欢迎来到统计分布的世界！
在本章中，我们将探索如何运用数学模型来预测现实生活中事件发生的可能性。无论是抛硬币出现正面的次数，还是房间内人群的平均身高，统计分布都能协助我们理解身边的“随机性”。
在研读完这份笔记后，你将能灵活决定使用哪种模型，并像专业人士一样计算概率。如果一开始看到很多新符号感到困惑，请别担心——我们会一步一步为你拆解！
1. 基础概念：离散与连续
在进入具体模型之前，我们必须先厘清处理的是哪种类型的数据。在统计学中，数据通常分为两大类：
1. 离散数据 (Discrete Data)： 透过计数得到的数值。例如，你有几个兄弟姐妹，或是比赛中入球的数量。你不可能有 2.5 个兄弟姐妹！
2. 连续数据 (Continuous Data)： 透过测量得到的数值。例如，身高、体重或时间。这些数值在某个区间内可以是任何值（例如 172.53 cm）。
快速复习：
- 需要计数？ 使用离散分布（例如二项分布 Binomial Distribution）。
- 需要测量？ 使用连续分布（例如正态分布 Normal Distribution）。
2. 二项分布（离散）
当你进行固定次数的试验，并寻求“成功”或“失败”的结果时，就会用到二项分布。
何时可以使用？“BINS”口诀
要使用二项分布模型，情况必须满足以下四个条件：
B – Binary（二元性）： 只有两种可能的结果（成功或失败）。
I – Independent（独立性）： 每次试验互不影响（例如抛硬币）。
N – Number（固定次数）： 试验总次数 (\(n\)) 是固定的。
S – Success（成功率）： 每次试验中，成功的概率 (\(p\)) 保持不变。
标示法
我们这样写： \(X \sim B(n, p)\)
例子：如果你抛一枚均匀硬币 10 次，\(n=10\)，\(p=0.5\)。我们写作 \(X \sim B(10, 0.5)\)。
计算概率
要找出刚好出现 \(r\) 次成功的概率，我们使用以下公式：
\(P(X = r) = \binom{n}{r} \times p^r \times (1-p)^{n-r}\)
分步例子：
掷骰子 5 次，刚好掷出两次“6点”的概率是多少？
1. 找出 \(n\)：共掷 5 次，所以 \(n = 5\)。
2. 找出 \(p\)：掷出 6 点的概率是 \(1/6\)。
3. 找出 \(r\)：我们想要刚好 2 次成功，所以 \(r = 2\)。
4. 代入公式：\(P(X=2) = \binom{5}{2} \times (1/6)^2 \times (5/6)^3\)。
常见错误： 忘记所有概率总和必须为 1。如果成功的概率是 \(p\)，那么失败的概率永远是 \(1 - p\)（通常记作 \(q\)）。
重点总结：
二项分布用于在固定次数的独立试验中计算成功次数。
3. 正态分布（连续）
正态分布就是著名的“钟形曲线”。它适用于那些集中在中心平均值附近的数据，例如鞋码或新生儿体重。
主要特征
1. 对称性： 左侧是右侧的镜像。
2. 平均值 (\(\mu\))： 这是曲线的最高点。平均值、中位数和众数全都相同！
3. 标准差 (\(\sigma\))： 这代表钟形曲线的“分散程度”。较大的 \(\sigma\) 表示钟形宽而平坦；较小的 \(\sigma\) 表示钟形高而瘦窄。
4. 反曲点： 出现在距离平均值一个标准差的位置 (\(\mu \pm \sigma\))。这是曲线从“向下弯”转变为“向外弯”的地方。
标示法
我们这样写： \(X \sim N(\mu, \sigma^2)\)
你知道吗？ 因为它是一条连续曲线，曲线下的面积即代表概率。整条曲线下的总面积永远刚好等于 1。
使用计算器
在 AQA Paper 3 中，我们会使用计算器的统计功能，而不是直接运算正态分布公式。
- 使用 NormalCD 来找出两个数值之间的概率（例如：“一名学生身高在 160cm 至 170cm 之间的概率是多少？”）。
- 使用 Inverse Normal 来反向操作（例如：“如果要进入最高的 5%，一名学生必须有多高？”）。
类比： 把正态分布想像成一座山丘。大部分人站在山顶（平均值附近）。当你远离中心，那里的人数就会越来越少。
重点总结：
正态分布由其平均值和方差定义，且具备完美的对称性。
4. 选择正确模型 (N3)
在考试中，你常需要解释为何选择特定的分布。
选择二项分布，如果：
- 你在计算“获胜”的次数。
- 试验次数固定。
- 结果是独立的。
选择正态分布，如果：
- 数据是连续的（测量值）。
- 数据围绕平均值对称分布。
- 数据极少出现远离平均值的极端离群值。
5. 分布之间的联系
课程要求了解这两个模型之间的关系。在特定条件下，二项分布看起来会非常像正态分布。具体来说，当试验次数很多 (\(n\)) 且概率 (\(p\)) 接近 0.5 时，二项分布的条形图会形成完美的钟形！
快速复习箱：
- 二项分布： \(P(X=r)\) 用于寻找一个确切数值的概率。
- 正态分布： \(P(X=x)\) 永远为 0！我们只能计算一个区间的概率（例如 \(P(X < 10)\)）。
- 标准差： 衡量分散程度。数值小代表数据稳定，数值大代表数据变异度高。
摘要核对清单
- 我能解释二项分布的 BINS 条件吗？
- 我能运用计算器找出正态分布的概率吗？
- 我知道正态曲线下的总面积等于 1 吗？
- 我能从 \(N(10, 4)\) 中找出平均值和标准差吗？ （注意：第二个数是 \(\sigma^2\)，所以 \(\sigma = 2\)）。
如果一开始觉得很棘手，不用担心！掌握分布最好的方法就是多用计算器练习。只要熟悉了菜单操作，数学就会变得简单得多！