欢迎来到离散概率分布！
在你的标准 A Level 数学课程中，你已经掌握了概率的基础知识。现在，在进阶统计学 1 (Further Statistics 1) 中，我们将进一步深化这些概念。我们不仅仅是看单次事件发生的几率，而是要探究系统的“长期行为”。无论你是要预测工厂中瑕疵品的数量，还是游戏中的平均得分，这些工具都将是你最强大的武器。
如果起初觉得有点棘手，别担心！ 我们将循序渐进地拆解这些概念，先从最重要的两个指标开始：期望值 (Mean) 和 方差 (Variance)。
1. 期望值：\(E(X)\)
期望值（通常写作 \(E(X)\) 或希腊字母 \(\mu\)\)）其实就是“平均值”的专业说法。如果你进行了数千次实验，期望值就是你所能得到的平均结果。
公式
\(E(X) = \mu = \sum xP(X=x)\)
如何计算（逐步教学）
1. 取出每个可能的 \(x\) 值。
2. 将该值乘以它对应的概率 \(P(X=x)\)。
3. 将所有结果加起来！
例子：想象一个游戏，你有 0.2 的几率赢得 £10，而 0.8 的几率赢得 £0。
\(E(X) = (10 \times 0.2) + (0 \times 0.8) = £2\)。
这并不代表你在单次游戏中真的会赢到 £2（因为你只会赢 £10 或 £0！）。它的意思是，如果你玩了很多次，你平均每局能赢得 £2。
快速回顾： 期望值就是长期下来的平均结果。
2. 方差：\(Var(X)\)
如果说平均值告诉我们“中心”在哪里，那么方差（写作 \(Var(X)\) 或 \(\sigma^2\)）则告诉我们数据相对于中心有多么“波动”或“分散”。高方差意味着结果分布得很散；低方差则意味着结果都集中在平均值附近。
公式
\(Var(X) = \sigma^2 = E(X^2) - [E(X)]^2\)
展开后的写法如下：
\(Var(X) = \sum x^2P(X=x) - \mu^2\)
逐步拆解
1. 先求 \(E(X)\)： 这就是你的平均值 (\(\mu\))。
2. 计算 \(E(X^2)\)： 将每个 \(x\) 值平方，乘以其对应概率，然后求和。
3. 减去平均值的平方： 用第 2 步的结果减去 \(\mu^2\)。
避免常见错误： 很多同学最后会忘记对平均值进行平方！请记住：“平方的平均值 减去 平均值的平方”。
重点总结： 方差衡量的是一致性。如果你是一位面包师，你会希望面包重量的方差非常小，这样每位顾客买到的面包大小都一样！
3. 随机变量的函数：\(E(g(X))\)
有时，我们不只是想要 \(X\) 的平均值。我们可能想要 \(X^2\)、\(3X + 2\) 或任何其他函数的平均值。我们将其称为 \(E(g(X))\)，其中 \(g(x)\) 是我们应用于数据的规则。
规则
要找出函数的期望值，你只需将函数应用于 \(x\) 值，但保持概率不变即可。
\(E(g(X)) = \sum g(x)P(X=x)\)
类比：想象一家出租车公司。\(X\) 是乘客行驶的英里数。车费的计算公式为 \(g(X) = 2X + 5\)。要计算期望车费，你不需要一张新的概率表，只需要将车费规则应用于里程数即可。
特殊捷径（期望值代数）
如果 \(a\) 和 \(b\) 是常数：
1. \(E(aX + b) = aE(X) + b\)
2. \(Var(aX + b) = a^2Var(X)\)
你知道吗？ 加入一个常数（如 \(b\)）是不会改变方差的！如果全班同学都获得 5 分加分，平均分会上升，但分数的分散程度却完全保持不变。
4. 评估模型的适用性
在 Further Maths 中，你不会只做计算；你还会担任“数学侦探”。当你面对现实生活中的情况时，你可能需要判断特定的离散分布（例如离散均匀分布 Discrete Uniform Distribution）是否适用。
如何判断模型是否适用：
1. 根据模型计算理论上的平均值和方差（例如：如果假设每个结果发生的几率相等）。
2. 将这些数值与实际数据中的实验平均值和方差进行比较。
3. 结论： 如果数值很接近，则模型适用。如果数据的方差远高于模型预测的数值，那么该模型很可能不适用。
重点总结： 模型只是现实的简化版本。如果模型的“数学推论”与数据的“现实事实”不符，我们就需要寻找更好的模型！
总结：必备要点
先决条件检查： 请务必记住，分布中所有概率的总和必须等于 1。
公式速查：
平均值： \(E(X) = \sum xP(x)\)
方差： \(Var(X) = E(X^2) - (E(X))^2\)
函数期望值： \(E(g(X)) = \sum g(x)P(x)\)
记忆小撇步： 对于方差，请记住 “MS - SM” (Mean of Squares 减去 Square of Mean)。这听起来像个秘密代码，但在考试中绝对能帮你拿分！