[機統] 廠商 跟 訂單

看板Math作者 (smd)時間12年前 (2013/11/19 19:39), 編輯推噓0(0017)
留言17則, 4人參與, 6年前最新討論串1/1
底下這個問題我自己的解法跟課本最後附的參考答案不同。 想請教版友的意見,先謝啦。 有 n = 7 種不同的訂單,要發包給 M = 10 個不同的廠商,每個廠商可接訂單不限。 假設隨機分配,總共有 M^n = 10^7 種可能。 如果以七個位置當作訂單,數字1~10表示廠商,那就可以表示成譬如說 6368594 第六家廠商接到第一種以及第三種訂單、 第三家廠商接到第二種訂單、 第八家廠商接到第四種訂單 etc 求以下事件的機率: 第一家廠商收到兩件訂單 且 第二家廠商收到三件訂單. 這是出自白皮(帶綠色黑色)的課本 Mathematical Statistics with Applications, 6th Ed (已經是好久以前的了) by Dennis Wackerly (Univ. Florida), William Mendenhall, and Richard Scheaffer pp.49, exercise 2.53-(b) 我的解法是這樣: 除了第一、二家廠商收到 5 份訂單之外,剩下得兩份訂單是剩餘的 8 家廠商分。 8 ^ 2 = 64 ,其中 56 種是最後的這兩份訂單落在不同廠商,這些每一種都跟 11222 「直線排列」 7! / [ 2! 3! 1! 1!] = 7*6*5*4 / 2 = 420 64 - 56 = 8 還有 8 種是是最後的這兩份訂單落在同一家廠商,這些每一種都跟 11222 「直線排列」 7! / [ 2! 3! 2!] = 210 所以答案是 420 * 56 + 210 * 8 = 25200 probability = 25200 / 10^7 = 0.00252 我認為把那 8^2 = 64 種拆開來是必要的,但是課本最後附的答案是 0.00134 顯然是把全部 64 種一起去跟 11222 直線排列 7! / [ 2! 3! 2!] 210 * 64 / 10^7 = 0.001344 我認為這樣相當於把最後兩份訂單視作落在同一家廠商(而總共有64家可以選),是錯的。 換一種說法,即這種算法把 e.g. 1122234 跟 1122243 視作同一種,在直線排列的 7! / [ 2! 3! 2!] 最後一個 2! 把它除掉了,所以少算。 我自己的解法如前所述用到 7! / [ 2! 3! 1! 1!] 才是正確的。 不知各位覺得如何? 謝謝 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 108.234.169.107

11/19 19:44, , 1F
C(7,2)C(5,3)*8^2 /10^7 為啥要搞這麼複雜??
11/19 19:44, 1F

11/19 20:01, , 2F
56種這邊 這兩間廠商沒有分別 所以當相同物再除2!
11/19 20:01, 2F

11/19 20:02, , 3F
但我覺得這樣太容易搞混 倒不如用高中方法算還較快
11/19 20:02, 3F

11/19 20:05, , 4F
我指的是在分7個物品時要除2!...
11/19 20:05, 4F
謝啦 我一開始也是就想說簡單 C(7,2)C(5,3)*8^2 可是注意到前面 C(7,2)C(5,3) 型式上相當於 7 個物品分成三組 (2, 3, 2) 所以開始考慮到「最後兩份訂單」到底能不能視為一組(兩份訂單沒有分別)的問題。 我感覺上兩份訂單怎麼能說沒有分別呢?如果是分給不同的廠商(那56種之一)的話.... 所以開始「搞得比較複雜」。 我現在知道是怎麼回事了。 C(7,2)C(5,3)*8^2 這個算法的確是無誤的(邏輯上也清晰),但是如過要看成是 7 個物品直線排列的話,在解讀上卻並不能說是「最後兩份訂單沒有分別」。 一定要說的話,那個 7! / [ 2! 3! 2!] 最後除以第二個 2! 的原因是在於 8^2 的部分就有照顧到「最後兩份訂單是不同的」這件事。 不過基本上就像你說的,還是應該就簡單回歸到 C(7,2) * C(5,3) * 8^2 這個 操作程序上的算法。 我硬要看成直線排列的話也不是不行,但是要能搞清楚 56 種那部分會重複計算, 所以要除 2! (但不是因為兩分訂單分給兩間廠商是沒有分別的)。 我之前就是最後這裡搞錯了。 嗯好久沒有玩排列組合,果然直覺不能跟高中的時候比阿 :P ※ 編輯: physmd 來自: 108.234.169.107 (11/19 21:08)

11/19 21:13, , 5F
恩恩 要看成直線排列也可但就會比較複雜 在教學上
11/19 21:13, 5F

11/19 21:14, , 6F
學生就會比較難懂(我剛剛也想很久..) 除非真的非不得
11/19 21:14, 6F

11/19 21:14, , 7F
已 不然我比較不會用這樣算法 搞得太雜又容易搞混
11/19 21:14, 7F

11/19 21:17, , 8F
不過也有它的好處 搞懂觀念就比較清晰了
11/19 21:17, 8F

11/26 13:55, , 9F
其實只是 "多項分布" 的例子...假設每份訂單落在第i
11/26 13:55, 9F

11/26 13:55, , 10F
家廠商手中的機率是 p_i, i=1,...,k. 而每份訂單落在
11/26 13:55, 10F

11/26 13:56, , 11F
哪一家廠商是相互獨立的, 不因該廠商已有其他訂單而
11/26 13:56, 11F

11/26 13:57, , 12F
有所增減, 則各家擁有訂單數 n_1,...,n_k 的機率是
11/26 13:57, 12F

11/26 13:57, , 13F
M(n;n_1,...,n_k)(p_1^n_1)...(p_k^n_k), 其中
11/26 13:57, 13F

11/26 13:58, , 14F
M(n;a,b,c...) 是 n 物中 a 件相同, b 件相同... 等
11/26 13:58, 14F

11/26 13:58, , 15F
之排列數. 這是二項分布的延伸.
11/26 13:58, 15F

01/02 15:36, 7年前 , 16F
M(n;n_1,... https://daxiv.com
01/02 15:36, 16F

07/07 11:39, 6年前 , 17F
56種這邊 這兩間廠商 https://moxox.com
07/07 11:39, 17F
文章代碼(AID): #1IYqtmZ4 (Math)