Discrete random variables (DRVs) and expectation

歡迎來到離散隨機變數的世界！

在本章中，我們將探討離散隨機變數 (Discrete Random Variables, 簡稱 DRVs)。別被這個名字嚇到了！其實它只是一種運用數學來預測偶然事件（例如擲骰子、玩桌遊，甚至是預測商店當天的客流量）的一種高級方式。學完這些筆記後，你就能像專家一樣輕鬆計算這些情境下的平均值與「離散程度」了。

1. 理解離散隨機變數 (DRVs)

隨機變數 (Random Variable) 是指其數值取決於隨機事件結果的量。我們稱之為離散 (Discrete)，是因為它只能取特定的、獨立的數值（例如 1、2 或 3），而不是某個範圍內的任何數值（例如 1.572...）。

我們如何表示 DRVs

我們通常用大寫字母（例如 \(X\)）來表示變數，並用小寫字母（例如 \(x\)）來表示它可能取的特定數值。展示分佈的方式主要有兩種：

1. 列表概率分佈：這是一個簡單的表格，列出了 \(X\) 所有可能的取值及其對應的概率 \(P(X = x)\)。

2. 概率質量函數 (Probability Mass Function, PMF)：這是一個用於計算任何給定 \(x\) 之概率的公式，通常寫作 \(P(X = x) = f(x)\)。

黃金法則：對於任何有效的 DRV，所有概率的總和必須等於 1。用數學式表示為：\(\sum P(X = x) = 1\)。

例子：如果你擲一枚硬幣，正面朝上贏 2 英鎊，反面朝上贏 0 英鎊，那麼你的 DRV \(X\) 取值為 {0, 2}，每個值的概率均為 0.5。

快速回顧：
- 離散 (Discrete)：僅限可數的數值。
- 隨機 (Random)：基於偶然性。
- 變數 (Variable)：會發生變動。
- 總概率：加起來永遠等於 1！

重點總結：DRV 本質上是一個將實驗結果與數值及其概率連結起來的映射圖。

2. 平均值與離散程度：平均數、眾數與中位數

就像在 GCSE 統計學中一樣，我們想找出數據的「中心」和「離散程度」。然而，由於我們處理的是概率，方法會有些許不同。

眾數 (Mode)

眾數就是 \(x\) 值中概率最高的那一個。只需觀察你的表格或公式，找出擁有最大 \(P(X = x)\) 的「贏家」即可。

中位數 (Median)

中位數是中間的數值。要找到它，你需要將概率累加（累計概率），直到達到或超過 0.5 為止。達到這個位置時的 \(x\) 值就是你的中位數。

平均數 (期望值)

在進階數學 (Further Maths) 中，我們將平均數稱為期望值 (Expectation)，寫作 \(E(X)\)。你可以將其理解為：如果你重複進行該實驗數千次，最終得到的平均數值。

公式為：\(E(X) = \sum x_i p_i\)
翻譯：將每一個 \(x\) 值乘以其對應的概率，然後將它們全部加起來。

重點總結：\(E(X)\) 不一定是 \(X\) 能夠實際取得 的數值（例如擲骰子的平均值是 3.5），但它代表了長期的平均表現。

3. 方差與標準差

方差 (Variance)，寫作 \(Var(X)\)，告訴我們 \(X\) 的取值與平均數之間的偏差程度。方差大表示結果分佈很廣；方差小表示結果很集中（一致）。

計算步驟

要找到方差，我們首先需要 \(E(X^2)\)，即「\(X\) 平方的期望值」。
公式：\(E(X^2) = \sum x_i^2 p_i\)
（先將每個 \(x\) 值平方，再乘以其概率，最後加總。）

現在，使用方差公式：
\(Var(X) = E(X^2) - [E(X)]^2\)

記憶口訣：一個好記的韻文是：「平方的平均值，減去平均值的平方」。

標準差 (Standard Deviation)

標準差就是方差的平方根：\(\sigma = \sqrt{Var(X)}\)。

避免常見錯誤：千萬別忘了先將平均數 (\(E(X)\)) 平方，再從 \(E(X^2)\) 中減去！這是學生最常犯的錯誤。

重點總結：方差用於衡量風險或離散程度。\(E(X^2) - [E(X)]^2\) 這個公式將成為你本章最好的朋友。

4. DRVs 的線性函數

有時候，我們可能會改變我們的 DRV。例如，如果你玩一個遊戲贏得 \(X\) 金額，但主辦方額外加贈 5 英鎊獎金，隨後將你的總獎金加倍。這就是一種線性變換 (linear transformation)，通常寫作 \(aX + b\)。

期望值與方差的規則

1. 關於期望值：它完全遵循線性規律。
\(E(aX + b) = aE(X) + b\)
（如果你將分數加倍並加上 5，平均數也會加倍並增加 5。）

2. 關於方差：它比較敏感！
\(Var(aX + b) = a^2 Var(X)\)
（加上常數 \(b\) 對離散程度完全沒有影響，但乘以 \(a\) 會使方差增加 \(a^2\) 倍。）

類比：想像一群人排成一列。如果每個人都向右走 5 步（加上 \(b\)），「平均」位置會移動，但人與人之間的距離（離散程度）完全沒變。這就是為什麼 \(+b\) 在方差公式中會消失的原因！

重點總結：在對方差進行變換時，務必將乘數 (\(a\)) 平方，並忽略相加的常數 (\(b\))。

5. 離散均勻分佈

離散均勻分佈 (Discrete Uniform Distribution) 是一種特殊情況，每個結果都有完全相同的概率。最常見的例子是公平的六面骰子，從 1 到 6 的每個數字概率都是 \(1/6\)。

如果 \(X\) 定義在集合 \(\{1, 2, ..., n\}\) 上，那麼對於每個值，都有 \(P(X = x) = 1/n\)。

快捷公式

與其製作繁瑣的表格，我們可以使用這些「作弊碼」（你之後需要學會證明它們）：
- 平均數： \(E(X) = \frac{n + 1}{2}\)
- 方差： \(Var(X) = \frac{n^2 - 1}{12}\)

你知道嗎？這些公式源自前 \(n\) 個整數的和。例如，從 1 加到 \(n\) 的和為 \(\frac{n(n+1)}{2}\)。將此和除以 \(n\)（值的個數）即可得到平均數：\(\frac{n+1}{2}\)。

重點總結：僅在確定每個結果概率相同，且取值為 1 到 \(n\) 的連續整數時，才使用這些快捷公式。

本章總結

- DRVs：使用表格或函數；總概率必須為 1。
- 期望值 \(E(X)\)：平均結果 (\(\sum xp\))。
- 方差 \(Var(X)\)：結果的離散程度 (\(E(X^2) - [E(X)]^2\))。
- 變數變換 (Coding)：\(E(aX+b)\) 保持線性關係；\(Var(aX+b)\) 需將乘數平方並捨棄常數。
- 均勻分佈：對於公平且連續的整數結果，使用 \(\frac{n+1}{2}\) 和 \(\frac{n^2-1}{12}\) 快捷公式。

如果方差公式一開始讓你覺得有點彆扭，別擔心。多練習幾題後，你就會運用自如了！