導言：歡迎來到隨機變數的世界！
你好！歡迎來到你商業經濟學旅程中最重要的一個章節。別擔心，如果「統計學」這個詞讓你感到緊張——我們會把它拆解成簡單、日常的概念。在本章中，我們將學習如何將「不確定性」轉化為「數字」。在商業世界中，我們無法完美地預測未來，但使用隨機變數 (Random Variables) 能幫助我們衡量風險並做出更明智的決策。讓我們開始吧！
1. 到底什麼是隨機變數？
簡單來說，隨機變數是一種將數值分配給隨機事件結果的方法。與其說「可能會下雨或晴天」，我們將數字分配給這些可能性，這樣我們就可以對它們進行運算！
考試中你需要知道兩種主要的類型：
A. 離散隨機變數 (Discrete Random Variables)
這些是你可以數出可能結果的變數。數值之間存在間隙。 例子：進入商店的顧客人數（你可以有 1、2 或 10 位，但不能有 2.5 位顧客）。
B. 連續隨機變數 (Continuous Random Variables)
這些是可以在特定範圍內取任何數值的變數。它們通常是透過測量而非點算得出的。 例子：顧客在隊伍中的等待時間（可能是 5 分鐘、5.2 分鐘或 5.234 分鐘）。
記憶小撇步：將 Discrete（離散）想成 Dots（點，分開的點），將 Continuous（連續）想成 Connected（連接的線）。
快速回顧： - 離散：可點算（例如：瑕疵品的數量）。 - 連續：可測量（例如：包裹的重量）。
2. 離散變數的機率分佈
機率分佈 (Probability Distribution) 基本上是一個表格或列表，它告訴我們隨機變數的所有可能值以及每個值發生的可能性。
對於任何離散機率分佈，必須遵循兩條「黃金法則」： 1. 每個獨立的機率 \( P(x) \) 必須介於 0 和 1 之間。 2. 所有機率的總和必須恰好等於 1。（因為總得有某種情況會發生！）
例子：如果你正在檢查一天內售出的手提電腦數量： - 0 台：10% 機率 - 1 台：60% 機率 - 2 台：30% 機率 總和 = 10% + 60% + 30% = 100% (即 1.0)。這是一個有效的機率分佈！
避免常見錯誤：如果你的機率總和為 0.9 或 1.1，那肯定出錯了！請務必檢查總和是否正好為 1.0。
3. 期望值與變異數：數據的「核心」
一旦有了分佈，我們想知道兩件事：什麼是「平均」結果，以及結果的「分佈程度」如何？
期望值 \( E(X) \)
期望值 (Expected Value)（也稱為平均值）是如果你重複實驗多次後的長期平均結果。 公式為： \( E(X) = \mu = \sum [x \cdot P(x)] \)
逐步計算： 1. 將每個數值 \( x \) 乘以其機率 \( P(x) \)。 2. 將所有結果相加。這就是你的「平均值」！
變異數 \( Var(X) \) 與標準差 \( \sigma \)
變異數 (Variance) 告訴我們結果與平均值之間的離散程度。如果變異數較高，風險就越高，因為結果越難預測。 變異數的公式為： \( Var(X) = \sigma^2 = \sum [(x - \mu)^2 \cdot P(x)] \)
標準差 (Standard Deviation) 只是變異數的平方根：\( \sigma = \sqrt{Var(X)} \)。我們使用它是因為它的單位與原始數據相同，更具參考價值。
重點總結： - 期望值：中心在哪裡。 - 變異數/標準差：「分佈」或風險有多大。
4. 二項分佈 (Binomial Distribution)
這是一種特殊的離散分佈，在 HKICPA 課程中經常出現。它用於處理「是/否」或「成功/失敗」的情況。
何時使用？記住「BINS」這個縮寫： - Binary（二元）：只有兩種結果（例如：合格/不合格）。 - Independent（獨立）：一次試驗不會影響下一次。 - Number（數量）：有固定的試驗次數 (\( n \))。 - Same（相同）：每次試驗成功的機率 (\( p \)) 都是一樣的。
公式： \( P(X = k) = \binom{n}{k} p^k (1-p)^{n-k} \)
別被公式嚇到了！大多數計算機都有組合功能 \( nCr \) 來幫你處理 \( \binom{n}{k} \) 的部分。 - \( n \)：總試驗次數 - \( k \)：你想要的成功次數 - \( p \)：成功的機率
你知道嗎？在審計中，我們經常使用二項概念來測試「成功」（例如一張正確的發票）是否在樣本中符合特定標準！
5. 常態分佈 (The Normal Distribution)（「鐘形曲線」）
對於連續變數，常態分佈是最著名的。它是一條平滑、對稱的鐘形曲線。
關鍵特徵：
1. 平均數、中位數和眾數都在中心。 2. 曲線下的總面積為 1.0 (100%)。 3. 它由平均值 \( \mu \) 和標準差 \( \sigma \) 定義。
Z 分數 (Z-Score)（標準化）
由於每個常態分佈都不同（有些高聳，有些平坦），我們使用 Z 分數將它們「標準化」，這樣我們就可以使用標準常態分佈表來查詢機率。 Z 分數公式為： \( Z = \frac{X - \mu}{\sigma} \)
Z 分數告訴你一個數值距離平均值有多少個標準差。 - 正數 Z 代表高於平均值。 - 負數 Z 代表低於平均值。
經驗法則 (68-95-99.7 法則)
在常態分佈中： - 68% 的數據落在距離平均值 1 個標準差範圍內。 - 95% 的數據落在 2 個標準差範圍內。 - 99.7% 的數據落在 3 個標準差範圍內。
重點總結：如果一個商業流程呈「常態分佈」，你可以有 95% 的把握確保你的結果落在平均值的 2 個標準差之內。這對於品質控管非常有用！
總結與鼓勵
快速總結： - 隨機變數將結果轉化為數字。 - 離散用於點算；連續用於測量。 - 期望值是平均值；變異數是風險/分佈程度。 - 二項分佈適用於「是/否」場景。 - 常態分佈利用鐘形曲線和 Z 分數來查找機率。
如果一開始覺得棘手也不要擔心！統計學就像一門新語言——你練習「詞彙」（術語）和「語法」（公式）越多，就會越自然。你一定可以做到的！