📚 學習筆記：連續隨機變量 (9709 P&S 2, 第 6.3 節)
歡迎來到概率與統計 2 (Probability and Statistics 2) 中最理論化但也最核心的課題之一！在單元 5 (P&S 1) 中，我們處理的主要是離散隨機變量 (Discrete Random Variables)（例如計數數據）。現在，我們將踏入連續隨機變量 (Continuous Random Variables) 的世界，這裡我們處理的是測量數據（例如時間、重量或溫度）。這正是你的純數 (Pure Mathematics) 技巧（尤其是積分！）與統計學結合的地方。如果初看覺得棘手也不用擔心——這其實就只是在求圖形下的面積而已！
1. 理解連續隨機變量 (CRVs)
連續隨機變量 (X) 是指在給定範圍（或區間）內可以取任何值的變量。試著把它想像成「測量」某個量，而不是「計算」某個數。
CRV 與 DRV 的簡要回顧
- 離散隨機變量 (DRV)： 取值是可數的（例如擲硬幣的正反面次數、擲骰子的點數）。概率由 \(P(X=x)\) 給出。
- 連續隨機變量 (CRV)： 在一個區間內可以取任何值（例如跑 100 米所需的時間、身高）。
⚠ CRV 的關鍵性質：
對於任何單一的特定值 \(x\)，其概率永遠為零：
$$P(X = x) = 0$$
類比：想像在數線上投擲飛鏢。擊中 \(x=5.000000...\) 這個精確點的機會是零。我們只能算出落入某個範圍（例如 4.9 到 5.1 之間）的概率。
正因如此，在計算概率時，是否包含邊界點並不重要：
$$P(a \le X \le b) = P(a < X < b) = P(a < X \le b)$$
重點總結： 對於 CRV，我們計算的是區間（面積）的概率，而非單個點的概率。
2. 概率密度函數 (PDF), \(f(x)\)
由於我們不能像離散統計那樣使用概率質量函數，我們改用概率密度函數 (Probability Density Function, PDF), \(f(x)\)。此函數描述了隨機變量取某個值的相對可能性。
把 PDF 想像成一座小山的輪廓。山的高度 (\(f(x)\)) 顯示了數值最容易聚積的地方。
PDF 的性質
為了讓 \(f(x)\) 成為有效的 PDF，它必須滿足兩個基本性質：
1. 非負性 (Non-negativity)
- 函數值必須永遠大於或等於零，因為概率不可能是負數。
- $$f(x) \ge 0 \quad \text{對於所有 } x$$
2. 總面積為 1
- 整個圖形下的總面積必須等於 1 (即 100%)，因為隨機變量必然會取到某個值。
- $$\int_{-\infty}^{\infty} f(x) \, dx = 1$$
- 在實際應用中，由於 \(f(x)\) 通常是在特定的區間 \([a, b]\) 內定義的，這可以簡化為： $$\int_{a}^{b} f(x) \, dx = 1$$
學習小撇步：這個性質通常用於求函數定義中的未知常數 \(k\)（例如 \(f(x) = kx^2\)）。
3. 計算概率（積分的威力）
連續隨機變量 \(X\) 落在兩個數值 \(a\) 和 \(b\) 之間的概率，等於該區間內 PDF 曲線下的面積。
概率公式
$$P(a < X < b) = \int_{a}^{b} f(x) \, dx$$
計算步驟
如果你已知 \(f(x)\) 並被要求計算 \(P(a < X < b)\)：
- 確定上下限： 找出下限 \(a\) 和上限 \(b\)。
- 建立積分式： 寫出定積分 \(\int_{a}^{b} f(x) \, dx\)。
- 進行積分： 計算積分值（記住純數的積分規則，必要時使用代換法，雖然這裡很少用到複雜的 P3 代換）。
- 求值： 代入上限 \(b\) 和下限 \(a\) 以得出最終概率。
需避免的常見錯誤： 在計算概率時，請確保你的積分限 \((a, b)\) 落在 \(f(x)\) 的定義域內。如果變量只存在於 0 到 5 之間，積分到 10 是沒有意義的！
重點總結： 概率是通過對 PDF 在所需區間進行積分（即求面積）來找到的。
4. 求位置和離散程度的指標
與離散變量一樣，我們需要平均值 (mean) 和變異數 (variance) 來理解分佈的中心和離散程度。
A. 平均值（期望值）, \(E(X)\)
平均值 \(\mu\) 是 \(X\) 的期望值。
該公式將離散變量中的總和 \(\sum x P(X=x)\) 替換為積分：
$$E(X) = \mu = \int_{-\infty}^{\infty} x f(x) \, dx$$
如果函數僅在 \(a\) 到 \(b\) 之間定義：
$$E(X) = \int_{a}^{b} x f(x) \, dx$$
記憶輔助：要求平均值，你需要積分 x 乘以該函數 (\(x \cdot f(x)\))。
B. 變異數, \(Var(X)\)
變異數衡量數據圍繞平均值的離散程度。通用公式同樣適用：
$$Var(X) = E(X^2) - [E(X)]^2$$
首先，你必須透過積分計算 \(E(X^2)\)：
$$E(X^2) = \int_{-\infty}^{\infty} x^2 f(x) \, dx$$
然後，將此值與之前算出的平均值 \(E(X)\) 代入變異數公式即可。
重點總結： 平均值和變異數的計算分別需要對 \(x f(x)\) 和 \(x^2 f(x)\) 進行積分。積分完成後，請善用你的計算機進行繁重的算術運算！
5. 求中位數與百分位數
中位數和百分位數用來定位分佈中的特定點，通常需要解一個包含積分的方程。
A. 中位數, \(m\)
中位數 (\(m\)) 是將分佈平分的值。一半的概率質量位於其下方，另一半位於其上方。
因此，要找到中位數 \(m\)，你需要解以下方程：
$$\int_{Domain_{start}}^{m} f(x) \, dx = 0.5$$
例如：如果函數定義在 0 到 4 之間，你要找出 \(m\)，使得 \(\int_{0}^{m} f(x) \, dx = 0.5\)。
B. 百分位數
\(p^{th}\) 百分位數 (\(k\)) 是指一個值，使得有 \(p\%\) 的分佈位於其下方。
要找出代表 \(p^{th}\) 百分位數的值 \(k\)（例如第 90 百分位數，即 \(p=90\)），你需要解：
$$\int_{Domain_{start}}^{k} f(x) \, dx = \frac{p}{100}$$
你知道嗎？中位數其實就是第 50 百分位數！
☞ 例子：求第 90 百分位數
如果 \(X\) 定義在 \(x > 0\)，而你需要求第 90 百分位數 \(k\)：
$$P(X < k) = 0.9$$
你建立積分式：\(\int_{0}^{k} f(x) \, dx = 0.9\)。接著進行積分，代入 \(k\) 和 0，最後解出關於 \(k\) 的方程。
重點總結： 中位數與百分位數涉及將面積積分設為所需的概率（中位數為 0.5），並解出積分上限。
6. 公式快速回顧 (MF19 參考)
以下是你必須掌握的 CRV 關鍵公式，詳見你的公式手冊 (MF19, 概率與統計部分)：
連續隨機變量
期望值（平均值）：
$$E(X) = \int x f(x) \, dx$$
變異數：
$$Var(X) = \int x^2 f(x) \, dx - \{E(X)\}^2$$
請記住，任何 PDF \(f(x)\) 的絕對要求是總面積必須為 1：
$$\int f(x) \, dx = 1$$
這個單元的成功很大程度上依賴於準確的積分以及解方程的能力。設置積分限時一定要細心！
最後的鼓勵： 你已經在純數學中掌握了積分。這一章只是教你如何在概率的背景下，運用積分的知識以及了解其背後的原因。繼續練習你的積分計算吧！