歡迎來到離散概率分佈！
你好！歡迎來到 A Level 統計學課程中最實用的章節之一。在本節中，我們將學習如何針對可以數出來（countable）的事物，建立模型並預測事件發生的「機會」。無論是擲十次硬幣出現的正面次數，還是一箱燈泡中壞掉的數量，離散概率分佈都能為你提供處理這些問題的工具。
如果覺得這個名字聽起來有點深奧，別擔心——我們會將其拆解成簡單且合乎邏輯的步驟。讀完這些筆記後，你將能一眼看出什麼是二項分佈（Binomial Distribution），並能像專業人士一樣運用計算機輕鬆找出答案！
1. 理解離散隨機變量
在探討分佈之前，我們需要先認識主角：離散隨機變量（Discrete Random Variable）。
隨機變量 (X)：一個由隨機事件的結果所決定的變量。我們通常用大寫字母 \( X \) 來代表變量本身，用小寫字母 \( x \) 來代表它可能取到的特定數值。
離散 (Discrete)：這意味著變量只能取特定的、分離的數值（如 0, 1, 2, 3）。你不可能有 2.5 個兄弟姐妹，也不可能把硬幣擲 4.7 次！如果你可以用手指數出來，它大概就是離散的。
概率分佈表
概率分佈只是一份詳盡的列表，列出了 \( X \) 所有可能的取值及其對應的概率。它最常以表格形式呈現。
例子：設 \( X \) 為投擲一枚公正四面骰子的點數。
\( x \)：1, 2, 3, 4
\( P(X=x) \)：0.25, 0.25, 0.25, 0.25
黃金法則
對於任何離散概率分佈，所有概率的總和必須等於 1。
在數學上，寫作：\( \sum P(X=x) = 1 \)。
如果你的概率相加不等於 1，那就代表哪裡出錯了！
概率函數
有時候，題目不會給你表格，而是給你一個公式（即概率函數）來計算每個數值的機會。
例子：\( P(X=x) = kx \)，其中 \( x = 1, 2, 3 \)。
要找出 \( k \)，你需要解方程式：\( k(1) + k(2) + k(3) = 1 \)，所以 \( 6k = 1 \)，即 \( k = 1/6 \)。
快速複習箱：
• 離散 (Discrete) = 可數的數值（沒有小數）。
• 隨機變量 (Random Variable) = 隨機「實驗」的結果。
• 概率總和 (Sum of Probabilities) = 永遠恰好等於 1。
重點總結：離散概率分佈就像一張地圖，告訴你所有可能的結果以及它們發生的可能性。
2. 二項分佈 (The Binomial Distribution)
這是本章的「主角」。當我們重複執行一項任務多次，並計算得到多少次「成功」時，就會用到二項分佈。
什麼時候可以使用二項模型？（B.I.N.S. 測試）
要使用二項分佈，情況必須通過 B.I.N.S. 測試。如果其中任何一項不符合，你就不能使用它！
B - Binary (二元)：每次試驗只有兩種可能的結果（通常稱為成功與失敗）。
I - Independent (獨立)：一次試驗的結果不會影響下一次（如擲硬幣）。
N - Number (次數)：有固定的試驗次數 (\( n \))。
S - Success (成功率)：成功的概率 (\( p \)) 在每次試驗中必須保持不變。
你知道嗎？「二項」(Binomial) 這個名字源自 "bi"（意為二），因為每次試驗只有兩個結果——就像自行車有兩個輪子一樣！
符號表示
我們寫 \( X \sim B(n, p) \) 來表示 \( X \) 服從一個二項分佈，其中 \( n \) 為試驗次數，\( p \) 為成功概率。
重點總結：使用 B.I.N.S. 來檢查情況是否符合二項分佈。如果概率會改變（例如從抽屜拿襪子且不放回去），它就不是二項分佈。
3. 計算二項概率
尋找概率有兩種方法：使用公式或使用你的計算機。對於 OCR 課程大綱，你需要對兩者都感到熟練！
使用公式
要計算在 \( n \) 次試驗中得到恰好 \( x \) 次成功的概率：
\( P(X=x) = \binom{n}{x} p^x (1-p)^{n-x} \)
• \( \binom{n}{x} \)：這是你計算機上的 "nCr" 按鍵。它告訴你從 \( n \) 個項目中選出 \( x \) 個的方法數。
• \( p^x \)：成功概率的 \( x \) 次方。
• \( (1-p)^{n-x} \)：失敗概率的剩餘試驗次數次方。
使用你的計算機
大多數現代計算機（如 Casio ClassWiz）都有專用模式：
1. Binomial PD (概率分佈)：用於「恰好」類型的問題，例如 \( P(X = 3) \)。
2. Binomial CD (累積概率分佈)：用於「範圍」類型的問題，例如 \( P(X \le 3) \)。
小心你的不等式！
這是學生最容易失分的地方。因為數據是離散的，「等於」這一點非常重要！
• \( P(X \le 5) \)：包括 0, 1, 2, 3, 4, 5。（直接使用 Bcd）。
• \( P(X < 5) \)：這等同於 \( P(X \le 4) \)。
• \( P(X \ge 5) \)：這等於 \( 1 - P(X \le 4) \)。
• \( P(X > 5) \)：這等於 \( 1 - P(X \le 5) \)。
類比：如果一家俱樂部規定「未滿 18 歲」才能進，那麼 18 歲的人就不能進。同樣地，\( X < 5 \) 不包含數字 5。
常見錯誤：別忘了 \( (1-p) \) 只是失敗的概率。有時人們會稱它為 \( q \)。所以，\( p + q = 1 \)。
重點總結：畫一條小數線（0, 1, 2, 3, 4, 5...）並圈出你需要的數字。這能幫助你判斷應該從 1 減去哪一個累積概率。
4. 二項分佈的平均值與方差
雖然你不需要在本章計算「一般」離散分佈的平均值與方差，但對於二項分佈，你必須掌握！
平均值 (\( \mu \))
平均值是你若重複多次實驗，預期會得到的平均成功次數。
\( \mu = np \)
例子：如果你擲一枚公正硬幣 100 次，預期會有 \( 100 \times 0.5 = 50 \) 次正面。很簡單吧！
方差 (\( \sigma^2 \))
方差告訴你結果的分散程度。
\( \sigma^2 = np(1-p) \)
（或 \( npq \)，其中 \( q \) 為失敗概率）。
快速複習：
• 平均值 (\( \mu \)) = \( np \)
• 方差 (\( \sigma^2 \)) = \( npq \)
• 標準差 (\( \sigma \)) = \( \sqrt{npq} \)
重點總結：這些公式對於描述分佈非常有用，並且在你稍後學習課程中的「正態分佈近似 (Normal Approximations)」時至關重要。
總結檢查清單
在完成本章之前，確保你能：
1. 解釋什麼是離散隨機變量。
2. 檢查表格或函數中的概率總和是否等於 1。
3. 使用 B.I.N.S. 準則來識別二項分佈。
4. 使用公式計算精確的二項概率。
5. 使用計算機查找累積概率（如 \( P(X \le x) \)）。
6. 使用 \( np \) 和 \( npq \) 計算二項分佈的平均值與方差。
如果起初覺得棘手，不用擔心！只要在題目中練習識別 \( n \) 和 \( p \)，一切都會變得越來越自然。你一定沒問題的！