ฟังก์ชันมวลความน่าจะเป็น
ฟังก์ชันมวลความน่าจะเป็น (probability mass function, PMF) ในทฤษฎีความน่าจะเป็น และ สถิติศาสตร์ เป็นฟังก์ชันที่อธิบายความน่าจะเป็นของตัวแปรสุ่มในการแจกแจงความน่าจะเป็นไม่ต่อเนื่อง[1] (บางครั้งเรียกว่าฟังก์ชันความน่าจะเป็น)
โดเมนของฟังก์ชันมวลความน่าจะเป็นอาจเป็นองค์ประกอบสุ่มที่ไม่ต่อเนื่อง เช่น ตัวแปรสเกลาร์ หรือตัวแปรสุ่มหลายตัวแปร
กรณีของตัวแปรสุ่มแบบไม่ต่อเนื่องนั้นไม่เหมือนกับกรณีของตัวแปรสุ่มแบบต่อเนื่อง ความน่าจะเป็นของเหตุการณ์ จะแสดงเป็นผลรวมของมวลความน่าจะเป็นที่นับได้[2]
นิยาม
[แก้]ให้ X : S → A (A ⊆ R) เป็นตัวแปรสุ่มแบบไม่ต่อเนื่องที่นิยามบนปริภูมิตัวอย่าง S ฟังก์ชันมวลความน่าจะเป็นของ X คือ fX : A → [0, 1] จะถูกนิยามดังต่อไปนี้[3][4]。
ค่าตัวแปรสุ่ม a จะคูณด้วยมวล (มวลความน่าจะเป็น) P(X = a) และมวลความน่าจะเป็นก็อาจมองได้ว่าเป็น
ด้วยการให้เซตอันดับกับตัวแปรสุ่มแบบไม่ต่อเนื่อง ทำให้สามารถแสดงการแจกแจงความน่าจะเป็นไม่ต่อเนื่องเป็นกราฟของฟังก์ชันได้ องค์ประกอบสุ่ม เช่น เวกเตอร์ตัวแปรสุ่ม ก็เช่นกัน
ความไม่ต่อเนื่องในฟังก์ชันมวลความน่าจะเป็นทำให้ฟังก์ชันการแจกแจงสะสมของตัวแปรสุ่มแบบไม่ต่อเนื่องนั้นก็ไม่ต่อเนื่องเช่นกัน ในช่วงหาอนุพันธ์ได้ ค่าอนุพันธ์จะเป็น 0 และในช่วงนั้น ฟังก์ชันมวลความน่าจะเป็นจะเป็น 0 ด้วย
อ้างอิง
[แก้]- ↑ Stewart, William J. (2011). Probability, Markov Chains, Queues, and Simulation: The Mathematical Basis of Performance Modeling. Princeton University Press. p. 105. ISBN 978-1-4008-3281-1.
- ↑ Probability Function เก็บถาวร 2011-08-15 ที่ เวย์แบ็กแมชชีน at Mathworld
- ↑ Kumar, Dinesh (2006). Reliability & Six Sigma. Birkhäuser. p. 22. ISBN 978-0-387-30255-3.Kumar, Dinesh (2006). Reliability & Six Sigma. Birkhäuser. p. 22. ISBN 978-0-387-30255-3.
- ↑ Rao, S.S. (1996). Engineering optimization: theory and practice. John Wiley & Sons. p. 717. ISBN 978-0-471-55034-1.Rao, S.S. (1996). Engineering optimization: theory and practice. John Wiley & Sons. p. 717. ISBN 978-0-471-55034-1.