五 .

連續變數及常態分佈
(Continuous Random Variables and
Normal Distribution)
(Chapter 5)

劉仁沛教授
國立台灣大學農藝學研究所生物統計組
國立台灣大學流行病學與預防醫學研究所
國家衛生研究院生物統計與生物資訊組
jpliu@ntu.edu.tw

【本著作除另有註明，網站之內容皆採用 創用CC 姓名標示-
非商業使用-相同方式分享 3.0 台灣 授權條款釋出】

1 111/10/03 Jen-pei Liu, PhD

 連續變數機率分佈
(Continuous Probability Distribution)

許多生物上的特性均為連續性觀測值

身高
體重
作物產量
血壓
肝功能指數 (SGOT)
：
：
2 111/10/03 Jen-pei Liu, PhD
 吾人所關心的問題

 一位男性體重小於 65 公斤之機率？ P(X≦65)

 一位男性體重在 55 至 65 公斤之機率？
P(55≦X≦65)

 一位女性肝功能指數 (SGOT) 為正常 ( ＜ 30

units) 之機率？ P(Y≦30)

3 111/10/03 Jen-pei Liu, PhD

 連續性觀測值分佈可用某些函數描述，
這些函數稱為機率密度函數
(Probability density function) f(x)

1. f(x)≧0
2. 函數下面積和為 1
3. 體重在 55 至 65 公斤之機率 =
 其曲線在 55 至 65 公斤下之面積

4 111/10/03 Jen-pei Liu, PhD

 常態分佈 (Normal Distribution)

1. 許多生物及自然界特性之觀測值之分佈均可用常
態分佈描述。身高、體重、作物產量、血壓…
2. 統計上許多抽樣分佈在樣品數大時，均會收斂於
常態分佈
3. 常態分佈又稱高斯分佈 (Gaussian Distribution)
4. 常態分佈為一對稱 (Symmetric) 及鐘形 (Bell-
shape) 之分佈

5 111/10/03 Jen-pei Liu, PhD

 常態分佈之機率密度函數

( x )2
1 2 2
f ( x)  e
2 
 μ ：常態分佈之期望值（族群平均值）
 　：常態分佈之族群變方
2
 π ： 3.1416 ， e ： 2.71828
　　常態分佈由 μ 及 決定其位置與型態 2

X ~ N (  x ,  x2 )
6 111/10/03 Jen-pei Liu, PhD
 常態分佈之機率密度函數

7 111/10/03 Jen-pei Liu, PhD

 常態分佈對稱於其族群平均數

P( X   )  P( X   )  0.5

8 111/10/03 Jen-pei Liu, PhD

 P(   X    a )  P(   a  X   )

 P( X    a)  P( X    a)
 P( X    a)  P( X    a)

9 111/10/03 Jen-pei Liu, PhD

 圖 5.2 平均值不同，標準偏差相同之常態分佈圖

10 111/10/03 Jen-pei Liu, PhD

 圖 5.3 平均值相同，標準偏差不同之常態分佈圖

11 111/10/03 Jen-pei Liu, PhD

 圖 5.4 成年男子身高 (X) 之機率密度函數圖 N(160,100)
P(μ － σ<X<μ ＋ σ)=0.6827

P(μ － 2σ<X<μ ＋ 2σ)=0.9545

P(μ － 3σ<X<μ ＋ 3σ)=0.9973

12 111/10/03 Jen-pei Liu, PhD
 標準常態分佈
(Standard Normal
Distribution)

2
X ~ N ( , )
族群平均值： μ
2
族群變方： 
族群標準偏差： σ
標準化：減去平均值除以標準偏差
X 
Z

2
 ＝ σ=1 時的常態分佈稱為標準常態分佈
當 =0 ，

13 111/10/03 Jen-pei Liu, PhD

 原觀測值減一常數 (μ)
新觀測值之平均值為
原觀測值平均值減此常數

原觀測值除一常數 (σ)
新觀測值之標準偏差
為原觀測值標準偏差除此常數

14 111/10/03 Jen-pei Liu, PhD

 X  X Y
Z 
X X
Y  X  X
Y   X   X  0
X
Z  1
X

 Z 其族群平均值為 0 ，標準偏差為 1
 Z~N(0 ， 1)

15 111/10/03 Jen-pei Liu, PhD

 標準常態分佈之性質

1. 對稱於 0 ： P ( z  0)  P ( z  0)  0.5
P (0  z  a )  P ( a  z  0)
P( z  a)  P( z  a)
P( z  a)  P( z  a)

2. P (1  z  1)  0.6827
P (2  z  2)  0.9545
P (3  z  3)  0.9973
16 111/10/03 Jen-pei Liu, PhD
 因不同常態分佈有不同 μ 及 σ ，故欲計
算機率時必須將原常態變數先行標準化
，成為標準化常態值 (Standard Normal
Deviate) 後，再查附表 4 (p.483-p484) 標
準常態分佈累計機率表求機率

17 111/10/03 Jen-pei Liu, PhD

 步驟

1. 找出問題的常態隨機變數及其相對應母體
平均值與標準偏差
2. 計算標準化常態值
3. 將問題用標準常態分佈圖表示之
3. 用表 4 標準常態分佈累計機率求得問題之
機率

18 111/10/03 Jen-pei Liu, PhD

 例題：成人男性體重為常態分佈，其平均值 μ=60
公斤，標準偏差為 σ=5 公斤

求體重小於 65 公斤者佔全體成人男性之機率，
(1)
  式：

x   65  60
Pr ( X  65)  Pr (  )
 5
 Pr ( Z  1)  0.8413  84.13%

19 111/10/03 Jen-pei Liu, PhD

 例題：成人男性體重為常態分佈，其平均值
μ=60 公斤，標準偏差為 σ=5 公斤

(2) 成人男性體重小於 55 公斤者之機率為多

少？
x   55  60
Pr ( X  55)  Pr (  )
 5
 Pr ( Z  1)  0.1587

20 111/10/03 Jen-pei Liu, PhD

 例題：成人男性體重為常態分佈，其平均值
μ=60 公斤，標準偏差為 σ=5 公斤

(3) 成人男性體重介於 55 至 62 公斤者之機

率
為多少？
Pr (55  X  62)
55  60 x   62  60
 Pr (   )
5  5
 Pr (1  Z  0.4)
 Pr ( Z  0.4)  Pr ( Z  1)
 0.6554  0.1587  0.4967
21 111/10/03 Jen-pei Liu, PhD
 例題：

題目：某電子商品零售店其某品牌數位相機之每週銷售
量為常態分佈其平均值為 100 與標準偏差為 10 ，
此 零售店每週一進貨，為了要保證每週只有 5%
無貨 的機會，零售店經理週一要進貨幾架此品牌的
數 位相機？
Ans ：吾人知在標準常態分佈，故對數位相機銷售量先
標準化
P( X  c)  0.05 P( Z  1.645)  0.05
c   c  100
  1.645
 10
c  100  10 1.645  116.45  117
22 111/10/03 Jen-pei Liu, PhD
 例題：

題目：若某品牌汽車電瓶之壽命為常態分佈，其平均為
60 個月，標準偏差為 6 個月，廠商將定出一個時間點，
在此時間內損壞之電瓶可免費換置，若只允許 1% 售
出的電瓶可免費換置，求此時間點：
Ans ：由標準常態分佈，標準化
P( X  c)  0.01 P ( Z  2.33)  0.01
c   c  60
  2.33
 6
c  60  (6)(2.33)  46.02  46

23 111/10/03 Jen-pei Liu, PhD

 總結 (Summary)

連續隨機變數機率密度函數
常態分佈 X ~ N (  ,  2 ) 對稱於
1
P( X   )  P( X   ) 
2
標準化常態值 Z  X  

1
P ( Z  0)  P ( Z  0 ) 
2

標準常態分佈 Z~N(0 ， 1)
24 111/10/03 Jen-pei Liu, PhD
 習題

P.129 ： 1 ， 2 ， 3 ， 4
P.130:6

25 111/10/03 Jen-pei Liu, PhD

 頁碼 作品 授權條件 作者 / 來源

1-28 轉載自 Microsoft Office 2003 多媒體藝廊，

依據 Microsoft 服務合約及著作權法第
46 、 52 、 65 條合理使用。

7 http://case.ntu.edu.tw/blog/?tag=%E5%BE
%B5%E6%96%87
依據著作權法第 46 、 50 、 52 、 65 條合理使用
本件作品。
8, 12 Wiki Standard deviation
http://en.wikipedia.org/wiki/Standard_deviation
2013/10/14 visited
11 維基百科 常態分佈
http://zh.wikipedia.org/wiki/%E6%AD
%A3%E6%80%81%E5%88%86%E5%B8%83
2013/10/14 visited

26 111/10/03 Jen-pei Liu, PhD