第 8 章間斷隨機變數及其常用的機率分配 165

6.7 習題
8
A.一般練習題
6.1 下列各函數是否符合機率公理：
x 1 x2 1
 f ( x)  x  1,2,3 ,4 ，  f ( x)  x  1,0,1
6 5
( x  1) 2 2
 f ( x)  x  2,1,0,1,2  f ( x)  x x  1,0,1
16 2
解
是。因 0  f ( x )  1，且  f (x) 1 。
是。因 0  f ( x )  1，且  f (x) 1 。
15
非。因  f ( x )   1，不符合機率公理。
16
是。因 0  f ( x)  1 ，且  f (x) 1 。

6.2 若 X 之機率分配函數為：
cx x  1,3,5,7
f ( x)  
 0 elsewhere
試求 c。試求 X 之累加機率函數。
試求 X 之平均數、中位數、眾數、變異數。
試求 P(| X   | 1.8 ) ，並與柴比氏定理所得的結果做比較。
解
1
  f ( x )  c  3c  5c  7c  16c  1  c 
16

X 1 3 5 7
f(x) 1/16 3/16 5/16 7/16
F(X) 1/16 4/16 9/16 1

  X  5. 25 ，中位數  5，眾數  7 。
1 3 5 7
E ( X 2)   1   9   25   49  31   2X  31  5.252  3.4375
16 16 16 16

P(| X   X | 1.8 X )  P(| X  5.25 | 3.34 )  P(5.25  3.34  X  5.25  3.34 )
 P( X  3)  P( X  5)  P( X  7)  0.9375
166 第 6 章間斷隨機變數及其常用的機率分配

由柴氏定理可得 P(| X   X | 1.8  X )  0.691，此為實際機率下界的估計，

與實際機率分配有很大差異。
6.3 若 X 之機率分配為：
x
 x  1,2,3,4
f ( x)  10
0 其他

試求 X 之累加機率函數。
試求 X 的平均數、眾數、中位數。
試求 X 的值與均數差在 1.6 範圍之內的機率，並與 Chebyshev 定理所得之結
果做比較。
解
1 / 10 X 1
3 / 10 X 2

 F( X )  
6 / 10 X 3

1 X 4

1 2 3 4
 E ( X )   xf ( x )  1 
 2   3  4   3
10 10 10 10
眾數  4 ；中位數為 F ( X ) 等於二分之一時的X值，即
23
X  2.5 ，或 x  3 。
2
2 1 2 2 2 3 2 4
求 V ( X )  E ( X )  [ E ( X )]  1  10  2  10  3  10  4  10  3  1
2 2 2

2 3 4 9
P( X    1.6)  P(1.4  X  4.6)    
10 10 10 10
若由Chebyshev定理，可得：
P ( X  3  K X )  1  1 / K 2 其中 K X  1.6  X  1 K  1.6
1
 P( X  3  16. )  1  2  1  0.391  0.609
16
.
Chebyshev 只能粗略求算機率下限，因此以 Chebyshev 定理所求算的結
果與真實的機率分配所算出的結果差異甚大。
6.4 有一機率函數為：

x 0 1 2 3
f (x ) 1/2 1/4 1/8 1/8

令 Y  X 2  2 X  1 ，求：
 Y 之機率函數。 E (Y ) 。 V (Y ) 。
 第 6 章間斷隨機變數及其常用的機率分配 167

解
Y 之機率函數：
Y 1 4 9 16
f(Y) 1/2
1/4 1/8 1/8
 1 1 1 1
E (Y )  1  4   9   16   4.625
2 4 8 8

1 1 1 1
V (Y )  E (Y 2 )  [ E (Y )]2  12   4 2   9 2   162   (4.625) 2  25.23
2 4 8 8
6.5 設隨機變數 X ，有下列之機率分配：
x 0 1 2 3 4
f (x ) P 4P 1P 2P 2P
試求：
 P 值。 E ( X ) 、 E (2 X ) 、 E (15  1.5 X ) 。 E( X 2 ) 。 V ( X ) 。
解
  f ( x)  P  4 P  1P  2 P  2 P  10 P  1，解 P  0.1。
 E( X )   xf ( x)  0  0.1  1 0.4  2  0.1  3 0.2  4  0.2  2
E (2 X )  2  E ( X )  2  2  4
E (15  15
. X )  15  15
. E ( X )  15  15
.  2  12
 E( X 2 )   x 2 f ( x)  0  0.1  1  0.4  22  0.1  32  0.2  42  0.2  5.8
 V ( X )  E ( X )  [ E ( X )]  58
.  4  18
2 2
.
6.6 台北市某路線的公車每班車每趟的載客人數的機率分配如下：
X 人數 20 30 40 50 60 70 80 90
f ( X ) 0.05 0.1 0.1 0.1 0.25 0.25 0.1 0.05
求每一趟載客人數的期望值 E ( X ) 及變異數 V ( X ) 。
若每位乘客投幣 15 元，且 Y 表每趟載客的收入，求 E (Y ) 及 V (Y ) 。

 E ( X )  20  0.05  30  0.190  0.05  58

E ( X 2 )  202  0. 05  302  0.1  902  0. 05  3, 690
V ( X )  E ( X 2)  [ E ( X )]2  3690  582  326
Y  15 X  E (Y )  15E ( X )  15  58  870
V (Y )  152  V ( X )  225  326  73, 350
168 第 6 章間斷隨機變數及其常用的機率分配

6.7 A 公司生產的烘乾機每月市場的需求量變化很大。根據過去數年的統計資料，
該公司生產的烘乾機每月市場需求的機率分配如下：
需求台數 200 300 400 500
機率 0.1 0.3 0.4 0.2

若該公司每月的生產量等於每月需求量的期望值，則該公司每月生產多
少台烘乾機？
若每台烘乾機的生產成本為 3,000 元，售價為 5,000 元，且該公司於上個
月賣出 340 台烘乾機，試問該公司上月份的盈虧為何？
解

 200  0.1  300  0.3  400  0.4  500  0.2  370

該公司每月生產370台烘乾機
該公司上個月的成本  370  3, 000  1,110, 000
該公司上個月的收入  340  5, 000  1, 700, 000
該公司上個月賺了1, 700, 000  1,110, 000  590, 000 (元)
6.8 全校 600 人性向測驗的平均數 75 分，標準差 5 分，試求：
成績在 65 分與 85 分之間約有若干人？
成績在 62.5 分與 87.5 分之間約有若干人？
解
 P(65  X  85)  P( X  75  10)  P( X  75  2 X )  1  1 / 4  3 / 4
因此， 3 。
600   450
4

P(62.5  X  87.5)  P( X  75  12.5)  P( X  75  2.5 X )  1  1 / 252  0.84
因此， 600  0.84  504 即成績在65分與85分之間者至少有450人；62.5分與
87.5分之間者至少有504人。
6.9 郵局每天處理的國際信件中，寄往美、加地區的信件重量的機率分配函數
如下（單位：公克）：
信件重量 10 20 30 40 50
機率 0.35 0.25 0.2 0.1 0.1
令 X 與 Y 分別表示信件的重量與郵資。郵局的計費方式為：第一個 10 公
克 15 元，以後每增加 10 公克加 13 元。
試求 E ( X ) 、 E (Y ) 、 V ( X ) 、 V (Y ) 。
 第 6 章間斷隨機變數及其常用的機率分配 169

利用柴比氏定理求一包含 60%信件的重量範圍。
解
 E ( X )  23.5， V ( X )  172 .75
Y  15  13( X  10)  E (Y )  190 .5 ，V (Y )  29194.75。
1
 P(| X  23.5| k 172. 75 )  1  2  0. 6  k  1.58
k
包含60%信件的重量範圍是2.73~44.27公克。
6.10 某校有學生 4,000 人，其中 400 人視力正常，今隨機抽取 20 人。
其中 10 人視力正常之機率為何？
試以二項分配及泊松分配計算機率值。
解
利用超幾何分配，求機率： C 400C 3600
10 10

C 204000
利用二項分配，求機率： P  0.1， C1020 (0.1)10 (0.9)10  0.0000 (查二項分
配機率值表，p.690 課本統計表一)。
利用泊松分配，   np  20  0.1  2 ，
2
e  210
 0.0000 (查泊松分配機率值表，p.691 課本統計表二)。
10!
6.11 一個盒子裡置有黑球 5 個、白球 4 個，自其中連續抽取 4 球，令 X 表抽出
黑球的個數，試求 X 的機率函數。
 X 分別呈何種分配？試求 X 的機率函數。
 P (3  X  5)  ？ E ( X ) 、 V ( X ) 為何？
解
抽出放回：二項分配
f ( X )  C X4 ( 5 ) X ( 4 ) 4 X X  0,1,2,3,4
9 9
抽出不放回：超幾何分配
C 5X C44 X
f (X)  0 X 4
C49
 P(3  X  5)  P(3  X  4)  0.4 (抽出放回)
C35C14 C45C04
P ( 3  X  5)  P ( 3  X  4 )    0. 357
C49 C49
抽出放回：
170 第 6 章間斷隨機變數及其常用的機率分配

E ( X )  4  5 / 9  2.2
V ( X )  4  5 / 9  4 / 9  0.988
抽出不放回：
E ( X )  4  5 / 9  2.2
V ( X )  4  5 / 9  4 / 9  (9  4 9  1)  0.617

6.12 某航空公司，其飛機每個月發生意外事件之次數為 0.2 次，試求一年中發

生 2 件意外事件之機率為何？
解
e 2.4 (2.4) 2
  0.2  12  2.4  f ( X  2)   0.2613
2!
6.13 若新生嬰兒目盲之機率為萬分之一，試問某醫院一年新接生的 6,000 個嬰
兒中：無一盲目者之機率？僅一盲目者之機率？
解
1 1
P  n  6000  10
10000 20
因機率 P 很微小， n 很大， nP  0.6  10 ，利用泊松分配求機率值。
3

e 5 ( 35 ) 0 
3

 P( X  0)   e  0.5488
5
0!
3
e 5 ( 35 )1 3  3
 P ( x  1)   e 5  0. 3293
1! 5

B 應用題
6.14 「業務人的統計學簡單的說，“數大就是業績”，業務人應該作到隨時行
銷、隨地行銷、處處是業務。世界公認銷售業績最佳的汽車銷售人，開發
業務的方式之一是在擠滿了群眾的美式足球場灑名片，也許灑名片的成交
機率只有 0.1%，但根據統計理論，要是發出 1,000 張名片就能有一張汽
車訂單，車子的平均單價如為 100 萬，那麼每發一張名片就有 1,000 元的
業績，這就是業務統計機率及期望值的實踐。」（資料來源：《突破》雜誌，
167 期，1999 年 6 月。）
試以機率分配理論驗證上列敘述。
試求發出一千張名片，分別獲得 0 張、1 張及 2 張訂單的機率。
解
 第 6 章間斷隨機變數及其常用的機率分配 171

令 X 表示發出一千張名片成交的訂單數
X為二項分配 (n  1,000, p  0.001)
期望的成交數 E ( X )  np  1,000  0.001  1
每張名片的平均業績  1,000,000 / 1,000  1,000 (元)
因為n很大，p很小，故可用泊松分配(   np  1 )來近似二項分配求
算機率。

10 e 1 11 e 1
P ( X  0)   0.3679 P( X  1)   0.3679
0! 1!
12 e 1
P( X  2)   0.1839
2!
6.15 陳先生家住台北市辛亥路，他想瞭解住家附近路邊停車狀況，以便開車回
家時，容易找到停車位。於是進行調查收費停車格的停車狀況如下表所示：
停車時間（x）（分鐘） 車輛數
0  x  10 12
10  x  20 15
20  x  30 9
30  x  40 6
40  x  50 5
50  x  60 3
60  x  70 2
70  x  80 1
資料來源：虛擬

試估計每輛車平均停車時間及標準差。
若停車費為每 30 分鐘 20 元（低於 30 分鐘以 20 元計），試估計每輛車
平均停車費及標準差。
解

停車時間 (x) 相對次數
組中點 車輛數
(分鐘) f(x)
0  x  10 5 12 0.226
10  x  20 15 15 0.283
20  x  30 25 9 0.170
30  x  40 35 6 0.113
40  x  50 45 5 0.094
50  x  60 55 3 0.057
172 第 6 章間斷隨機變數及其常用的機率分配

60  x  70 65 2 0.038
70  x  80 75 1 0.019

平均停車時間  5  0.226    75  0.019  24.81 (分鐘)

變異數  (5  24 .81) 2  0.226    (75  24 .81) 2  0.019  326 .38
標準差  326 .38  18 .07
若停車費為每30分鐘20元（低於30分鐘以20元計），可由停車時間
統計表得停車費統計表如下：
停車費 (元) 車輛數 相對次數
20 36 0.68
40 14 0.26
60 3 0.06
平均停車費  20  0.68  40  0.26  60 * 0.06  27.55 (元)
變異數  (20  27 .55) 2  0.68    (60  27 .55) 2  0.06  139 .26
標準差  139 .26  11 .8

6.16 現在統一發票於每單月廿五日，就前 2 個月之統一發票，開出特獎

一個及頭獎四組號碼，每組號碼皆由 8 個數字組成。其獎別及獎金
如下表（在下一頁）。假設 3 組頭獎的末三位號碼皆不相同，即四組號
碼的末三位數字為四個不同的三位數（統一發票頭獎有三組號碼 ）。
獎別 獎金 中 獎 號 碼
特別獎 12,000,000 與特別獎號碼完全相同
特獎 2,000,000 與特獎號碼完全相同
頭獎 200,000 與頭獎號碼完全相同
二獎 40,000 與頭獎號碼末 7 位完全相同
三獎 10,000 與頭獎號碼末 6 位完全相同
四獎 4,000 與頭獎號碼末 5 位完全相同
五獎 1,000 與頭獎號碼末 4 位完全相同
六獎 200 與頭獎號碼末 3 位完全相同
增開六獎 200 與增開六獎號碼完全相同
試求每一張統一發票的中獎機率。
試求每一張統一發票中獎金額的期望值。
某公益團體願以價值 50 元的贈品換取 50 張未對獎的統一發票來籌募基
金，試問此公益團體是否划算？
張小姐有 100 張統一發票，預期有幾張會中獎？中獎金額的期望值為多
少？
 第 6 章間斷隨機變數及其常用的機率分配 173

解
每一張統一發票的中獎機率如下表：
獎別 獎金 x 中獎機率 f(x) xf(x)
特別獎 12,000,000 10 -8
0.12
特獎 2,000,000 10-8 0.02
頭獎 200,000 3×10-8 0.06
二獎 40,000 3×10-7 - 3×10-8 0.0108
三獎 10,000 3×10-6 - 3×10-7 0.027
四獎 4,000 3×10-5 - 3×10-6 0.108
五獎 1,000 3×10-4 - 3×10-5 0.27
六獎 200 3×10-3 - 3×10-4 0.54
增開六獎 200 3×10-3【假設當月增開 3 組】 0.6
合計 3×10-3+2×10-8
 P(中獎)  3 × 10 + 2 × 10  0.00300002
-3 -8

獎金期望值 E( X )   xf ( x) 0.12  0.02  0.6  1.7558

50張未對獎的統一發票預期中獎金額  50 1.7558  87.79 (元)每個
贈品可換得 37.79( 87.79  50) 元的基金，所以此公益團體是划算
的。
預期中獎張數  100  0.00300002  0.3 張
預期中獎金額  100 1.7558  175 .58 元
6.17 自 104 年 9 月 1 日起，銀行辦理現金卡之利率或信用卡業務機構辦理信用
卡之循環信用利率不得超過年利率 15%」，主要是存款利率已經非常低，
一般放款利率也很低（目前的基本放款利率=基準利率（2.616%）+2.142%，
循環利率實在太高，對於需錢周轉的中低所得者，負擔沈重，有必要減輕
持卡人之利息負擔。而且若能針對都會區年輕族群的消費習性導入低循環
利率，將有助於提高信用卡理財的動機。某金融學者調查消費者心目中合
理的循環利率(X)之機率分配如下表：
利率(x) 6% 7% 8% 9% 10% 11% 12% 13% 14% 15%
f (x ) 0.05 0.26 0.06 0.07 0.31 0.11 0.06 0.07 0.01 0
資料來源：虛擬
求每位消費者心目中合理循環利率的期望值和標準差。
求 10 萬元信用卡帳款餘額一年合理利息的期望值和標準差。
解
10
  X  E( X )   x f ( x ) 6%  0.05    15%  0.00  9.31%
i 1
i i

10
 X   ( xi   X ) 2 f ( xi )
i 1
174 第 6 章間斷隨機變數及其常用的機率分配

 (6%  9.31 %) 2  0.05    (15 %  9.31 %) 2  0  2.03 %

消費者心目中合理循環利率的期望值為9.31%，
標準差為2.03%。
令Y表合理利息，則 Y  100,000 X
Y  E(Y )  E(100,000X )  100,000 X  9,310
 Y  V (Y )  V (100 ,000 X )  100 ,000 2V ( X )  100 ,000 X  2,030
十萬元信用卡帳款餘額一年合理利息的期望值為9,310元，標準差為2,030
元。
6.18 107 年全年台北市各分局竊案破獲情形如下表，破獲件數最多的警察局是
中山分局，計 634 件，平均每天 1.74 件。（資料來源：《警務統計年報》，臺
北市政府警察局，2018 年。）

發生數 破獲數 破獲率(%)

大同分局 456 379 83.11
萬華分局 782 629 80.43
中山分局 804 634 78.86
大安分局 656 528 80.49
中正第一分局 317 299 94.32
中正第二分局 207 226 109.18
松山分局 323 272 84.21
信義分局 626 485 77.48
士林分局 423 366 86.52
北投分局 482 381 79.05
文山第一分局 140 123 87.86
文山第二分局 169 188 111.24
南港分局 236 157 66.53
內湖分局 351 319 90.88
合計 5,972 4,986 86.44
大安分局運氣特好，一天破獲 5 件竊案的機率。
大安分局運氣超差，一天只破獲 1 件竊案的機率。
大安分局長宣佈，一天只要至少破獲 5 件竊案就請客，則分局長請客的機
率為多少？
解
1.74 5 e 1.74
 λ=1.74 P(X=5)=
5!
 第 6 章間斷隨機變數及其常用的機率分配 175

1.74 1 e 1.74
P(X=1)=
1!

1.74 x e 1.74 4
1.74 x e 1.74
P(X  5)=   1 
x 5 x! x 0 x!
6.19.據統計台灣 7-ELEVEN 目前銷售熱狗堡的店數約 4,600 店，每天單店平均
賣出 20 份。（資料來源：「菲國 7-ELEVEN 複製台灣經驗」，聯合新聞網，2014
年 1 月 17 日。）現有一家新加盟的 7-ELEVEN 商店，試問：

若想滿足至少 80%的顧客需求，平均每天應進幾個熱狗堡？
若每天只進 20 份熱狗堡，則賣不完的機率為多少？
解
令 X 表示這一家店每天賣出的定便當數，則 X 為泊松分配(   20 )
求x，使得 P( X  x)  0.8 。用Excel計算得 P( X  23)  0.7875 ，
P( X  24 )  0.8432 ，知 x  24 即每天進24個熱狗堡就可滿足80%以上的
顧客需求。
每天進20個熱狗堡，賣不完的機率為 P( X  19 )  0.4703 。

6.20 根據調查，台北市有網路交友經驗的少年中，10%是以假性別與網友交往。
（資料來源：吳嫦娥、汪季參、曾貴苓、謝仁春，「台北市少年網路交友行為之研究」，

《八十八年下半年及八十九年度研究發展選集》，台北市研考會，2001 年 8 月。）
小文在網路上結交了 4 女 2 男共 6 位網友，經邀約見面後發現 6 位網友仍
然是 4 女 2 男的機率是多少？
解
P(6位網友仍為4女2男)  P(所有網友皆以真實性別交往) 
P(有1女1男以假性別交往)  P(有2女2男以假性別交往)
 C04 (0.1) 0 (0.9) 4 C02 (0.1) 0 (0.9) 2  C14 (0.1)(0.9) 3 C12 (0.1)(0.9) 
C 24 (0.1) 2 (0.9) 2 C 22 (0.1) 2 (0.9) 0  0.5314  0.0525  0.0005  0.5844

6.21 資訊科技發達，打開電腦、下載音樂到隨身攜帶的 MP3 或是 iPod 裡，隨

時可享受音樂；拿起手機，可以送出簡訊，與朋友聊天甚至上網；在電腦
上，只要連上即時通訊系統，立刻找到同在線上的朋友筆談；美國的一家
大型醫療機構，凱瑟基金會在 2004 年調查了 2,000 名、8~18 歲的青少年，
發現其中有 81%的孩子，都曾經同時使用多種媒體，有人在接受調查當
天，曾經在半小時之內，連續和同時用了 8 種媒體，因此這項調查稱這群
孩子為「M 世代」，所謂的 M 就是指 Media（媒體）。（資料來源：「M(Media)
世代耳不聰目不明？一心多用的危機」，《健康世界》，2009 年 2 月號，2009 年 2
176 第 6 章間斷隨機變數及其常用的機率分配

月。）假設一個家庭中，平均有三個在學孩子，現隨機抽取一個家庭，試

求：
3 個在學孩子皆同時使用多種媒體的機率。
至多 2 個在學孩子使用多種媒體的機率。
解
令 X 表一個家庭使用多種媒體的孩子人數，則 X 為二項分配
(n  3, p  0.81)
 P( X  3)  C33 (0.81)3 (0.19)0  0.5314
2
 P( X  2)   Cx3 (0.81) x (0.19)3 x  0.4686
x 0

6.22 受金融風暴影響，銀行飯碗不好捧，裁員、減薪樣樣來。根據人力銀行對
國內上班族的轉職調查發現，金融業恐怕是現在各行業中最不受歡迎的產
業，非金融從業人員想跳到金融業只有 6%。（資料來源：經濟日報，2009 年
2 月 9 日。）
若某段時間內正有 50 位非金融從業人員正在求職，則無人願意至金融
業就業的機率為何？
一天約有 70 位非金融從業人員找工作，進入金融業的期望值和標準差
為何？
某公營銀行為新設分行，擬招募 20 名新進行員，現有 70 位非金融從業
人員找工作，則該公營銀行至多有 10 名非金融從業人員為新進行員的
機率是多少？
解
令 X 表示 50 人中願意至金融業就業的非金融從業人員的人數，則 X
為二項分配
n  50 ， p  0.06
P( X  0)  C050 (0.06)0 (0.94)50  0.0453
無人願意至金融業就業機率為0.0453。
令Y表示70人中會進入金融業的人數，則Y為二項分配，
n  70 ， p  0.06
E (Y )  70  0.06  4.2
  70  0.06  0.94  1.9870
非金融從業人員進入金融業的期望值為 4.2 人，標準差為 1.9870
人。
 第 6 章間斷隨機變數及其常用的機率分配 177

Y的定義同，由題意知至多有10名非金融從業人員為新進行員的機
率為
10
P(Y  10)   C y70 (0.06) y (0.94) 70 y  0.9971
y 0