Professional Documents
Culture Documents
6 ฟังก์ชันการแจกแจงความน่าจะเป็น EP3 (ต่อเนื่
6 ฟังก์ชันการแจกแจงความน่าจะเป็น EP3 (ต่อเนื่
1 2
ตัวอย่าง • ให้ X หมายถึง ระยะเบรคของรถยนต์คนั หนึ่งที่มีค่าเริ่ มตั้งแต่ 0 ถึง 80 เมตร ที่ความเร็วระดับหนึ่ง สมมติวา่ X มีการ
แจกแจงแบบยูนิฟอร์มต่อเนื่อง จงตอบคาถามต่อไปนี้
1 1
𝑓 𝑥 = = ; 0 < x < 80
• ให้ X หมายถึง ระยะเบรคของรถยนต์คนั หนึ่งที่มีค่าเริ่ มตั้งแต่ 0 ถึง 80 เมตร ที่ความเร็ วระดับหนึ่ง (80−0) 80
สมมติวา่ X มีการแจกแจงแบบยูนิฟอร์มต่อเนื่อง จงตอบคาถามต่อไปนี้
1. จงคานวณความน่าจะเป็ นที่ระยะเบรคของรถยนต์คนั ดังกล่าวจะมีไม่เกิน 30 เมตร ในการ 1. จงคานวณความน่าจะเป็ นที่ระยะเบรคของรถยนต์คนั ดังกล่าวจะมีไม่เกิน 30 เมตร ในการเบรกครั้งหนึ่ง
เบรคครั้งหนึ่ง 30 1
P(X < 30) = 0 𝑑𝑥 =
1
𝑥|30 =
30
= 0.375
80 80 0 80
2. จงคานวณความน่าจะเป็ นที่ระยะเบรคของรถยนต์คนั ดังกล่าวจะมีอยูร่ ะหว่าง 25 ถึง 65 2. จงคานวณความน่าจะเป็ นที่ระยะเบรคของรถยนต์คนั ดังกล่าวจะมีอยูร่ ะหว่าง 25 ถึง 65 เมตร ในการเบรกครั้งหนึ่ง
เมตร ในการเบรคครั้งหนึ่ง 65 1 1 65−25 40
P(25 < X < 65) = 25 𝑑𝑥 = 𝑥|65 = = = 0.5
3. จงคานวณค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานของระยะเบรคของรถยนต์คนั ดังกล่าวในการ 80 80 25 80 80
3 4
• ให้ X หมายถึง ระยะเบรคของรถยนต์คนั หนึ่งที่มีค่าเริ่ มตั้งแต่ 0 ถึง 80 เมตร ที่ความเร็วระดับหนึ่ง สมมติวา่ X มีการ • ให้ X หมายถึง ระยะเบรคของรถยนต์คนั หนึ่งที่มีค่าเริ่ มตั้งแต่ 0 ถึง 80 เมตร ที่ความเร็วระดับหนึ่ง สมมติวา่ X มีการ
แจกแจงแบบยูนิฟอร์มต่อเนื่อง จงตอบคาถามต่อไปนี้ แจกแจงแบบยูนิฟอร์มต่อเนื่อง จงตอบคาถามต่อไปนี้
1 1 1 1
𝑓 𝑥 = = 80 ; 0 < x < 80 𝑓 𝑥 = = 80 ; 0 < x < 80
(80−0) (80−0)
4. จงคานวณความน่าจะเป็ นที่ในการเบรค 2 ครั้ง จะมีอย่างน้อย 1 ครั้งที่ระยะเบรคไม่เกิน 30 เมตร (สมมติวา่ การเบรคแต่ 5. จงคานวณความน่าจะเป็ นที่ในการเบรคครั้ง 8 จะเป็ นเบรคที่ใช้ระยะเบรกมากกว่า 50 เมตรเป็ นครั้งแรก
ละครั้งเป็ นอิสระ) ให้ Y = จานวนครั้งที่เบรก จนกระทัง่ พบการใช้ระยะเบรกมากกว่า 50 เมตรเป็ นครั้งแรก
จากข้อ 1. ความน่าจะเป็ นที่ระยะเบรกไม่เกิน 30 เมตร = P(X < 30) = 0.375 Y มีการแจกแจงแบบเรขาคณิ ต
ให้ X1 คือระยะเบรกในการเบรกครั้งที่ 1 และ X2 คือระยะเบรกในการเบรกครั้งที่ 2 f(y) = p(1-p)x-1 ; x = 1, 2, 3, …. เมื่อ p คือความน่าจะเป็ นที่จะมีการใช้ระยะเบรกมากกว่า 50 เมตร
ความน่าจะเป็ นที่ในการเบรค 2 ครั้ง จะมีอย่างน้อย 1 ครั้งที่ระยะเบรกไม่เกิน 30 เมตร 80 1 1 80−50 30
คานวณค่า p = P(X > 50) = 50 𝑑𝑥 = 𝑥|80 = 80 = 80 = 0.375
= P(X1 < 30 X2 < 30 ) P(AUB) PCA) P(B)
=
+ -
P(AB)
->
Ossoc P(A). PIB) 80 80 50
ดังนั้น f(y) = 0.375(1-0.375)x-1 ; x = 1, 2, 3, ….
= P(X1 < 30) + P(X2 < 30 ) - P(X1 < 30 X2 < 30 )
ความน่าจะเป็ นที่ในการเบรคครั้ง 8 จะเป็ นเบรกที่ใช้ระยะเบรกมากกว่า 50 เมตรเป็ นครั้งแรก = P(Y = 8)
= P(X1 < 30) + P(X2 < 30 ) - P(X1 < 30) P(X2 < 30 )
= f(8) = 0.375(1-0.375)8-1 = 0.013969
= 0.375 +0.375 - 0.375 0.375
5 6
n.
12geiseci
↑
alldrgigt
↓ ~90%
~100%
7 8
ตัวอย่าง X ~ Normal(50 , 100)
𝑋−𝜇 48−50
หา P(X > 48) = P( > ) = P(Z > -0.2)
𝜎 10
𝑋−𝜇 67−50
หา P(X < 67) = P( < ) = P(Z < 1.7)
𝜎 10
34−50 𝑋−𝜇 72−50
หา P(34 < X < 72) = P( < < )
10 𝜎 10
= P(−1.6 < 𝑍 < 2.2)
9 10
การเปิ ดตาราง
0 0.5 0.496 0.492 0.488 0.484 0.4801 0.4761 0.4721 0.4681 0.4641
0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.2 0.4207 0.4168 0.4129 0.409 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.352 0.3483
0.4 0.3446 0.3409 0.3372 0.3336 0.33 0.3264 0.3228 0.3192 0.3156 0.3121
0.5 0.3085 0.305 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.281 0.2776
0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
• เนื่องจากตารางเป็ นการแสดงค่า z ที่สอดคล้องกับความน่าจะเป็ นด้านขวาของ z หรื อคือการหา P(Z > z) = p 0.7
0.8
0.242
0.2119
0.2389
0.209
0.2358
0.2061
0.2327
0.2033
0.2296
0.2005
0.2266
0.1977
0.2236
0.1949
0.2206
0.1922
0.2177
0.1894
0.2148
0.1867
(probability) ดังนั้นหากเครื่ องหมายอสมการเป็ น > หรื อ >= นาค่า z ไปอ่านค่า p ได้เลย เช่น 0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.166 0.1635 0.1611
1 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.123 0.121 0.119 0.117
1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.102 0.1003 0.0985
1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
• P(Z > 2.31) = 0.0104 1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
1.5 0.0668 0.0655 0.0643 0.063 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.025 0.0244 0.0239 0.0233
it!!
2.5 0.0062 0.006 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.004 0.0039 0.0038 0.0037 0.0036
2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.003 0.0029 0.0028 0.0027 0.0026
2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.002 0.0019
2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
radi M 0,8 1
= =
3 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.001 0.001
3.1 0.001 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
N10,1) 3.2 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
standard normal
2.
3.3 0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
11 3.4 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002 12
Normal dist*-NIM, 5 ที่มา : www.normaltable.com
• หา P(Z < 1.23) = 1 – 0.1093 = 0.8907
• หา P(Z < 0.85) = 1 – 0.1977 = 0.8023
• หา P(Z < -1.14) = P(Z > 1.14) = 0.1271
หา P(-1.87 < Z < -0.08) = P(Z > -1.87) – P(Z > -0.08)
• หา P(Z < -0.35) = P(Z > 0.35) = 0.3632
= P(Z < 1.87) – P(Z < 0.08)
• หา P(Z > - 2.02) = P(Z < 2.02) = 1 – 0.0217 = 0.9783
= (1 – 0.0307) – (1 – 0.4681)
• หา P(Z > -1.91) = P(Z < 1.91) = 1 – 0.0281 = 0.9719
= 0.9693 – 0.5319 = 0.4374
• สู ตร P(a < Z < b) = P(Z > a) – P(Z > b)
หา P(-0.55 < Z < 1.33) = P(Z > -0.55) – P(Z > 1.33)
P(1.2 < Z < 1.32) = P(Z > 1.2) – P(Z > 1.32)
= P(Z < 0.55) – P(Z > 1.33)
= 0.1151 – 0.0934 = 0.0217
= (1 – 0.2912) – 0.0918
= 0.7088 – 0.0918 = 0.6170
13 14
ตัวอย่างโจทย์ปัญหา
• ซุปเปอร์มาเก็ตแห่งหนึ่ง พบว่าเวลาที่ลูกค้าแต่ละคนรอจ่ายเงินมีการแจกแจงปกติ มีค่าเฉลี่ยเป็ น 7 นาที และ
มีค่าเบี่ยงเบนมาตรฐานเป็ น 3 นาที จงตอบคาถามต่อไปนี้ 1) ให้ X แทนระยะเวลารอคอย (นาที) ~ Normal(7,9)
1) ความเป็ นไปได้ที่ลูกค้าคนหนึ่งต้องรอเกิน 10 นาที 10−7
หา P(X > 10) = P(Z > ) = P(Z > 1.00) = 0.1587
2) ความเป็ นไปได้ที่ลูกค้าคนหนึ่งต้องรอไม่เกิน 5 นาที 3
5−7
3) ความเป็ นไปได้ที่ลูกค้าคนหนึ่งต้องรอระหว่าง 4 นาทีถึง 8 นาที 2) หา P(X < 5) = P(Z < ) = P(Z < -0.67)
3
= P(Z > 0.67) = 0.2514
4−7 8−7
3) หา P(4 < X < 8) = P( <Z< ) = P(-1 < Z < 0.33)
3 3
= P(Z > -1) – P(Z > 0.33)
= P(Z < 1) – P(Z > 0.33)
= (1-0.1587) – 0.3707 = 0.4706
15 16
ตัวอย่างโจทย์ปัญหา ตัวอย่างโจทย์ปัญหา
แรงอัดของตัวอย่างซีเมนต์รับได้ มีการแจกแจงปกติ มีค่าเฉลี่ย 6,000 กิโลกรัมต่อตารางเซนติเมตร และมีค่าเบี่ยงเบนมาตรฐาน
• นักการตลาดผูห้ นึ่งต้องการศึกษาการกระจายรายได้ต่อเดือนของคนในเมืองหนึ่ง จึงทาการสุ่ มตัวอย่างคนมา 100 กิโลกรัมต่อตารางเซนติเมตร จงตอบคาถามต่อไปนี้
จานวนหนึ่ง สอบถามถึงรายได้ต่อเดือน นามาประมาณค่าเฉลี่ยประชากรได้เป็ น 25,400 บาท และประมาณค่า
1. จงหาความน่าจะเป็ นที่ตวั อย่างซีเมนต์หน่วยหนึ่งรับแรงอัดได้นอ้ ยกว่า 6,250 กิโลกรัมต่อตารางเซนติเมตร
เบี่ยงเบนมาตรฐานของประชากรได้เป็ น 4,670 บาท จงหาคาตอบให้นกั การตลาดผูน้ ้ ี โดยตั้งข้อสมมติวา่ รายได้
ต่อเดือนของคนในเมืองนี้มีการแจกแจงปกติ จงหาความน่าจะเป็ นที่คนๆ หนึ่งในเมืองนี้มีรายได้ต่อเดือน อยู่ 2. จงหาความน่าจะเป็ นที่ตวั อย่างซีเมนต์หน่วยหนึ่งรับแรงอัดอยูร่ ะหว่าง 5,800 ถึง 5,900 กิโลกรัมต่อตารางเซนติเมตร
ระหว่าง 25,000 บาท ถึง 30,000 บาท 3. 10% ของตัวอย่างซีเมนต์ รับแรงอัดได้มากที่สุด รับแรงอัดได้มากกว่าเท่าใด
• จากโจทย์หา P(25,000 < X < 30,000) 4. ตัวอย่างซีเมนต์ 7 หน่วย จงหาความน่าจะเป็ นที่จะมีอย่างน้อย 5 หน่วย รับแรงอัดได้ 6,250 กิโลกรัมต่อตารางเซนติเมตร
P(25,000 < X < 30,000) = P((25,000−25,400)/4,670 < Z < (30,000−25,400)/4,670)
ให้ X แทนตัวแปรสุ่ มแรงอัดของตัวอย่างซีเมนต์รับได้ Normal(6,000 , 1002) หน่วย : กิโลกรัมต่อตารางเซนติเมตร
= P(-0.09 < Z < 0.99) 1. ความน่าจะเป็ นที่ตวั อย่างซีเมนต์หน่วยหนึ่งรับแรงอัดได้นอ้ ยกว่า 6,250 กิโลกรัมต่อตารางเซนติเมตร = P(X < 6,250)
= P(Z > -0.09) – P(Z > 0.99) P(X < 6,250) = 𝑃 𝑍 <
6,250−𝜇
= 𝑃 𝑍<
6,250−6,000
= P(Z < 2.5) = 1 – 0.0062 = 0.9938
𝜎 100
= P(Z < 0.09) – P(Z > 0.99) 2. ความน่าจะเป็ นที่ตวั อย่างซีเมนต์หน่วยหนึ่งรับแรงอัดอยูร่ ะหว่าง 5,800 ถึง 5,900 กิโลกรัมต่อตารางเซนติเมตร
5,800−6,000 5,900−6,000
= (1 - 0.4641) – 0.1611 = 0.3748 P(5,800 < X < 5,900) = 𝑃 100
<Z< 100
= P(-2 < Z < -1) = P(1 < Z < 2) = P(Z > 1) – P(Z > 2)
= 0.1587 – 0.0228 = 0.1359
17 18
3. 10% ของตัวอย่างซีเมนต์ รับแรงอัดได้มากที่สุด รับแรงอัดได้มากกว่าเท่าใด 4. ตัวอย่างซีเมนต์ 7 หน่วย จงหาความน่าจะเป็ นที่จะมีอย่างน้อย 5 หน่วย รับแรงอัดได้นอ้ ยกว่า 6,250 กิโลกรัมต่อตารางเซนติเมตร
woos?
1.64 1.65
= +
19 20
0.58s 0.495
d
22 =1.643.4
90einsogaswasser การแจกแจงความน่าจะเป็ นที่จะต้องใช้งานในบทต่อไป
ตัวอย่าง ->desatssosises
t Distribution
meanso
on
Var> I
8231
สมมติวา่ ระยะเวลาการใช้งานแบตเตอรี่ ในคอมพิวเตอร์แล็ปท็อปที่มีการชาร์จไว้เต็ม มีการแจก ↓
f(t-sworgin
แจงแบบปกติ ด้วยค่าเฉลี่ย 260 นาทีและค่าเบี่ยงเบนมาตรฐาน 50 นาที basengiggb
488858058
1. ความน่าจะเป็ นที่แบตเตอรี่ ใช้งานได้นานกว่าสี่ ชวั่ โมงคือเท่าใด ↳ zarigusisosisiosiasigocios
2. หากมีการรับประกันว่า ถ้าพบแบตเตอรี่ ฯ ที่มีการชาร์จไว้เต็ม แต่ใช้งานน้อยกว่า 150 นาที ยินดีเปลี่ยน
แบตเตอรี่ ให้ใหม่ ความน่าจะเป็ นจะต้องเปลี่ยนแบตเตอรี่ ให้ใหม่แก่ลูกค้าคนใด ๆ มีค่าเท่าใด
3. ค่าควอไทล์ Q1 และ Q3 ของระยะเวลาการใช้งานแบตเตอรี่ คือเท่าใด
4. จงหาความน่าจะเป็ นที่แบตเตอรี่ ฯ ที่มีการชาร์จไว้เต็ม ลูกที่ 6 พบว่าเป็ นแบตเตอรี่ ที่งานได้นานกว่า
สี่ ชวั่ โมงเป็ นลูกที่ 4
↳ 58608dis
21 22
sigigios
Ax
->
af 28
=
eX. o.2s, 1"1.00
-3 af 0 +0.25,10 0.7
2 Distribution (Chi-square Distribution)
=
𝑃 𝑇 𝑘 > 𝑡∝,𝑘 = ∝
=
-dft
+0.23,20:0.881.
I 𝑡 af
พื้นที่ขวา,องศาแห่งความเป็ นอิสระ k v P(Yx10x (s) ?
= =
=
guanagodigal
Mondoglegns(Shave genre erer)
𝑃 𝑇 10 > 1.812 = 0.05
/19999999...
↓ กล่าวคือ 𝑡0.05,10 = 1.812 15.
Shave
Finse all t
..
anao, of
-
0.05,25"1.708
2
wx
2
-
23 24
+0.29,8 0.624 20.25:0.62
=
=
2
2
𝑃 𝜒 2 (𝑘) > 𝜒𝛼,𝑘
66.77
=∝
=
X
.00S, 40
ansamerigsties we
.05, 18.31 𝜒2
พื้นที่ดา้ นขวา,องศาแห่งความเป็ นอิสระ
=
10
FaranTu, af
แหล่งที่มา : Douglas C. Montgomery and George C. Runger, Applied Statistics and Probability for Engineers (Fifth Edition), John Wiley & Sons, Inc., page 710.
25 26
i
moner x2
การแจกแจงความน่าจะเป็ นที่จะต้องใช้งานในบทต่อไป - 661558
การแจกแจงความน่าจะเป็ นแบบ F (F distribution) O a = ->
ndersen amortiseres
af jaz Afsdar:U
↓
X of ssse:
C
-> wanasi
W
- Eutwesibusiser Merton -U
ofbaw
E
- ->
-> ne =
↳
-> afres Chi-square
แหล่งที่มา : Douglas C. Montgomery and George C. Runger, Applied Statistics and Probability for Engineers (Fifth Edition), John Wiley & Sons, Inc., page 383.
27 แหล่งที่มา : Douglas C. Montgomery and George C. Runger, Applied Statistics and Probability for Engineers (Fifth Edition), John Wiley & Sons, Inc., page 384. 28
𝑃 𝐹 (𝜈1 , 𝜈2 ) > 𝑓𝛼,𝜈1 ,𝜈2 = ∝
𝒇
พื้นที่ดา้ นขวา,องศาแห่งความเป็ นอิสระ𝟏 ตัวเศษ ,องศาแห่งความเป็ นอิสระ𝟐(ตัวส่วน) 𝑃 𝐹 5,20 > 2.71 = 0.05
𝑃 𝐹 10,6 > 2.94 = 0.1
𝑓0.05,5,20 = 2.71 1
𝑓0.95,5,20 =
𝑓0.1,10,6 = 0.1 𝑓0.05,20,5
1
1 = = 0.22
4.56
𝑓0.9,10,6 =
𝑓0.1,6,10
1
= = 0.41
2.46
29 30
figbaib, a
↓
+ w=1
31 32