各 類 概 率 的 問 題 與 定 義
http://edu.people.com.cn/BIG5/4980701.html
2. 概 率 與 概 率 法 則
http://www.math.sinica.edu.tw/math_media/episte/
episte.phtml?m_id=19106
3. 有 趣 的 例 子
(a) http://zh.wikipedia.org/wiki/%E6%A6%82%E7%8E%87%E8%
AE%BA#.E7.94.9F.E6.B4.BB.E4.BE.8B.E5.AD.90
(b) http://www.math.sinica.edu.tw/math_media/episte/
episte.phtml?m_id=23402
‧32‧
貝葉斯定理
12. 貝葉斯定理
由貝葉斯定理所求得之事後概率是由事前概率加上從檢
定或樣本中所得之資料結合而成,即可把貝葉斯定理看待成
條件概率在一「倒轉」的樹形圖的計算手段,意思是從原先
的樹形圖中獲得之樣本資料的事前概率去求得事後概率。貝
葉斯定理是找出結果的概率,然後由結果追溯原因,程序與
一般概率的計算相反,故可用樣本資料去修正原本概率,對
計算有關條件概率的問題時十分有用,因為有時候我們知道
一事件結果的概率,而導致此結果的原因有很多可能,而一
般概率的加、乘法則有時不足以解決有關的問題,所以貝葉
斯定理此時可大派用場。
相關網站:
有關貝葉斯定理的意義
http://ci58.lib.ntu.edu.tw/cpedia/Content.asp?ID=42840
‧33‧
漫談數學學與教一新高中數學課程延伸部分單元一
13. 離散隨機變量
隨機變量在實際的教學環境裏所佔的教學時間不多,課
程及評估指引中的建議時間是眾多課題中最少,加上這課題
幾 乎「 無 數 可 做 」
,是 否 意 味 着 隨 機 變 量 相 對 地 不 太 重 要 呢 ?
非也。變量是往後所學的根本,為學習概率分佈、期望值、
方差和置信區間的前奏,故老師必須向學生解釋清楚變量的
概念,否則學生越學越容易迷失,只當變量是計算過程中的
元素罷了。
在討論過概率後,為了要深入研究隨機現象,便需要把
隨機試驗的結果量化,由討論隨機事件轉移到隨機變量,以
便討論和分析其中的規律性,故需引入隨機變量。隨機變量
不是自變量,隨機變量的取值是視乎隨機試驗結果而定。一
般 來 說,我 們 把 變 量 X 視 為 函 數, X:S → X(S),其 中 X(S)內 所
有 元 素 是 一 給 定 的 概 率 和 相 加 後 為 1, 隨 機 變 量 X 可 分 為 離
散和連續兩類,新高中課程延伸部分單元一內只討論三種離
散概率分佈(二項、幾何和泊松分佈)和一種連續概率分佈
(正態分佈)
。基 本 上 離 散 和 連 續 變 量 分 別 是 離 散 量 的 樣 本 空
間 S 內 元 素 ( 樣 本 點 ) 是 有 限 或 可 數 (countable)的 無 限 , 個 數
值而連續變量的樣本空間內元素(樣本點)是無限個不可數
(uncountable)數 值 。
相關網站:
離散隨機變量概念
http://episte.math.ntu.edu.tw/articles/mm/mm_03_3_07/page5.html
‧34‧
離散隨機變量/概率分佈、期望值和方差
14. 概率分佈、期望值和方差
有時候事件可能發生於一特定頻率,故引入概率分佈
(probability distribution)以 研 究 有 關 現 象 。 概 率 分 佈 表 示 了 隨
機 變 量 的 數 值 與 相 應 概 率 的 關 係。若 f ( x ) 為 X = x 的 概 率 時, f
是 X 的 概 率 函 數 ( probability function ), 其 中 0 ≤ f ( x) ≤ 1 和
∑ f ( x) = 1 而 S 為 樣 本 空 間 。
x∈S
期望值可以理解成隨機變量 X 的平均數,當然兩者在意
義上並不相等。平均數是在得到數據後取所有數值之平均,
期望值只是「可能取的數」之平均,是實驗前的合理估計。
但把這概念加以擴展,我們很容易理解
k
E ( X ) = ∑ p i xi ( pi 是 數 值 xi 的 概 率 )
i =1
k fi f k
=∑ xi ( 用 頻 率 i 取 代 概 率 pi 其 中 n = ∑ f i , 當 n
i =1 n n i =1
fi
越 來 越 大 的 , 越 來 越 接 近 pi)
n
k
∑ f i xi
i =1
=
n
=X
其 中 E ( X )< ∞ 。 當 然 , 在 碰 上 X 是 連 續 隨 機 變 量 時 , 便
利用積分去處理,期望值是其中一個了解隨機變量的量。
期望值在初中時已接觸過了,但有很多老師反映較難找
到生活上的意義。其實不少決定都運用到期望值的概念,最
‧35‧
漫談數學學與教一新高中數學課程延伸部分單元一
為人所熟知的是要不要帶傘子出門。這除了看下雨的概率
外,還 要 參 考 帶 傘 子 不 下 雨 和 沒 帶 傘 子 下 了 雨 的「 代 價 」。這
些「 價 值 」可 以 因 人 而 異( 例 如 有 些 人 被 雨 淋 了 較 易 病 )、因
場 合 而 異 ( 如 户 外 户 內 ), 亦 要 看 雨 下 得 多 大 。
現 代 風 險 管 理 亦 按 照 基 本 公 式 「 風 險 =可 能 性 ×嚴 重 性 」
作 出 計 算。這 也 可 涉 及 到 價 值 教 育,例 如 說「 愛 美 不 愛 命 」,
一些人可以花大量金錢去添置新衣,然而不一定是「美」與
「金錢」兩備價值的二分法,例如縱然愛美對於一些人來說
未必會用太貴的代價去換取小程度的美服,於是否決這因素
又 是 「 美 ×價 錢 」 這 樣 的 一 個 乘 積 。
又例如,如果我們計算賭博的期望值,大部分都是負數
的,故長遠而言必成輸家(除非有人認定賭博是一種娛樂,
有 金 錢 以 外 的 得 益 , 這 又 歸 到 上 面 「 價 值 」 的 問 題 了 )。
方差幫助我們了解隨機變數的散佈情況和對集中位置的
離散程度,在閱讀一組數據時,除了期望值外,方差越小,
數據越集中,反之,數據便越分散。方差的構思是量度數值
X 與 平 均 值 之 間 的 差 距 X – E(X), 差 距 的 平 均 E [ X − E ( X ) ]可
表示變數的分散狀況。由於絶對值在運算上的不方便,便以
E[ X − E ( X )] 2 代 替 E [ X − E ( X ) ] 。 在 實 際 的 環 境 裏 , 利 用 方 差
去比較兩組數據時要留意以下兩點:
1. 兩 組 數 據 的 性 質 和 單 位 相 同,否 則 比 較 是 沒 有 意 義 的。
2. 取 值 較 大 的 隨 機 變 量 之 方 差 通 常 較 大 , 直 接
比 較 兩 組 取 值 有 明 顯 差 別 的 數 據 的 方 差 是 不
可靠的。故在比較兩組數據前都需要把隨機變
量 標 準 化 ( standardization )。 也 許 學 生 常 常 會 問 為 什
‧36‧
概率分佈、期望值和方差
1 n
麼 計 算 樣 本 方 差 的 公 式 是 ∑ ( xi − x) 2 而 不 是
n − 1 i =1
1 n 1 n
∑
n i =1
( xi − x ) 2 。 答 案 是 S 2 = ∑ ( X i − X )2 是 σ 2 的 無 偏 估
n − 1 i =1
量 (unbiased estimator)
。
⎛ 1 n ⎞
E (S 2 ) = E⎜ ∑ ( X i − X )2 ⎟
⎝ n − 1 i =1 ⎠
1 ⎛ n ⎞
= E⎜ ∑ ( X i − X )2 ⎟
n − 1 ⎝ i =1 ⎠
1 ⎛ n 2 2⎞
= E⎜ ∑ X i − n X ⎟
n − 1 ⎝ i =1 ⎠
1 ⎡n 2 ⎤
∑
2
= ⎢ E ( X i ) − nE ( X )⎥
n − 1 ⎣ i =1 ⎦
1 ⎧n 2 ⎫
= ⎨∑ [ D( X i ) + E ( X i ) ] − n[ D ( X ) + E ( X ) ]⎬ ,
2
n − 1 ⎩ i =1 ⎭
{
其 中 D( X ) = E [ X − E ( X )]2 }
1 ⎧ 2 ⎛σ 2 ⎞⎫
= ⎨nσ + nμ − n⎜⎜ + μ 2 ⎟⎟⎬
2
n −1⎩ ⎝ n ⎠⎭
1
= (n − 1)σ 2
n −1
=σ 2
⎛1 n ⎞ ⎛ n −1 1 n ⎞
但 E⎜ ∑ ( X i − X )2 ⎟ = E⎜ ⋅ ∑ ( X i − X )2 ⎟
⎝ n i =1 ⎠ ⎝ n n − 1 i =1 ⎠
n −1 2
= σ
n
≠σ 2
‧37‧
漫談數學學與教一新高中數學課程延伸部分單元一
1 n 1 n
故 此, s2 = ∑
n − 1 i =1
( xi − x ) 2 而 不 是 ∑ ( xi − x ) 2 。
n i =1
建 議 課 堂 活 動 : 21 點
活動目標: 學生能明白期望值的概念。
活動內容: 舉出一個具體情境透過概率的計算求出應否
再開牌。
相關網站:
1. 期 望 值
(a) http://ci58.lib.ntu.edu.tw/cpedia/Content.asp?ID=43423
(b) http://zh.wikipedia.org/w/index.php?title=%E6%9C%9F%E6%
9C%9B%E5%80%BC&variant=zh-tw
2. 方 差
(a) http://ci58.lib.ntu.edu.tw/cpedia/Content.asp?ID=42994
(b) http://zh.wikipedia.org/w/index.php?title=%E6%96%B9%E5%
B7%AE&variant=zh-tw
3. 概 率 分 佈
http://ci58.lib.ntu.edu.tw/cpedia/Content.asp?ID=43046
‧38‧
二項分佈
15. 二項分佈
二項分佈是由伯努利分佈(或稱二點分佈)延展而得。
當重複進行 n 次獨立的伯努利實驗,事件的成功次數 X 便是
一 個 服 從 於 二 項 分 佈 的 隨 機 變 量 。 當 n = 1, X 便 是 一 個 伯 努
利分佈的隨機變量,故伯努利分佈是二項分佈的特別例子。
由於需要考慮事件成功次數的序或排列問題,故在二項分佈
的 概 率 密 度 函 數 ( probability density function) 中 引 入 二 項 係 數
C kn , 其 中 n 表 示 實 驗 的 次 數 , k 表 示 事 件 成 功 的 次 數 。
x =0 ⎩ 0 , 其他
代 a = p,b = 1 – p,可 見 二 項 分 佈 滿 足 的 條 件 。
相關網站:
二項分佈
(a) http://episte.math.ntu.edu.tw/articles/sm/sm_16_06_1/index.html
(b) http://ci58.lib.ntu.edu.tw/cpedia/Content.asp?ID=42986
‧39‧
漫談數學學與教一新高中數學課程延伸部分單元一
16. 幾何分佈
幾 何 分 佈 (Geometric distribution)是 負 二 項 分 佈 的 特 殊 情
況。幾何分佈是離散概率分佈。其中一種定義為:在第 n 次
伯努利試驗,才得到第一次成功的概率。詳細的說,是:n
次 伯 努 利 試 驗 , 前 n-1 次 皆 失 敗 , 第 n 次 才 成 功 的 概 率 。
相關網站:
一些幾何分佈和泊松分佈的有趣例子
http://www.math.sinica.edu.tw/math_media/d252/25211.pdf
‧40‧
幾何分佈/泊松分佈
17. 泊松分佈
在處理有關二項分佈的問題時,若碰上實驗的次數 n 很
大時,計算二項係數和二項概率便變得十分麻煩和複雜,故
促使了二項分佈的近似泊松分佈的出現,為二項概率提供近
似 值。當 隨 機 變 量 X 服 從 於 二 項 分 佈 X ~ Bin(n,p),若 n → ∞ ,
p → 0 而 np ≈ λ ,其 中 λ 是 常 數 的 話, X 便 很 接 近 一 個 泊 松 隨 機
變量,因為
P( x = k ) = C kn p n (1 − p n ) n − k
k
k n−k
n(n − 1)(n − 2)...(n − k + 1) ⎛ λ n ⎞ ⎛ λ n ⎞
= ⎜ ⎟ ⎜1 − ⎟
k! ⎝ n ⎠ ⎝ n ⎠
n−k
λn k n n − 1 n − 2
n − k + 1 ⎛ λn ⎞
= ⋅ ⋅ ⋅ ⋅⋅⋅ ⎜1 − ⎟
k! n n n n ⎝ n ⎠
n−k
λn k ⎛ 1 ⎞ ⎛ 2 ⎞ ⎛ k − 1 ⎞⎛ λ n ⎞
= ⋅ ⎜1 − ⎟ ⋅ ⎜1 − ⎟ ⋅ ⋅ ⋅ ⎜ 1 − ⎟⎜1 − ⎟
k! ⎝ n ⎠ ⎝ n ⎠ ⎝ n ⎠⎝ n ⎠
因 為 對 於 確 定 的 k,
n−k
⎛ λ ⎞
lim λ n = λk 和 lim⎜1 − n ⎟ = e −λ
k
n →∞ n →∞
⎝ n ⎠
λk e − λ
所 以 P( x = k ) → , 當 n → ∞。
k!
備註:
1. 記 作 事 件 成 功 的 概 率 , 由 於 與 實 驗 次 數 有 關 , 故 有
下 標 (subscript)n
‧41‧
漫談數學學與教一新高中數學課程延伸部分單元一
2. λn = n pn
3. lim λ n = λ
n →∞
泊松分佈除了可作為計算二項分佈的近似值外,有關泊
松分佈的問題亦常見於稠密性的問題中,即在特定時間內計
算事件出現次數的概率。例如放射性物質的衰變、在三十分
鐘內某公司電話來電的次數等等。
泊松分佈是從泊松試驗中得出來,而泊松試驗有以下的
特點﹕
1. 實 驗 的 環 境 及 條 件 是 不 變 的 。
2. 在 某 一 時 段 或 空 間 內 的 成 功 次 數 是 獨 立 於 其 他 時 段 或 空 間
的。
3. 在 一 極 短 的 時 段 或 很 細 的 空 間 內 , 成 功 的 概 率 是 與 那 時 段
或空間成正比例的,也獨立於那時段或空間以外的成功次
數。
4. 在 一 極 短 的 時 段 或 很 細 的 空 間 內 多 於 一 次 成 功 的 概 率 是 很
微的,可以算是零。
相關網站:
1. 泊 松 分 佈
http://ci58.lib.ntu.edu.tw/cpedia/Content.asp?ID=43353
2. 計 算 機 程 式
http://www.mosttss.edu.hk/mathclub/calculator/program.htm
‧42‧
二項、幾何和泊松分佈的應用
18. 二項、幾何和泊松分佈的應用
教授此課題難度頗高,似乎除了介紹不同應用了各離散
的概率分佈例子,亦別無他法,可以教得活潑些是引入有趣
和生活化的例子。當學生知道各概率分佈的概念和特質時,
可讓他們自行發掘並在課堂中討論。
相關網站:
1. 日 常 生 活 中 伯 努 利 分 佈 的 例 子
http://zh.wikipedia.org/w/index.php?title=%E4%BC%AF%E5%8A%
AA%E5%88%A9%E8%A9%A6%E9%A9%97&variant=zh-hk
2. 二 項 和 泊 松 分 佈 之 關 係 的 例 子
http://episte.math.ntu.edu.tw/articles/sm/sm_16_07_1/index.html
‧43‧
漫談數學學與教一新高中數學課程延伸部分單元一
19. 正態分佈的基本定義及其性質
正態分佈又稱高斯分佈。學習隨機變量分佈是沒有理由
錯過正態分佈,因為正態分佈在實踐與理論上同樣重要。除
了其應用性高,是日常生活中常遇見的數學模型外,許多離
散或連續概率分佈也近似於正態分佈,故在統計學裏,也佔
有非常重要的位置。
正 態 分 佈 之 所 以 重 要 是 和 中 心 極 限 定 理 ( central limit
theorem)有 關 。 中 心 極 限 定 理 是 指 一 切 有 關 大 量 隨 機 變 量 和
極限分佈是正態分佈的定理。直到現在,由中心極限定理已
產 生 出 很 多 獨 立 同 分 佈(identical independent distribution)和 獨 立
非同分佈的極限分佈是正態分佈的定理。中心極限定理已成
為概率論中極有份量的課題。只要隨機變量為有限值,無論
隨機變量的分佈為連續、離散、對稱或偏態,只要樣本數目
足 夠 大 的 話 , 中 心 極 限 定 理 均 能 保 證 的 抽 樣 分 佈 ( sampling
distribution)趨 近 正 態 分 佈 ( 見 附 錄 二 )。
‧44‧
正態分佈的基本定義及其性質
( x − μ )2 y2
−
∞ 1 2σ 2
∞ 1 −
∫−∞ 2π σ
e dx = ∫−∞
2π σ
e 2 dy
x2 y2 x2 + y2
∞ 1 −2 ∞ 1 −2 1 ∞ ∞ −
其 中 , ∫−∞ e dx ⋅∫−∞ e dy = ∫ ∫ e 2
dxdy
2π 2π 2π −∞ −∞
r2
∞ −
= ∫0 re 2
dr
∞
⎡ − r2 ⎤
= ⎢− e 2 ⎥
⎢⎣ ⎥⎦ 0
=1
( x− μ )2
−
∞ 1 2σ 2
∴ ∫− ∞ e dx =1
2π σ
∞
我 們 可 以 證 明 概 率 密 度 函 數 滿 足 ∫−∞ f ( x)dx =1 。 由 上 面 的
1
運算可得知正態分佈的概率密度函數中的常數是 的原因
2π
是為了使第二個條件得到滿足。由於學生不需要透過積分求
概率密度函數因此學生便需透另一渠道去計算 X 的概率了。
若 X ~ N (μ , σ2 ),
⎛a−μ X −μ b−μ⎞
P ( a < X < b) = P⎜ < < ⎟
⎝ σ σ σ ⎠
‧45‧
漫談數學學與教一新高中數學課程延伸部分單元一
⎛b − μ ⎞ ⎛a−μ⎞
=Φ ⎜ ⎟ −Φ ⎜ ⎟
⎝ σ ⎠ ⎝ σ ⎠
y2
1 −
其 中 , Φ (x ) =
x
∫ −∞ 2π σ
e 2
dy 。
當知道 a , b , μ , σ 時,學生便可查表計算其概率。
正 態 分 佈 N(μ , σ2) 還 有 以 下 的 特 性 ﹕
,即 當 x = μ 時, f (μ)是 極 大 值 。
1. 其 平 均 值 亦 為 眾 數(mode)
2. 對 稱 於 x = μ。
3. 這 曲 線 的 拐 點 (inflection point)是 在 x = μ ± σ。
4. x 軸 是 漸 近 線 。
有一點想特別強調,在計算概率分配時,連續隨機變量
有 少 許 差 異 是 對 於 連 續 隨 機 變 量 的 定 點 概 率 是 0。 若 X 是 連
續 隨 機 變 量 , 則 P( X < a ) = P( X ≤ a ) 換 句 話 , 對 任 意 的 連 續 隨
機變量是否包含某一點,對計算結果都沒有影響。
相關網站:
1. 正 態 分 佈
(a) http://ci58.lib.ntu.edu.tw/cpedia/Content.asp?ID=43644
(b) http://zh.wikipedia.org/wiki/%E6%AD%A3%E6%80%81%
E5%88%86%E5%B8%83
2. 中 心 極 限 定 理
http://ci58.lib.ntu.edu.tw/cpedia/Content.asp?ID=43655
3. 二 項 分 佈 的 近 似 值
http://www.htjh.tpc.edu.tw/math/LSC/Normal/Normal.htm
‧46‧
抽樣分佈和點估計
20. 抽樣分佈和點估計
抽樣分佈和點估計在舊有的課程已經存在,新課程亦沒
有 作 重 大 更 動,兩 者 想 向 學 生 灌 輸 以 下 兩 個 基 本 的 統 計 概 念。
一 、 抽 樣 分 佈 (sampling distribution)
我們能靠樣本計算統計量,從而推算母體的參數,不同
的樣本可能得出不同的統計量,故此可得此統計量的分佈即
抽樣分佈。在統計範疇裏,有關由樣本統計量推算母體參數
的 知 識 屬 於 統 計 推 論 (statistical inference)
。在新課程中,更引
入 區 間 估 計( 總 體 比 例 的 置 信 區 間 和 總 體 平 均 值 的 置 信 區 間 )
對未知參數所在範圍進行估計。講授抽樣分佈時便需向學生
介紹概率分佈、隨機抽樣、驗抽樣分佈等概念,從中引入中
心極限定理,當然能配合具體的實解說對建立概念會更有幫
助。
二 、 無 偏 估 計 量 (unbiased estimator)
當了解抽樣理論後,便需要利用統計推斷的方法實在地
處理如何從眾樣本中推斷有關母體的訊息。在得到樣本估計
量 後 , 推 斷 母 體 參 數 前 , 我 們 需 要 檢 定 估 計 量 的 1. 無 偏 性
(unbiasedness)
,2. 效 率 性(efficiency)
,3. 一 致 性(consistency)
。
有一點我們需要學生留意的是估計如 x , s 2 等,它 們 的 數 值 是
會隨着不同的樣本而有所不同估計,所以我們特別有興趣知
道 估 計 量 的 無 偏 性 , 即 E (θˆ) = θ 。
‧47‧
漫談數學學與教一新高中數學課程延伸部分單元一
21. 總體平均值的置信區間
雖然總體平均值的置信區間與舊有數學與統計比較是新
引入的課題,但其實只是點估計的延續。點估計是以一個統
計 量 去 估 計 母 體 的 參 數 (population parameter), 可 以 想 像 點 估
計難免有誤差,而這誤差亦難以估計,故利用區間估計去指
出參數的可能範圍是比較可行的做法。如想進一步知道參數
在特定可能範圍的概率,或估計的誤差,這便與置信區間有
關 了 。 設 θ 是 總 體 的 參 數 , 如 果 統 計 量 θˆ1 ,θˆ2 滿 足
P( θˆ1 < θ < θˆ2 ) = 1 - α , 其 中 α ∈R 和 0 < α < 1, 則 隨 機 區 間
( θˆ1 , θˆ2 ) 是 θ 的 (1- α )置 信 區 間 , 區 間 的 長 短 反 映 了 估 計 的
精確度,α 的大小顯示了估計的可靠性。如果θ是母體的平
均 值,( θˆ1 , θˆ2 )便 是 總 體 平 均 值 的 置 信 區 間。順 帶 一 提,對 於
給 定 的 置 信 水 平 (1 - α ) , 置 信 區 間 不 是 唯 一 的 。 即 滿 足
P( θˆ1 < θ < θˆ2 )=1 - α 的 θˆ1 , θˆ2 是 可 以 有 多 於 一 組 的 解。由 於 新 課
程只考慮母體的數量是無限或有限但抽取是有放回的情況,
樣本數目足夠大或知道抽樣分佈近似於正態分佈,故總體平
σ σ
)。若 總 體 的 標 準 差 σ
均 值 的 置 信 區 間 應 為 ( x − zα , x + zα
n 2 n 2
σ
無法得知,我們可以 σ 的估計 s代替。 是點估計量的標準
n
σ
誤 差, z α 是 抽 樣 誤 差, z α 是 臨 界 值(critical value)
。平 均 值
2 n 2
的 (1-α)置 信 區 間 來 自
1 − α = P(− zα < θ < zα )
2 2
‧48‧
總體平均值的置信區間
X −μ
= P(− zα < < zα )
2
σ 2
n
σ σ
= P( μ − z α < X < μ + zα )
2 n 2 n
σ σ
= P( X − zα < μ < X + zα )
2 n 2 n
置信區間的範圍主要受兩個因素影響。第一是樣本的大
小。當樣本越大,點估計和抽樣的誤差便越小,所得之置信
區 間 越 狹 窄 。 第 二 是 置 信 水 平 (confidence level)
。為了建立更
高的置信度即減低誤差,讓參數在置信區間內的機會提高,
故置信區間範圍便需擴大。若想精確度和可靠性兩者兼得、
取得平衡,那就必需加大樣本數目。
正如前文所說,這置信區間並非唯一,只要我們取不對
⎛ ⎞
⎜ ⎟
X − μ
稱 的 雙 α 點 時 , 同 樣 地 P⎜ − z 4α < < zα ⎟ = 1 − α 成 立 。 由
⎜ σ 5 ⎟
⎜ 5
⎟
⎝ n ⎠
此,亦可得另一置信區間。雖然理論上在同一置信水平可得
出不同的置信區間,但實際上仍會選取以對稱的雙α 點為置
信區間,因為其所求得的置信區間長度比其他以不對稱求得
的置信區間長度為短,其精確度較高,所以我們通常由對稱
的雙α 點求置信區間。
有 一 點 必 須 提 醒 學 生 的 是 μ 的 (1-α)100%置 信 區 間 不
是 表 示 μ 有 (1-α)100%的 概 率 發 生 在 此 範 圍 內 , 而 是 所 有
(1-α)100%置 信 區 間 中 有(1-α)100%的 置 信 區 間 會 包 含 μ 。
由 於 μ 的 置 信 區 間 ( μ1 , μ 2 ) 是 根 據 P(μ1 < μ < μ2) = 1-α 計 算
出 來 , 即 不 同 的 樣 本 會 計 算 出 不 同 的 ( μ1 , μ 2 ) , 故 此 ( μ1 , μ 2 ) 亦
‧49‧
漫談數學學與教一新高中數學課程延伸部分單元一
是 隨 機 變 量 , 我 們 只 能 說 ( μ1 , μ 2 ) 能 被 正 確 地 估 計 的 概 率 為
(1-α)100%,但 不 能 說 μ 在 ( μ1 , μ 2 ) 的 概 率 為(1-α)100%,
因 為 μ 已 有 一 個 固 定 值 ( 只 是 未 知 ), 故 μ 是 否 在 ( μ1 , μ 2 ) 內
並非一個隨機變量。
‧50‧
總體比例的置信區間
22. 總體比例的置信區間
總體比例的置信區間的學理大部分與總體平均值的置信
區間相似,兩者之分別是前者估計的是母體內特定事件的成
功 比 例 ,參 數 p 是 比 例 或 概 率, 其 中 0 < p < 1。 即 若 X 是 某 事
件 的 成 功 次 數 , 則 X 服 從 於 二 項 分 佈 (X ~ Bin(n, p))
。由於估
計總體比例的統計量 p 服從於二項分佈,故其標準差則為
p (1 − p)
。我們知道當樣本數目足夠大時,二項分佈亦
n
近似於正態分佈,相似地,總體比例的置信區間為
⎛ pˆ (1 − pˆ ) pˆ (1 − pˆ ) ⎞
⎜ pˆ − zα , pˆ + zα ⎟ 。在 計 算 總 體 比 例 的 置 信 區 間
⎜ n n ⎟
⎝ 2 2 ⎠
X X − np
時 , 我 們 以 pˆ = 作 為 總 體 比 例 的 點 估 計 。 由 於 和
n np(1 − p )
X − np
之 極 限 分 佈 9(limiting distribution)為 N (0, 1),且 p̂
⎛ ⎞⎛
X X ⎞
n⎜ ⎟⎜1 − ⎟
⎝ n ⎠⎝ n⎠
依 概 率 收 斂 於 p;1- p̂ 依 概 率 收 斂 於 1-p。若 對 任 意 ε > 0,即
⎛ X ⎞
有 lim P⎜ − p < ε ⎟ = 1。 所 以 有 概 率 近 似 值
n →∞
⎝ n ⎠
⎛ ⎞
⎜ ⎟
⎜ X − np ⎟
1 − α = P⎜ − z α < < zα ⎟
⎜⎜ 2 ⎛ ⎞⎛
X X ⎞ ⎟⎟
n⎜ ⎟⎜1 − ⎟ 2
⎝ ⎝ n ⎠⎝ n⎠ ⎠
9
楊宏章(譯)(1984) 。台北:曉園出版社,頁 226-227。
。《數理統計》
‧51‧
漫談數學學與教一新高中數學課程延伸部分單元一
⎛ X ⎞
⎜ −p ⎟
⎜ n ⎟
= P⎜ − z α < < zα ⎟
1 ⎛ X ⎞⎛ X ⎞
⎜⎜ 2 ⎜ ⎟⎜1 − ⎟
2
⎟⎟
⎝ n ⎝ n ⎠⎝ n⎠ ⎠
⎛ ⎞
⎜ ⎟
pˆ − p
= P⎜ − z α < < zα ⎟
⎜ 2 pˆ (1 − pˆ ) 2
⎟
⎜ ⎟
⎝ n ⎠
⎛ pˆ (1 − pˆ ) pˆ (1 − pˆ ) ⎞
= P⎜⎜ p − z α < pˆ < p + z α ⎟
⎟
⎝ 2
n 2
n ⎠
⎛ pˆ (1 − pˆ ) pˆ (1 − pˆ ) ⎞
= P⎜⎜ pˆ − z α < p < pˆ + z α ⎟
⎟
⎝ 2
n 2
n ⎠
‧52‧
參考書目
參考書目
這部書適合老師作為在概率與統計知識上有更深入的鞏
固與增潤之讀物。
此 書 提 供 大 量 利 用 試 算 表 (Excel®)找 各 分 佈 的 臨 界 值 和
概 率 的 例 子 , 亦 有 教 授 利 用 試 算 表 (Excel®)計 算 置 信 區
間。若老師想以資訊科技輔助教授統計和概率,書中內
容對老師很有幫助。
此書通常為大學用書,但值得向學生推薦。書中的內容
淺白易明,提供大量範例和練習題,是作為補充教材的
一個好選擇。
[5] 李 佑 義 ( 譯 )(1986)
。槪率論淺說。北京:宇航出版社。
中譯本的篇幅不長,大部分章節與課程有關,對槪率的
加法與乘法定理有仔細的解釋。另外,第十一章(英文
‧53‧
漫談數學學與教一新高中數學課程延伸部分單元一
版為第七章)的大數定理亦不容錯過。
看見書名,大概可以想象內容主要討論正態分佈。介紹
此書是希望老師特別留意第六章和第七章的中心極限定
理。書中以不同方法解釋利用正態分佈是二項分佈的近
似值。雖然解說談不上非常詳盡,但很少書會同一時間
以幾個策略作解釋,作為開闊眼界和加深對有關課題的
認識,是一個不錯的選擇。老師也要有一個心理準備,
其數學內容不是短時間內可以讀得明白。
一本不可不看的作品,基本上大部分在概率學上應懂的
知識均已涵蓋。雖然是大學用書,但內容淺白易明。特
別推薦第八章中中心極限定理之證明,是眾多版本中比
較簡潔利落的一個。
香港坊間對教授統計和概率的教材套不多,特別是高
中。此 書 的 教 學 活 動,雖 然 不 是 全 部 活 動 都 與 課 程 有 關 ,
但當中有很多是合適的,例如幾何分配、置信區間、中
心 極 限 定 理 等 。 書 中 有 48 個 不 同 的 活 動 , 每 個 活 動 均 有
詳細說明活動的目標、所需教具、學生的先備知識、活
動程序、部分更有工作紙和引導問題,絶對是老師在教
學上不可缺少的參考書目。
‧54‧
參考書目
全書有十一個章節,每章節均解答一個統計問題,而這
些問題正是學生在學習統計的過程中常遇到的問題。大
部 分 的 問 題 都 是 直 接 與 課 程 有 關 , 例 如 ﹕ what is a p value?
Why do we divide by n-1 instead of n? 等。由 於 整 章 節 以 解 答
一 個 問 題 為 主,再 輔 以 例 子 補 充,故 當 中 解 說 十 分 詳 盡 ,
是老師在教學上不可錯過的讀物。
亦是另一本常用的大學用書,內容涉及統計學的層面較
廣,但其賣點是書中穿插很多貼近生活的日常例子,雖
然例子中的事件非取材自香港,但一樣容易產生共鳴。
這 本 書 的 對 象 是 16-19 歲 的 讀 者,雖 然 對 香 港 的 高 中 學
生來說相對淺易,但所引用的例子卻相當好玩有趣,部
分例子便可變成課堂活動或遊戲,值得老師花時間一
看。
[12] 蕭 文 強 、 林 建 (1982)
。《 槪 率 萬 花 筒 》。 香 港 : 廣 角 鏡 出
版社。
個人一向喜歡蕭教授的著作,原因是選材有趣和生活
化,數學味濃,無論讀者的數學程度高或低,總覺得好
看。此書亦言,同時已把不同的概率問題分類,對老師
利用書中例子在教學上作舉隅時更見方便!
‧55‧
漫談數學學與教一新高中數學課程延伸部分單元一
[13] 李 華 剛 、 廖 俊 傑 、 邵 慰 慈 (1999)。《 統 計 學 入 門 》。 香
港:香港教育圖書公司。
[14] 蘇 國 樑 (2003)
。《 統 計 學 ( 第 2 版 )》。 台 北 縣 蘆 洲 市 :
國立空中大學。
[15] 郭 信 霖 、 許 淑 卿 (1999)
。《 統 計 學 》。 台 北 : 華 立 圖 書
股份有限公司。
三本書的風格相似,易讀易明,對統計和概率的基本
概念以精簡的篇幅把重點扼要地描述。由於全書只討
論重點,節奏明快,讀起來有暢快之感,故實在適合
學生閱讀。
鄭教授以有趣的問題作引入,解讀在應用層面常面對
的統計問題。若老師在課堂上想舉些日常生活例子引
起同學的學習動機,此書是一個好選擇。
[17] 孫 榮 恆(2004)
。《趣味隨機問題》
。北 京:科 學 出 版 社 。
全書有百多個概率問題,如書名一樣,全都是好玩的
數學。當中不乏中外的經典數學名題。可是並非所有
問題都在課程內,老師需要在其中細意挑選。
[18] 汪 振 鵬 (1999)
。《 槪 率 與 數 理 統 計 ( 第 2 版 )》。 上 海 :
華東師範大學出版社。
[19] 何 燦 芝 (1984)
。《 槪 率 統 計 學 習 指 導 》。 長 沙 : 湖 南 科
學技術出版社。
‧56‧
參考書目
這兩部書對槪率的概念和定義有比較準確的解釋與描
述。
[20] 陳 明 哲 (1972)
。《 排 列 組 合 》。 台 北 : 中 央 書 局 。
[21] 陳 明 哲 (1980)
。《 機 率 》。 台 北 : 中 央 書 局 。
‧57‧
漫談數學學與教一新高中數學課程延伸部分單元一
附錄一:弱大數定律
要 明 白 弱 大 數 定 律 之 前,首 先 要 明 白 何 謂「 概 率 上 收 歛 」
( converge in probability)。
若 X n為隨機變量之序列。 X 又是一隨機變量。
我們稱 Xn ⎯
⎯→
P
X (概率上收歛)若
lim P ( X n − X ≥ ε ) = 0 , ∀ε > 0 。
n →∞
弱大數定律是這樣說的:
若 X 是 一 隨 機 變 量 , X 1 , X 2 , …, X n 為 X 之 隨 機 抽 樣 , 那
末 Xn ⎯
⎯→
P
μ ,其中 μ 為 X 之平均值。
⎯→ μ ,只 是 說 X n ⎯
故 此,這 定 律 並 沒 有 說 X n ⎯ ⎯→
P
μ 。換
言之,不是說當 n 愈大,樣本平均值 Xn 會愈來愈近 μ 。再換
句 話 說,就 是 這 定 律 並 不 是 說,當 樣 本 愈 來 愈 大( sample size)
,
樣本平均值會趨向 μ 。
我們可以這樣理解。首先以擲毫為例(假設得正反兩面
。擲 毫 這 事 件 形 成 的 隨 機 變 量 稱 為 X 。我 們 作 出
的概率均等)
抽 樣 X 1 , X 2 , …, X n 。 假 如 得 了
0 1 1 0 0 0 1 0 1 0 0 1 1 1 1 0 ……
當 n 愈來愈大時,得出了不同的 Xn :
n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 … …
Xn 0 1 1 0 0 0 1 0 1 0 0 1 1 1 1 0 … …
1 2 2 2 2 3 3 4 4 4 5 6 7 8 8
Xn 0 … …
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
‧58‧
附錄一:弱大數定律
1
在這特別的情況, Xn確是愈來愈近 。但現並不表示這
2
是 必 然 的 ( 這 就 是 與 常 見 的 理 解 之 最 大 分 別 )。
我 們 確 有 可 能 出 現「 特 異 」的 情 況,( 硬 幣 正 反 兩 面 的 概
率同樣均等如)如
1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ……
或
1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 ……
只 是 這 種 出 現 的 可 能 性 比 較 低( 這 就 是 所 謂「 概 率 上 收 歛 」)。
我們可以這麼理解(以下已是「大數定律」之註釋,而
非大數定律本身:因為大數定律並沒有如以下例子中「找不
同 的 人 做 實 驗 」 的 含 意 )。 假 若 我 們 叫 很 多 學 生 ( 例 如 說 100
個學生)擲同一個硬幣(亦是假設了得正反兩面概率均等)
許 多 許 多 次( 例 如 說 1000 次 )
。每 個 學 生 就 得 出 了 一 個 數 值 。
當 擲 的 次 數 愈 多 ( 1000 次 增 多 , 而 不 是 100 增 多 )。 這 100 個
1 1
數 值 會 有 相 當 多 是 接 近 的 ( 但 仍 有 可 能 有 部 分 偏 離 的 )。
2 2
‧59‧
漫談數學學與教一新高中數學課程延伸部分單元一
附錄二:中心極限定理
前文提及,中心極限定理是指一切有關大量隨機變量和
極限分佈是正態分佈的定理,由於只想介紹部分常見的中心
極限定理,着重提出它的應用與意義,故不加以證明。
中心極限定理
設 X 1 , X 2 ,….., X n 為 獨 立 同 分 佈 的 隨 機 變 量 ( 各
( X + ... + X n ) − nμ
有 期 望 值 μ < ∞ 及 方 差 σ 2 > 0 )和 Yn = 1 ,則
σ n
t2
x 1 −2 ( X + ... + X n ) − nμ
lim P(Yn < x) = ∫ −∞ e dt 即 1 有極限分佈標
n →∞ 2π σ n
準正態分佈。
一、獨立同分佈的中心極限定理
定 理 一 ﹕ 設 X 1 , X 2 ,….., X n 為 互 相 獨 立 的 隨 機 變 量 序 列,各 有
期望值μ 及方差 σ 2,當 n → ∞ 時,則
( X 1 + ... + X n ) − nμ
Yn = 的 分 佈 趨 於 標 準 正 態 分 佈,即
σ n
t2
x 1 −2
lim P(Yn < x) =
n →∞
∫ −∞ 2π
e dt 此 定 理 為 計 算 獨 立 同 分
佈隨機變量之和的近似概率提供方便之門。
定 理 二 ﹕ ( 棣 莫 弗 — 拉 著 拉 斯 極 限 定 理 )設 μn 是 重 覆 n 次
伯努利實驗中事件 A 發生的次數,而 p 是事件 A
在 每 次 實 驗 中 發 生 的 概 率 , 對 任 意 x, 則
t2
μ n − np x 1 −2
lim P( < x) = ∫ − ∞ e dt , 其 中 q = 1 − p 由 於
n →∞ npq 2π
‧60‧
附錄二:中心極限定理
μn ~ Bin(n, p), 所 以 定 理 二 說 明 了 二 項 分 佈 近 似 於 正
態 分 佈。現 實 中,只 要 n 的 數 目 足 夠 (n >15)和 p 接 近
1
時效果已相當顯注,若 p 太接近 0 或 1 時,則需
2
增加樣數目才可有良好效果。基於二項分佈是離散
分佈和正態分佈為連續分佈對於定點概率的計算之
不同,故以正態分佈去計算二項分佈的近似概率的
需要作出修正。
建議課堂活動: 概率雨實驗(彈珠機)
活動目標: 利用實驗展示二項分佈近似於正態分佈。
活動內容: 利用不同數目的彈珠,模擬重覆伯努尼試驗
趨近常模分析。
‧61‧
漫談數學學與教一新高中數學課程延伸部分單元一
二、獨立非同分佈的中心極限定理
i =1
1 n
ε,使 得 lim
n →∞ 2 +ε ∑ E | xi − μ i | 2+ε
= 0,則 對 任 何 實 數 x,
Bn i =1
⎛ n ⎞
⎜ ∑ ( xi − μ i ) ⎟ t2
1 −
lim P⎜ i =1 < x ⎟ = ∫−∞
x
e 2
dt
n →∞ ⎜ Bn ⎟ 2π
⎜ ⎟
⎝ ⎠
‧62‧
x
附錄三:指數函數 e 性質的論述
附錄三:指數函數 e x 性質的論述
就 學 生 的 學 習 經 驗 而 言,如 前 所 闡 釋,學 生 已 知 e 是 一 正
實 數,要 回 應 第 8 頁 的 問 題(I)
,比 較 自 然 的 想 法 是 從 有 理 數
冪 的 e r ( r 為 有 理 數 ) 過 渡 到 實 數 冪 的 e x 。 這 只 需 要 考 慮 x是
無理數的情況便已足夠。
由 於 無 理 數 x 可 以 寫 成 無 限 非 循 環 的 十 進 制 小 數,我 們 可
依 此 選 取 兩 列 單 調 有 理 數 列 {x − n }及 {x + n } 使 得
−
(i) 對 所 有 的 自 然 數 n, x n < x < x+ n ;
(ii) {x − n }單 調 上 升 , {x + n } 單 調 下 降 ;
事實上,由 x 的無限非循環十進制小數表示,我們可用
「捨尾法」及「進一法」選取序列:
x−n 為 x 精確 至 第 n位 小數 的 不足 近 似 值;
x+n 為 x 精確 至 第 n位 小數 的 過剩 近 似 值。
例如: x = 2 = 1 .414213562 L 10
{x − n } 為 1.4,1.41,1.414,1.4142, 1.41421,…, ↑( 單 調 遞 增 )
{x + n } 為 1.5,1.42,1.415,1.4143, 1.41422,…。 ↓( 單 調 遞 減 )
10
又當 x = − 2 = − 1 . 414213562 L 時
‧63‧
漫談數學學與教一新高中數學課程延伸部分單元一
− +
考 慮 實 數 數 列 {e x n } 及 {e x n } 。 由 有 理 序 列 的 單 調 性 , 及 指 數
− − + +
的 有 理 冪 性 質 知:對 於 所 有 自 然 數 n, e x 1 ≤ e x n
< ex n
≤ ex 1 再
− +
由 實 數 序 列 的 單 調 收 斂 定 理 得 知 α = lim e x n 及 β = lim e x n 存
n →∞ n →∞
+ −
−
在。考 慮 有 理 序 列 {x n } 及 {x n } 的 構 作,得 x +
n −x n = 10 − n ,從
而有
+ − − + −
β − α = lim e x n
− lim e x n
= lim e x n (e x n −x n
− 1)
n →∞ n →∞ n →∞
− −n − −n
= lim e x n (e10 − 1) = lim e x n
⋅ lim (e10 − 1) = α ⋅ 0 = 0 11
n →∞ n →∞ n →∞
我們定義:
− +
e x = lim e x n
= lim e x n 。
n →∞ n →∞
由先前的論述,對所有自然數 n,我們有如下不等式成立:
− + 12
ex n
≤ ex ≤ ex n
。
可再進一步,由此驗證 ex的定義與選取的逼近序列無關,以
上 做 法 應 可 滿 足 (I)的 需 求 。
11 1
此處我們應用了熟知的結果: lim a m
= 1, a > 0 ,m 為自然數。
m →∞
12 − +
這對一般以 a > 1 為底的實數成立,若 0 < a < 1 ,則 a x ≤ a x ≤ a x n n
‧64‧
x
附錄三:指數函數 e 性質的論述
設 [x] 是 唯 一 的 整 數 使 得 [ x] ≤ x < [ x] + 1 成 立 。 考 慮 x → ∞
⇒ [x] → ∞ , 故 可 選 1 ≤ [ x] , 使 得
1 1 1 1 1 1
1 ≤ [ x] ≤ x < [ x] + 1 ⇒ < ≤ ⇒ 1+ < 1+ ≤ 1+
[ x] + 1 x [ x] [ x] + 1 x [ x]
[ x] x [ x ]+1
⎛ 1 ⎞ ⎛ 1⎞ ⎛ 1 ⎞
⇒ ⎜⎜1 + ⎟ < ⎜1 + ⎟ ≤ ⎜⎜1 + ⎟
⎝ [ x ] + 1 ⎟⎠ ⎝ x ⎠ ⎝ [ x] ⎟⎠
(這其實有欠穩妥者:上式中央的一項未有定義,另外,不
等式是否成立仍屬未知!但按照之前的方法定義一般正數的
實數冪,則毋須為此擔憂。)
由 夾 逼 定 理 (Squeezing Theorem)
,
[ x ]+1
⎛ 1 ⎞
⎜⎜1 + ⎟
[ x] + 1 ⎟⎠
[ x]
⎛ 1 ⎞ ⎝
lim ⎜⎜1 + ⎟⎟ = lim = e及
⎝ [ x] + 1 ⎠
x → +∞ x → +∞ ⎛
⎜⎜1 +
1 ⎞
⎟⎟
⎝ [ x] + 1 ⎠
[ x ]+1 [ x]
⎛ 1 ⎞ ⎛ 1 ⎞ ⎛ 1 ⎞
lim ⎜1 + ⎟⎟ = lim ⎜⎜1 + ⎟ ⎜⎜1 + ⎟⎟ = e 得 ( ※ ) !
x → +∞⎜ ⎟
⎝ [ x] ⎠ x → +∞
⎝ [ x] ⎠ ⎝ [ x] ⎠
另 一 方 面 , 還 可 以 考 慮 m = −n , 計 算 得
n m m−1
⎛ 1⎞ ⎛ 1 ⎞ ⎛ 1 ⎞ ⎛ 1 ⎞
lim ⎜1 + ⎟ = lim⎜1 + ⎟ = lim⎜1 + ⎟ ⋅ lim⎜1 + ⎟=e
n→−∞⎝ n ⎠ m→∞⎝ m − 1⎠ m→∞⎝ m − 1⎠ m→∞⎝ m − 1⎠ 。
同 樣 , 還 可 以 證 明 : lim(1 + t )
1
t = e。
t →0
交 代 過 (I)以 後 , 最 後 , 就 第 8 頁 的 問 題 (IV)而 言 , 應 用
r
所提供有關 ex的定義,有理冪 e 的指數定律及極限的性質,
便 可 順 利 推 導 上 述 的 實 數 指 數 定 律(1)及 (2)成 立;還 可 證
明 e x 對 x 是 單 調 遞 增 且 連 續 的 , 並 有 lim e x = ∞ 及 lim e x = 0 ,
x →∞ x → −∞
從 而 得 到 單 調 連 續 的 y ( x) = e 圖 像,以 及 y ( x) = e : R → (0, ∞) 是
x x
‧65‧
漫談數學學與教一新高中數學課程延伸部分單元一
雙 射 (bijective)的 。 在 此 , 我 們 不 再 贅 述 了 。
y ( x) = e x 的圖像
‧66‧
附錄四:引入指數與對數函數的另一方法
附錄四:引入指數與對數函數的另一方法
本附錄將以黎曼積分為基礎,首先以定積分定義自然對
數,證明它所滿足的對數定律。之後,通過考慮自然對數的
逆 函 數,便 可 獲 得 以 e 為 底 的 指 數 函 數。我 們 除 了 證 明 指 數 函
數滿足的實數指數定律外,更討論指數與對數函數的微分性
質。我們將假定讀者熟知基礎的黎曼積分理論如:連續函數
在閉區間上的可積性、定積分對上下限之連續性、以及微積
分 基 本 定 理 (Fundamental Theorem of Calculus)等 標 準 結 果 。
自然對數的定義及性質
1 +
設 R + 為 正 實 數 集,函 數 f : R + → R,
, x ∈R 是 單 f ( x) =
x
調下降且連續的,故此,以下述定積分刻畫之函數有意義。
+ +
定義 1 以 定 積 分 定 義 函 數 ln : R → R, 使 得 對 x ∈R
x 1
ln x = ∫1 dt 。
t
此函數稱為自然對數,或在內容清晰的情況下,簡稱為
對 數 。 在 證 明 下 列 定 理 , 細 緻 地 確 立 ln : R + → R 的 基 本 性 質
後,函數為什麽要以「對數」為名,便將清楚明白了。
定理 2 以 下 有 關 函 數 ln : R + → R 的 命 題 成 立 :
( 1 ) ln(1) = 0 .
‧67‧
漫談數學學與教一新高中數學課程延伸部分單元一
+
(4) 對 任 意 a ∈ Q 及 b ∈R , ln(b a ) = a ln(b ) .
(5) 函 數 ln 是 嚴 格 單 調 遞 增 及 連 續 的 .
證明
1 1 +
(1)是 明 顯 的, 因 為 ln( 1 ) =
t
∫1
dt = 0 , 對 任 意 a , b ∈ R , 設
g ( x ) = ax , 則 由 定 積 分 的 變 量 代 換 得 :
ab 1 a 1 ab 1
ln( ab ) = ∫1 x
dx = ∫1 x
dx + ∫a x
dx
ab 1
= ln( a ) + ∫a adx
ax
1
g ' ( x )dx
ab
= ln( a ) + ∫a g (x )
b 1
= ln( a ) + ∫1 dt = ln( a ) + ln( b )
t
故 (2)得 證 。
a a
應 用 (2), 考 慮 ln( a ) = ln( ⋅ b ) = ln( ) + ln(b ) ⇒ (3)
。
b b
故 此 ln 是 嚴 格 單 調 遞 增 函 數 , 其 連 續 性 則 是 黎 曼 積 分 上 下 限
‧68‧
附錄四:引入指數與對數函數的另一方法
連續性的直接推論。
1
,設 n 為 正 整 數, n > 1,考 慮 在 [1, n ] 上 的 函 數 y =
要 證(6) ,
x
由函數嚴格單調遞减的性質知:
n −1 n −1
n 1 k +1 1 1 k +1 n
1
∫1 x
dx = ∑ ∫k x
dx ≥ ∑ k +1
∫k dx = ∑ k
k =1 k =1 k =2
∞ 1 +
由於 ∑ k 發 散 於 正 無 窮,故 對 於 任 意 M ∈ R ,可 找 到 對 應 的 n
k =2
定 義 exp: R → R 為 函 數 ln : R → R 的 逆 函 數 。 稱 此
+ +
定義 3
函 數 為 指 數 函 數 (exponential function)
。
以 下 定 理 總 結 了 函 數 exp 的 幾 項 重 要 的 性 質 。
以 下 有 關 函 數 exp: R → R 的 命 題 成 立 :
+
定理 4
(1) 設 e 為 正 實 數 , 使 得 1 = ln(e) , 則 對 所 有 自 然
數 n , 有 exp(n ) = e n
(2) 應 用 (1)中 所 定 義 的 正 實 數 e , 對 所 有 自 然
⎛1⎞
數 n , 有 exp⎜ ⎟ = n e
⎝n⎠
‧69‧
漫談數學學與教一新高中數學課程延伸部分單元一
+
(3) 對 任 意 a , b ∈ R , exp(a + b) = exp(a ) exp(b)
+ exp(a )
(4) 對 任 意 a , b ∈ R , exp(a − b) =
exp(b)
(5) exp: R → R 是 單 調 遞 增 及 連 續 的 雙 映 射
+
(bijective map)
d
(6) 對 任 意 x ∈ R, exp( x) = exp( x)
dx
n
⎛ 1⎞
(7) lim⎜1 + ⎟ = e
n →∞⎝ n⎠
證明
函 數 exp: R → R 的 性 質 (1)-(5)
+
, 可 由 逆 函 數 ln 的 對 應 性
質直接推得。
由 於 ln(exp( x)) = x 對 所 有 x ∈R 成 立 , 故
d 1 d
ln(exp( x)) = 1 ⇒ exp( x) = 1從 而 (6)得 證 。
dx exp( x) dx
d 1 d
要 證 (7), 由 ln( x) = 知 ln( x) x =1 = 1
dx x dx
ln(1 + h) − ln(1)
即 lim = 1,
h →0 h
故得:
⎛ 1⎞
ln⎜1 + ⎟
ln(1 + h) − ln(1)
= 1 ⇒ lim ⎝
n⎠
lim =1
h →0 h n →∞ 1
n
1
(由極限的性質,當中 h = )
n
‧70‧
附錄四:引入指數與對數函數的另一方法
n
⎛ 1⎞
⇒ lim ln⎜1 + ⎟ = 1 ( 由 ln 的 性 質 )
n →∞ ⎝ n⎠
( 由 ln 的 連 續 性 )
⎛ ⎛ 1⎞
n
⎞
⇒ ln⎜ lim ⎜1 + ⎟ ⎟ =1
⎜ n →∞⎝ n ⎠ ⎟ ( 由 ln 的 可 逆 性 )
⎝ ⎠
n
⎛ 1⎞
⇒ lim ⎜1 + ⎟ = e
n →∞⎝ n⎠
故原定理得證。
+
由 定 理 2 的 (4)知 : 對 a ∈Q 及 b ∈R b a = exp(a ln(b)) 成 立 。
自然地,我們可沿用這樣的方式去定義以一般的,以正實數
為底的指數函數:
+
定義 5 對 a ∈R 及 b ∈R , 定 義 b a 為
這 樣 , 由 定 義 5, 我 們 看 到 e x = exp(x) 對 所 有 x ∈R 成 立 。
故 我 們 可 視 函 數 exp 確 是 以 e 為 底 的 指 數 函 數 ! 由 比 , 交 替 應
用 e x 與 exp(x) 記 號 亦 不 會 導 致 含 混 了 。 另 外 , 容 易 驗 證
ln(b a ) = a ln(b ) 亦 成 立 , ln x 與 log e x 亦 不 用 再 區 分 了 。
+
應 用 (#) , 函 數 exp 及 ln 的 性 質 , 我 們 便 可 確 立 以 任 意 b ∈R 為
底的實數指數定律:
定理 6
(1) 對 任 意 a1 , a 2 ∈R, b a1 × b a2 = b a1 + a2
1
(2) 對 任 意 a ∈R, = b −a
ba
( 3 ) 對 任 意 a1 , a 2 ∈R, (b a1 ) a2 = b a1a2
‧71‧
漫談數學學與教一新高中數學課程延伸部分單元一
最後是一般微分公式:
+
若 a ∈R, x ∈R
d α d α
(†) x = exp(α ln( x)) = exp(α ln( x)) × = αx α −1 .
dx dx x
d n
這跟初學微積分時經常用到的公式 x = nx n −1,其 中 n 為 正 整
dx
數 及 x ∈R, 完 全 一 致 !
+
此 外 , 當 底 數 k ∈R 為 固 定 值 , 指 數 x ∈ R 作 為 變 量 時 的 微 分
公式亦可輕易求得:
d x d
(‡) k = exp( x ln(k )) = exp( x ln(k )) × ln(k ) = ln(k ) k x
dx dx
‧72‧
附錄五:離散概率分佈的期望值與方差
附錄五:離散概率分佈的期望值和方差
雖然課程中並未要求學生就各離散概率分佈的期望值與
方差作計算,但當有需要向學生解釋各分佈的期望值與方差
時,附錄五希望可以為老師在教學上或在本科知識上有增潤
作用。
二項分佈
n
E(X) = ∑ xC xn p x (1 − p) n − x
x =0
n
= ∑ xC xn p x (1 − p) n− x
x =1
n n!
= ∑ ( x − 1)!(n − x)! p x (1 − p) n − x
x =1
n (n − 1)!
= n∑ p x (1 − p ) n − x
x =1 ( x − 1)! ( n − x )!
n
= np ∑ C xn−−11 p x −1 (1 − p) n − x
x =1
n −1
= np ∑ C yn −1 p y (1 − p ) n −1− y , 其 中 y = x – 1
y =0
= np
n
E(X 2 ) = ∑ x 2 C xn p x (1 − p) n − x
x =0
n
= np ∑ xC xn−−11 p x −1 (1 − p ) n − x
x =1
n −1
= np ∑ ( y + 1)C yn −1 p y (1 − p ) n −1− y , 代 y = x – 1
y =0
n −1 n −1
= np ∑ yC yn −1 p y (1 − p ) n −1− y + np ∑ C yn −1 p y (1 − p) n −1− y
y =0 y =0
= np[(n – 1)p] + np
‧73‧
漫談數學學與教一新高中數學課程延伸部分單元一
d ⎛∞ ⎞
= p ⎜∑ px ⎟
dq ⎝ x =1 ⎠
d ⎛ q ⎞
= p ⎜⎜ ⎟
dq ⎝ 1 − q ⎟⎠
1
= p⋅
(1 − q) 2
1
=
p
∞
E(X2) = ∑ x 2 pq x −1
x =1
∞
= p ∑ x( x − 1 + 1) q x −1
x =1
∞ ∞
= pq ∑ x( x − 1)q x − 2 + ∑ xpq x −1
x =1 x =1
∞ 2 x
d (q ) 1
= pq ∑ 2
+
x =1 dq p
2 ∞
d 1
= pq 2 ∑ q x +
dq x =1 p
2 pq 1
= +
(1 − q) 3 p
2− p
=
p2
2 − p 1 1− p
Var(X) = − 2 = 2
p2 p p
‧74‧
附錄五:離散概率分佈的期望值與方差
泊松分佈
∞ e −λ λ x
E(X) = ∑ x
x =0 x!
∞ e −λ λ x
=∑x
x =1 x!
∞ λ x −1
= λe − λ ∑
x =1 ( x − 1)!
∞ λy
= λe − λ ∑ , 其中 y = x – 1
y =0 y!
−λ λ
= λe e
=λ
∞ e −λ λ x
E(X ) = ∑ x 2
2
x =0 x!
∞ e −λ λ x
=∑x
x =1 ( x − 1)!
∞ xλ x −1
= λe − λ ∑
x =1 ( x − 1)!
∞ ( y + 1)λ y
= λe − λ ∑ ,代 y = x – 1
y =0 y!
∞ yλ y ∞ λy
= λe − λ ∑ + λe − λ ∑
y = 0 y! y = 0 y!
= λ (λ + 1)
Var(X) = λ (λ + 1) – λ2 = λ
‧75‧
數學百子櫃系列 作者
(一)漫談數學學與教-新高中數學課程必修部分 張家麟、黃毅英、韓藝詩
(二)漫談數學學與教-新高中數學課程延伸部分單元一 韓藝詩、黃毅英、張家麟
(三)漫談數學學與教-新高中數學課程延伸部分單元二 黃毅英、張家麟、韓藝詩
(即將出版)
(四)談天說地話數學 梁子傑
(五)數學的應用:圖像處理-矩陣世紀 陳漢夫
(六)數學的應用:投資組合及市場效率 楊良河
(七)數學的應用:基因及蛋白的分析 徐國榮
(即將出版)
‧76‧