統計分佈簡介
歡迎！在這一章，我們將探討如何用數學來模擬現實生活中的事件。統計分佈（statistical distribution）本質上就像一張「地圖」或清單，列出了實驗中所有可能的結果及其發生的可能性。無論你是要預測擲硬幣出現正面的次數，還是預測一包種子中有多少會發芽，這些工具都能幫助我們用概率來理解這個世界。如果剛開始覺得有點抽象也不用擔心，我們會透過大量例子來讓你輕鬆掌握！
1. 離散隨機變數 (Discrete Random Variables)
在深入研究具體的分佈之前，我們需要先了解我們在測量什麼。我們使用一種稱為離散隨機變數（Discrete Random Variable，通常記作 \( X \)）的概念。
● 隨機 (Random)： 結果是由機率決定的。
● 變數 (Variable)： 它可以取不同的數值。
● 離散 (Discrete)： 它只能取特定的、分開的數值（例如 1, 2, 3...），而不是連續數值（例如 1.543...）。
例子：如果你擲一顆骰子，骰子落下的點數就是一個離散隨機變數，因為你可以得到 1 或 2，但不可能得到 1.5。
2. 離散均勻分佈 (The Discrete Uniform Distribution)
這是最簡單的分佈類型。在離散均勻分佈中，每一個可能的結果發生的機率都是完全一樣的。
經典例子：公平的骰子
如果你擲一顆公平的六面骰子，可能的結果是 {1, 2, 3, 4, 5, 6}。
得到其中任何一個數字的機率都是 \( \frac{1}{6} \)。因為所有機率都相等（均勻），所以我們稱之為離散均勻分佈。
快速複習小盒子
● 離散 (Discrete)： 結果是可以數出來的。
● 均勻 (Uniform)： 所有結果都有相同的發生機會。
3. 二項分佈 (The Binomial Distribution)
二項分佈是這一章的「超級巨星」。它用於模擬在固定次數的試驗中「成功」的次數。例如：「如果我投籃 10 次，投中 7 次的機率是多少？」
什麼時候可以使用二項模型？
要使用這個模型，情況必須滿足四個嚴格的條件。你可以用助記詞 BINS 來記憶：
● 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。
● N - Number (次數)： 有固定的試驗次數（我們稱之為 \( n \)）。
● S - Success (成功機率)： 每次試驗成功的機率（我們稱之為 \( p \)）必須相同。
符號表示
如果一個變數 \( X \) 服從二項分佈，我們可以這樣寫：
\( X \sim B(n, p) \)
● \( n \) = 試驗次數
● \( p \) = 成功機率
例子：如果你擲公平硬幣 10 次並記錄出現正面的次數，你會寫作：\( X \sim B(10, 0.5) \)。
4. 計算二項機率
在考試中，你需要使用計算機來算出這些機率。你主要會用到兩種計算方式：
A. 機率密度函數 (Probability Density, PD)
當你想求某個確切數值的機率時使用。
\( P(X = r) \)
例子：擲 10 次硬幣，恰好出現 3 次正面的機率是多少？
B. 累積機率分佈 (Cumulative Distribution, CD)
當你想求一個範圍的機率時使用。大多數計算機都能算出 \( P(X \le r) \)，意思就是「r 次或更少」。
例子：至多出現 3 次正面的機率是多少？這就是 \( P(X \le 3) \)，即等於 \( P(X=0) + P(X=1) + P(X=2) + P(X=3) \)。
常見錯誤：「大於」vs「至少」
計算機通常只會算「小於或等於」（\( \le \)）。如果題目問的是 \( P(X \ge 3) \)（至少 3 次），你必須使用補集規則 (complement rule)：
\( P(X \ge 3) = 1 - P(X \le 2) \)
小貼士： 把所有可能的數字（0, 1, 2, 3, 4, 5...）列出來，並把你想要的數字圈起來。這樣你就能一眼看出需要從 1 減去哪些部分！
5. 期望值 (Expected Value/Mean)
雖然 AS Level 不需要計算複雜的變異數，但你應該對期望值有一個「直觀的理解」。這簡單來說就是如果你重複該實驗很多次，平均預期會出現多少次成功。
公式為：期望值 = \( n \times p \)
例子：如果一顆種子發芽的機率是 0.8，而你種下 100 顆種子，你「預期」會有 \( 100 \times 0.8 = 80 \) 顆種子發芽。
6. 模擬現實世界的情況
你可能會被問到某個現實情況是否適合作為二項分佈模型。請留意 BINS 條件在哪些地方可能失效。
例子：從袋子裡不放回地抽取玻璃珠。
● 它是二項分佈嗎？不是。
● 為什麼？因為如果你不把珠子放回去，下一次抽到特定顏色珠子的機率就會改變。這違反了 BINS 中的「S」（相同的機率）和「I」（獨立性）。
你知道嗎？
二項分佈的名字源於你在純數 (Pure Maths) 中學過的「二項式展開」！其中的係數（來自帕斯卡三角形的數字）正是用來計算這些機率的相同數字。
總結：重點回顧
● 當所有結果出現的機會均等時（如公平的骰子），使用離散均勻分佈。
● 當你有固定的試驗次數且只有兩種結果時，使用二項分佈 \( B(n, p) \)。
● 在假設某個情況是二項分佈之前，請務必檢查 BINS。
● 熟練使用計算機的「Binomial PD」和「Binomial CD」功能——它們是你在考試中的最佳夥伴！
● 對於 \( P(X \ge r) \)，記得要用 \( 1 - P(X \le r-1) \)。