離散概率分佈簡介
你好！歡迎來到 A Level 統計學旅程中最實用的章節之一。在本節中，我們將探討離散概率分佈 (Discrete Probability Distributions)。別被這個長長的名字嚇到了！其實，我們只是在研究如何列出實驗中所有可能發生的結果，以及每個結果發生的可能性有多大。
你可以把它想像成一張「概率地圖」。只要掌握了這張地圖，你就能預測未來（統計學意義上的預測！）。這個概念應用極廣，從預測球隊可能進多少球，到工廠可能生產多少次品，都能用到它。
1. 什麼是離散隨機變量？
在研究分佈之前，我們需要先理解這個術語的兩個部分：
- 離散 (Discrete)： 這意味著數據只能取特定的、獨立的數值。你可以數得出來。例如，你可以有 1 個、2 個或 3 個兄弟姐妹，但你不可能有 2.47 個兄弟姐妹！
- 隨機變量 (Random Variable)： 這是一個數值，其具體數值取決於隨機事件的結果。我們通常用大寫字母（如 \(X\)）來代表變量的「概念」（例如：擲骰子的點數），用小寫字母（如 \(x\)）來代表我們得到的實際數值（例如：「我擲出了 4 點」）。
「大 X」與「小 x」的竅門
學生經常對這種符號感到困惑，試試這個類比：
\(X\) 就像盒子上的標籤（例如：「硬幣正面的次數」）。
\(x\) 是你擲完硬幣後，在盒子裡實際找到的數字（例如：「2」）。
所以，\(P(X = x)\) 的意思就是：「硬幣正面次數等於 2 的概率是多少？」
重點總結：
離散隨機變量是隨機實驗中可以計數的數值（如 0, 1, 2, 3...）。
2. 表格形式的概率分佈
概率分佈只是一種展示每個可能的 \(x\) 值及其對應概率的方法。最常見的表達方式是列表格。
例子： 想像一個有偏的四面陀螺。其分佈可能如下：
\(x\): 1, 2, 3, 4
\(P(X = x)\): 0.1, 0.3, 0.4, 0.2
概率的黃金法則
對於任何有效的概率分佈，所有概率的總和必須恰好等於 1。在數學符號中，我們寫作：
\(\sum P(X = x) = 1\)
快速檢查： 如果你的表格加起來是 0.9 或 1.1，那就肯定出錯了！在考試題目中，務必先檢查這一點。
要避免的常見錯誤：
不要混淆 \(x\) 值與概率。\(x\) 值可以是任何數（如 -1, 0, 5, 10），但概率 \(P(X=x)\) 必須始終介乎 0 到 1 之間（包含 0 和 1）。
重點總結：
概率分佈表列出了所有可能的結果，並確保它們的總概率為 1。
3. 概率函數（代數形式）
有時候，考試不會給你表格，而是給出一個「規則」或概率質量函數 (Probability Mass Function)。它看起來就像一小段代數算式。
例子： 對於 \(x = 1, 2, 3\)，\(P(X = x) = kx\)。
如何解決「求 \(k\) 的值」這類題目：
如果起初覺得棘手也沒關係，這就像個拼圖遊戲！以下是解題步驟：
- 列出數值： 將每個 \(x\) 代入函數中。
- 當 \(x = 1\) 時，\(P(X=1) = k(1) = k\)
- 當 \(x = 2\) 時，\(P(X=2) = k(2) = 2k\)
- 當 \(x = 3\) 時，\(P(X=3) = k(3) = 3k\)
- 運用黃金法則： 將它們相加並令總和等於 1。
\(k + 2k + 3k = 1\) - 求解 \(k\)：
\(6k = 1\)
\(k = \frac{1}{6}\)
重點總結：
要找出函數中的未知常數，請代入所有 \(x\) 值，並解出總和為 1 的方程。
4. 累積概率：\(P(X \le x)\)
累積 (Cumulative) 的意思是「一路加起來」。你可能會被要求找出 \(X\) 不大於某個特定值的概率。
例子： 使用我們之前的陀螺例子：
\(P(X = 1) = 0.1\)
\(P(X = 2) = 0.3\)
\(P(X = 3) = 0.4\)
\(P(X = 4) = 0.2\)
如果你想求 \(P(X \le 2)\)，你只需要把從開始到 2 的所有概率加起來：
\(P(X = 1) + P(X = 2) = 0.1 + 0.3 = 0.4\)
等等！留意不等號：
在離散分佈中，\(<\) 和 \(\le\) 有很大區別。
\(P(X < 3)\) 意味著你只需要 1 和 2 的結果。
\(P(X \le 3)\) 意味著你想要 1, 2 和 3 的結果。
重點總結：
累積概率是直到並包含該 \(x\) 值在內的所有概率的總和。
5. 離散均勻分佈 (Discrete Uniform Distribution)
這是一個特殊且簡單的情況。「均勻」意味著一切都是一樣的。這是最「公平」的分佈。
現實生活例子： 一顆公平的標準六面骰子。每個數字 (1, 2, 3, 4, 5, 6) 都有完全相同的概率：\(\frac{1}{6}\)。
公式：
如果有 \(n\) 個可能的結果且它們發生的可能性完全相同，那麼：
\(P(X = x) = \frac{1}{n}\)
你知道嗎？ 之所以使用「均勻」這個詞，是因為如果你畫出這些概率的柱狀圖，所有柱子的高度都會一樣，就像一排穿著制服的士兵！
重點總結：
在離散均勻分佈中，每個可能的結果都有相同的概率。
總結與快速複習
在進入二項分佈 (Binomial distributions) 之前，請確保你已經掌握以下三點：
- 1. 求和法則： 分佈中所有概率的總和必須為 1。
- 2. 離散與連續： 離散變量是你數得出來的項目（如汽車數量、正面次數）。
- 3. 表格與函數： 你可以用表格清單或代數規則來表示一個分佈。
做得好！你已經掌握了離散分佈的基礎。請記住這個「黃金法則」（總和 = 1），它是解決本章幾乎所有考試題目的關鍵。