歡迎來到連續隨機變量的世界！
在之前的學習中，你可能接觸過離散隨機變量（Discrete Random Variables）——即那些可以數出來的數值，例如投擲三次硬幣出現正面的次數，或是班級內的人數。但如果是我們「測量」出來的數值呢？想像一下你等巴士的時間、一顆蘋果的重量，或是樹木的精確高度。這些數值可以在某個範圍內取任何值，這就是所謂的連續隨機變量（Continuous Random Variables, CRVs）。
閱讀完這些筆記後，你將學會如何用數學方式描述這些變量、如何找到「平均」結果，以及如何計算事件發生的機率。如果一開始覺得微積分的部分有些困難，別擔心！我們會一步一步為你拆解！
1. 離散與連續：兩者之間的大不同
要理解連續隨機變量，將它與離散變量進行比較會非常有幫助。
離散：就像只顯示分鐘的電子鐘。時間從 10:01「跳」到 10:02。你可以列出所有可能的結果。
連續：就像老式的指針鐘，秒針平滑地移動。在 10:01 和 10:02 之間，有無窮多個微小的瞬間（例如 10:01.0001, 10:01.00012 等等）。
你知道嗎？由於存在無限多個可能值，連續變量在某個特定數值（例如身高剛好是 1.750000... 米）的機率實際上是零！因此，我們總是尋找數值落在某個範圍內的機率。
2. 機率密度函數 (PDF)
由於我們無法像離散變量那樣用表格列出機率，我們使用圖表或公式，稱為機率密度函數 (Probability Density Function)，記作 \( f(x) \)。
你可以將 PDF 想像成一張顯示機率分佈情況的「地圖」。曲線越高，變量落在該區域的可能性就越大。
PDF 的黃金法則：
1. 曲線絕不能低於 x 軸。用數學表示：對於所有 \( x \)，\( f(x) \ge 0 \)。 (機率不可能是負數！)
2. 整個曲線下的總面積必須等於 1。這代表某個事件一定會發生的 100% 機率。
快速複習：要找到總面積，我們使用積分！對於在區間 \( a \) 到 \( b \) 之間定義的 PDF：
\( \int_{a}^{b} f(x) dx = 1 \)
關鍵總結：PDF 描述了機率的「形狀」，且其下方的總面積永遠是 1。
3. 計算機率（面積法）
正如我們之前提到的，我們只計算範圍的機率。要找出變量 \( X \) 落在兩個數值 \( c \) 和 \( d \) 之間的機率，我們只需計算該 PDF 曲線在這兩點之間的面積。
公式：
\( P(c \le X \le d) = \int_{c}^{d} f(x) dx \)
常見錯誤提醒：學生常會糾結該用 \( < \) 還是 \( \le \)。在連續隨機變量中，這沒有區別！因為取單一點的機率為零，所以 \( P(X < 5) \) 與 \( P(X \le 5) \) 是完全一樣的。
例子：如果等待火車的時間是用 PDF 來建模的，那麼你等待時間在 2 到 5 分鐘之間的機率，就是該函數從 2 到 5 的積分。
4. 累積分佈函數 (CDF)
累積分佈函數 (Cumulative Distribution Function)，記作 \( F(x) \)，就像是一個機率的「累計總額」。它告訴你變量小於或等於某個數值 \( x \) 的機率。
定義：
\( F(x) = P(X \le x) = \int_{-\infty}^{x} f(t) dt \)
兩者之間的轉換：
- 如果你有 PDF \( f(x) \) 並想求 CDF \( F(x) \)：積分 (Integrate)。
- 如果你有 CDF \( F(x) \) 並想求 PDF \( f(x) \)：微分 (Differentiate) (\( f(x) = F'(x) \))。
記憶小撇步：將 CDF 想像成一個 Collector（收集者）。它從起始點開始收集所有機率，直到你關注的那個點為止。
關鍵總結：\( F(x) \) 的值總是從 0 開始，以 1 結束。它代表了「到目前為止」的累積機率。
5. 集中趨勢測量（平均值與中位數）
就像處理數字列表一樣，我們也想找到連續分佈的「中間」或「平均」位置。
平均值 (期望值)
平均值，或稱 \( E(X) \)，是 PDF 的「平衡點」。要找到它，我們將 \( x \) 乘以 PDF 並進行積分。
公式：
\( E(X) = \mu = \int_{all \space x} x f(x) dx \)
中位數
中位數 \( m \) 是該點左側剛好有 50% 機率，右側有 50% 機率的數值。要找到它，我們使用 CDF！
公式：
解 \( F(m) = 0.5 \) 以求出 \( m \)。
類比：如果 PDF 是一塊木板，平均值就是你能用手指保持平衡的位置；而中位數則是你可以將木板鋸成兩半，使得兩塊重量相等的位置。
6. 方差與標準差
方差告訴我們機率分佈有多「分散」。如果方差很大，數值就更有可能遠離平均值。
第 1 步：使用 \( \int x^2 f(x) dx \) 求出 \( E(X^2) \)。
第 2 步：使用方差公式：
\( Var(X) = E(X^2) - [E(X)]^2 \)
第 3 步：如果你需要標準差 (Standard Deviation) (\( \sigma \))，只需將方差開平方根即可。
小技巧：記得先計算 \( E(X) \)，因為在方差公式中你也需要用到它！
7. 考試題型檢核清單
當你面對連續隨機變量的題目時，請遵循這個思路：
1. PDF 中是否有未知的常數 \( k \)？
將函數在其整個定義域範圍內進行積分，設其等於 1，然後解出 \( k \)。
2. 需要計算機率嗎？
將 PDF 在題目給定的兩個數值之間進行積分。
3. 需要找中位數或百分位數嗎？
先透過積分求出 CDF \( F(x) \)，然後令其等於 0.5（中位數）或對應的百分位數（例如下四分位數為 0.25），並解出 \( x \)。
4. 需要找平均值嗎？
對 \( x \times f(x) \) 進行積分。
別擔心積分看起來很嚇人！大多數 Oxford AQA 的題目涉及的都是多項式（例如 \( x^2 + 2x \)），它們遵循簡單的規則：指數加 1，再除以新的指數。你一定可以的！