Final test of Probability

2022/05/24

1. 新竹縣、新竹市、桃園市、苗栗縣家庭戶數分別為 20 萬、10 萬、20

萬、10 萬戶，每戶年收入的 mean 分別是 80 萬、100 萬、60 萬、40 萬
元，variance 分別是 20 萬、10 萬、20 萬、10 萬元 2，
(a) (4 分) 求四縣市的每戶年收入的 mean
(b) (6 分) 求四縣市的每戶年收入的 variance
Note: 可以使用

 Law of Iterated Expectations:

 Law of Total Variance:

2. (10 分) Given M X ( s )= 1 1 + 3 e( ) ，求 PDF of X。

2
100 s
+5 s
2
2 2−s 4

3. 一個水果貿易商每天收購員林的水果到裝箱運到台北，要求水果每箱
的重量控制在 50-C 公斤到 50+C 公斤，假設每箱水果真正的重量是
uniformly distributed RV in [50-C,50+C]且為 independent，每輛貨車在
100 箱水果，載送路程中間會經過一個秤重站，如果載重超過 5200 公
斤要被開罰單，
(a) (5 分) 如果 C=10，以 Chebyshev Inequality 來估計，一輛車被開罰單
的機率的上限為何？ (note that 載重小於 4800 公斤不會被開罰單)
(b) (10 分)如果以 Central Limit Theorem 來估計 100 箱水果的重量為
normal distributed RV，要求被開罰單的機率要小於 1%，求 C 值。

4. 桃園機場每年要贈送給第 1000 萬入境旅客一個大獎，當場會舉行一個

贈獎儀式，假設在今天早上 9:00 時累積的旅客已達 9,999,500 位旅客，
(a) (10 分) 假設到達旅客是一個 Poisson process with arrival rate 每分鐘
10 人，令第 1000 萬位入境旅客到達的時間是 9 點+Y 分鐘，求 Y 的
PDF。
(b) (5 分) 假設所有旅客到達的時間間隔 (interarrival time) T 是
independent exponential RV with parameter λ，E[T]=0.2 分鐘，令第
1000 萬位入境旅客到達的時間是 9 點+Y 分鐘，求 Y 的 PDF。
5. 台北市政府想要做兩個調查，一是市公車的平均載客量，另一是市民
的平均收入，想要將兩個調查一起做，設計了下面兩種方式來做抽樣
調查：
方式 1: 隨意選擇一些公車，先計算乘客人數，再問每位乘客的每月薪
水。
方式 2: 在幾個公車站，隨意抽樣訪問下車的旅客，問她/他做的公車人
數以及她/他的月薪。
(a) (5 分) 哪一種 approach 獲得的公車平均載客量較高？為什麼？
(b) (5 分) 哪一種 approach 獲得的市民平均月薪較高？為什麼？
(c) (5 分) 如果你是市政府編預算的人員，想依據市民的平均月薪及公
車成本來決定公車票價是否要調整，而公車成本是和平均載客量有
關，你認為那些 data 是合理的可以用來做判定？要敘述理由。

6. 一台機器一天的狀態可以是工作、停機保養或損壞，如果它今天是在
工作狀態且已工作到第 3 天，那它隔天在損壞狀態的機率是 0.2，進入
停機保養狀態的機率是 0.8；如果它今天是在工作狀態且尚未工作到第
4 天，那它隔天是在工作狀態的機率是 0.8，在損壞狀態的機率是
0.2；如果它今天是在損壞狀態，那它隔天是在工作狀態的機率是
0.6，在損壞狀態的機率是 0.4；如果它今天是在停機保養狀態，那它
隔天一定是在工作狀態。
(a) (5 分) Construct an appropriate Markov chain to model it.
(b) (10 分) Write down the balance equations and the normalization equation
to calculate the steady-state probabilities. Find the steady-state
probabilities.
(c) (5 分)假如它在工作狀態的一天收益是 1000 元，在損壞狀態的一天
損失是 500 元 (亦即收益是 500 元)，在停機保養狀態的一天沒有
損益(亦即收益是 0 元)，那長期營運下來，它每天的平均收益是多
少元？
Note: 可以將(b)的解以變數表示，來解(c)的問題，但須對假設的變數設定
須滿足的 normalization 條件。

下一頁還有第 7 題
7. 若一個 discrete-time Markov chain 的 transition probability graph 如下圖
所示，令 ai is defined as the probability of eventually reaching state s,
starting from state i.
(a) (6 分)求 steady state probabilities π i, i=1,2,3,4
(b) (6 分)設定 eventually absorbing state 為 6={4,5}，求 a2 and a3；
(c) (4 分)設定 eventually absorbing state 為 1，求 a2 and a3；
(d) (4 分)若要計算由 states 2 和 3 進入 states 4 和 5 的各別機率，說明如
何做？(不用做計算)