簡介：為什麼數據模式如此重要
歡迎來到統計分佈這一章！如果你曾好奇為什麼賭場總是賺錢，或是保險公司如何預測理賠數量，那你其實正在探索分佈的力量。在本章中，我們將學習如何描述隨機性的「形狀」，並聚焦於數學中最有用的模型之一：二項分佈 (Binomial Distribution)。
如果起初覺得有點抽象，別擔心。我們本質上只是將你對基本機率的認識，整理成一種可預測的模式。一旦掌握了這個模式，你就能預測未來（至少在數學層面上是這樣）！
1. 理解離散隨機變數
在深入研究分佈之前，我們需要先了解我們在測量什麼。我們稱這些為離散隨機變數 (Discrete Random Variables)（通常記作 \(X\)）。
這意味著什麼？
- 離散：變數只能取特定的、分離的值（例如 0, 1, 2...）。你不可能有 1.5 個親兄弟姊妹！
- 隨機：在事件發生前，我們無法得知確切結果。
- 變數：每次試驗的結果都可能改變。
例子：如果你擲一枚硬幣 3 次並計算「正面」的次數，可能的結果是 0, 1, 2 或 3。這就是一個離散隨機變數。
機率分佈表
我們通常用一個小表格來展示離散分佈。它會列出 \(x\) 的每一個可能值，以及該值發生的機率，寫作 \(P(X = x)\)。
黃金法則：
分佈中所有機率的總和必須等於 1。
\(\sum P(X=x) = 1\)
快速複習：
如果表格顯示 \(P(X=1) = 0.2\)，\(P(X=2) = 0.5\)，而 \(P(X=3) = k\)，你可以通過 \(1 - 0.2 - 0.5 = 0.3\) 來求出 \(k\)。
重點總結：離散分佈只是一份關於所有可能結果及其發生機率的清單。
2. 二項分佈：我們的主要模型
二項分佈是一種特殊的模式，出現在你面對「成功/失敗」的情境時。把它想像成一系列「是/否」的問題。
我們何時可以使用它？（BINS 記憶法）
要使用二項模型，你的實驗必須通過 BINS 測試：
1. B - Binary（二元）：只有兩種可能的結果（成功或失敗）。
2. I - Independent（獨立）：每次試驗互不影響（就像擲硬幣）。
3. N - Fixed Number（固定次數）：你必須提前知道試驗次數（記作 \(n\)）。
4. S - Success Probability（成功機率）：每次試驗成功的機率 (\(p\)) 必須保持不變。
比喻：想像你在籃球場投籃 10 次。如果你的技術水平不變，且每次投籃都是獨立的，這就是一個典型的二項分佈情境！
符號表示
我們寫作：\(X \sim B(n, p)\)
- \(n\) = 試驗次數
- \(p\) = 成功機率
重點總結：如果一個情況有固定次數的獨立試驗，且只有兩種結果，它很可能就是二項分佈。
3. 計算二項機率
為了找出恰好獲得 \(x\) 次成功的機率，我們使用以下公式（別驚慌，我們會拆解它！）：
\(P(X = x) = \binom{n}{x} \times p^x \times (1-p)^{n-x}\)
公式各部分的含義：
- \(\binom{n}{x}\)：這是你計算機上的「nCr」鍵。它告訴我們成功可以透過多少種不同的方式發生。
- \(p^x\)：這是成功機率自乘，次數取決於我們想要的成功次數。
- \((1-p)^{n-x}\)：這是失敗機率自乘，次數為剩餘的所有試驗次數。
例子：如果你擲一枚不公正的硬幣（\(p=0.6\)）五次，恰好得到 3 個正面的機率是多少？
1. 確定 \(n=5, p=0.6, x=3\)。
2. 公式：\(P(X=3) = \binom{5}{3} \times 0.6^3 \times 0.4^2\)
3. 結果：\(10 \times 0.216 \times 0.16 = 0.3456\)
你知道嗎？\((1-p)\) 通常寫作 \(q\)。所以，成功 = \(p\)，失敗 = \(q\)。很簡單吧！
4. 累積機率：善用你的計算機
在考試中，題目經常會要求計算「至多」或「小於」某個數值的機率。這稱為累積機率 (Cumulative Probability)，寫作 \(P(X \le x)\)。
計算機操作步驟：
大多數獲 AQA 認可的計算機（如 Casio ClassWiz）都有專用模式：
1. 進入 Menu -> Distribution。
2. 選擇 Binomial CD（累積分佈，用於「範圍」問題），或 Binomial PD（機率分佈，用於「精確值」問題）。
3. 輸入你的 \(x\)、\(n\) 和 \(p\)。
常用語言「翻譯」表：
「至多 3 次」意味著 \(P(X \le 3)\)。（直接使用 Binomial CD）
「少於 3 次」意味著 \(P(X \le 2)\)。（要小心！「少於」不包含 3）
「多於 3 次」意味著 \(1 - P(X \le 3)\)。（總機率減去你不需要的部分）
「至少 3 次」意味著 \(1 - P(X \le 2)\)。（因為我們想要 3, 4, 5... 所以減去 0, 1 和 2）
重點總結：永遠畫一條簡單的數線（0, 1, 2, 3, 4, 5）並圈出你需要的數字。這能避免犯下簡單的錯誤！
5. 避免常見錯誤
1. 忘記「0」：在 10 次試驗的二項分佈中，有 11 個可能的結果（0 到 10）。別忘了「零次成功」也是一個有效的結果！
2. 混淆 \(p\) 和 \(q\)：確保機率 (\(p\)) 對應的是你所計算的「成功」。如果你是在計算「壞掉的燈泡」，那麼 \(p\) 必須是燈泡壞掉的機率。
3. 「多於」vs「至少」：務必再次檢查數字本身是否包含在範圍內。「多於 5」從 6 開始；「至少 5」從 5 開始。
快速複習箱：
- 精確值？使用 Binomial PD。
- 數值範圍？使用 Binomial CD。
- 所有機率之和？永遠是 1。
總結：宏觀視野
統計分佈讓我們能夠模擬現實生活中的隨機性。通過使用二項分佈 \(B(n, p)\)，我們可以計算任何「通過/失敗」情境下結果的可能性。掌握 BINS 條件並熟悉你計算機的分佈選單，你就能征服 Paper 2 的這一部分！