歡迎來到離散隨機變數的世界！
在本章中，我們將從基礎機率進入隨機變數 (Random Variables) 的領域。別被這個名稱嚇到了！隨機變數其實就是一種將隨機事件的結果（例如擲骰子或拋硬幣）轉換為數字的方法。我們專注於離散 (Discrete) 變數，這意味著我們所探討的結果是可以數出來的（例如 0, 1, 2...）。
學完這些筆記後，你將能夠計算這些變數的平均值與「離散程度」，並了解特殊的離散均勻分佈 (Discrete Uniform Distribution)。讓我們開始吧！
5.1 離散隨機變數的概念
想像一下你拋了三次硬幣。結果可能是「正、反、正」。在統計學中，我們希望將這些文字轉化為數字。我們可以說：「令 \(X\) 為正面的次數。」
關鍵術語：
- 隨機變數 (Random Variable)： 一個數值取決於隨機事件結果的量。
- 離散 (Discrete)： 這意味著變數只能取特定的、獨立的數值。你可以有 1 個兄弟姊妹或 2 個，但絕不可能有 1.5 個！常見例子包括考試分數、停車場內的汽車數量，或擲骰子的結果。
遊戲規則
對於任何離散隨機變數 (DRV)，你必須記住兩條黃金法則：
1. 每個個別機率必須介於 0 與 1 之間：\(0 \le P(X=x) \le 1\)。
2. 所有可能結果的機率總和必須等於 1：\(\sum P(X=x) = 1\)。
快速回顧箱：
如果題目要求你在機率分佈表中找出缺失的數值 \(k\)，只需將所有其他的機率加起來，然後用 1 減去該總和即可！
總結： 離散隨機變數將數字分配給我們可數的結果。一個分佈中的所有機率總和必須恰好為 1。
5.2 機率函數與累積分配函數
我們主要有兩種方式來描述離散隨機變數 (DRV)：使用表格或使用公式。
機率函數, \(p(x)\)
這只是一種比較專業的說法，意思是「\(X\) 取值為 \(x\) 的機率」。
符號： \(P(X = x)\)
例子：如果你擲一顆公平的 6 面骰子，其機率函數為 \(P(X = x) = \frac{1}{6}\)，其中 \(x = 1, 2, 3, 4, 5, 6\)。
累積分配函數, \(F(x)\)
將其想像成機率的「累計總和」。「累積 (cumulative)」意味著「隨著數值增加而累加」。
符號： \(F(x_0) = P(X \le x_0)\)
如何計算： 若要找出 \(F(3)\)，你需要將 \(X=1\)、\(X=2\) 及 \(X=3\) 的機率加起來。
\(F(x_0) = \sum_{x \le x_0} P(X=x)\)
你知道嗎？
累積分配函數 \(F(x)\) 的最後一個值永遠是 1，因為當你到達最終結果時，你已經涵蓋了 100% 的可能性！
常見錯誤：
不要將 \(P(X < 3)\) 與 \(P(X \le 3)\) 搞混。在離散數學中，它們是不一樣的！\(P(X < 3)\) 只包含 1 和 2，而 \(P(X \le 3)\) 則包含了 1, 2 和 3。
總結： \(P(X=x)\) 給出特定數值的機率；\(F(x)\) 給出「小於或等於」該數值的累積機率。
5.3 離散隨機變數的期望值與變異數
就像我們計算一組數據的平均值與分散程度一樣，我們也可以計算隨機變數的期望值 (Expected Value)（即平均值）與變異數 (Variance)。
期望值, \(E(X)\)
期望值是長期的平均表現。如果你重複實驗數千次，這就是你會得到的平均結果。
公式： \(E(X) = \sum x \cdot P(X=x)\)
步驟：
1. 將每個數值 (\(x\)) 乘以其對應的機率 (\(P(X=x)\))。
2. 將所有結果加總。
變異數, \(Var(X)\)
這用來衡量數值距離平均值有多「分散」。
公式： \(Var(X) = E(X^2) - [E(X)]^2\)
記憶口訣： 「平方的平均減去平均的平方」。
要找出 \(E(X^2)\)，請先將每個 \(x\) 值平方，再乘以其機率：\(\sum x^2 \cdot P(X=x)\)。
線性變換
有時我們會改變變數，例如將分數加倍再加 5：\(Y = 2X + 5\)。以下是捷徑：
- 期望值： \(E(aX + b) = aE(X) + b\)（所有變動都會影響平均值！）
- 變異數： \(Var(aX + b) = a^2 Var(X)\)（只有乘數 \(a\) 會影響變異數，且必須平方。加上 \(b\) 並不會改變分散程度！）
類比： 想像一群學生排成一排。如果每個人都向右走兩步（加上 \(b\)），「平均」位置會移動，但學生之間的「間距」完全不變！
總結： \(E(X)\) 是平均值，計算方式為 \(\sum xP\)；\(Var(X)\) 是離散程度，計算方式為 \(E(X^2) - [E(X)]^2\)。加上常數會平移平均值，但不會改變變異數。
5.4 離散均勻分佈
這是一種特殊情況，每個結果的發生機率都相同。最常見的例子是公平的骰子，或是每個區塊等大的轉盤。
如果變數 \(X\) 可以取值 \(1, 2, 3, ..., n\)，且每個結果的機率都是 \(\frac{1}{n}\)，那麼 \(X\) 就服從離散均勻分佈 (Discrete Uniform Distribution)。
均勻分佈的性質（由 1 到 \(n\)）：
- 平均值： \(E(X) = \frac{n+1}{2}\)
- 變異數： \(Var(X) = \frac{(n+1)(n-1)}{12}\)
別擔心，如果這看起來很複雜的話！
你不一定要死記這些均勻分佈的特殊公式。你仍然可以使用我們在上一節學到的標準 \(\sum xP\) 和 \(E(X^2) - [E(X)]^2\) 方法。它們會得到相同的答案！
總結： 在均勻分佈中，所有機率都相等。如果結果是從 1 開始的連續整數，你可以使用平均值與變異數的捷徑公式。
章節總結
重點摘要：
- 離散變數是可數的。
- 所有機率之和永遠為 1。
- \(F(x)\) 是「小於或等於」的機率。
- \(E(X)\) 是平均值；\(Var(X)\) 是離散程度。
- 對於 \(Var(aX+b\)，記得要將 \(a\) 平方並忽略 \(b\)！
繼續練習表格計算——一旦你掌握了乘法與加法的節奏，這一章將成為 S1 考試中最能穩定拿分的部分！