随机变量与分布
从生活实例出发，引入随机变量的概念，理解离散型随机变量及其分布列，掌握分布列的性质与简单应用，为后续学习期望、方差及常见分布打下基础。
一、概念导入：从“不确定的结果”说起
同学们，生活中到处都有随机现象：抛一枚硬币，结果可能是正面或反面；掷一颗骰子，朝上的点数可能是1、2、3、4、5、6；明天是否下雨……这些随机试验的结果常常可以用数字来表示。比如，我们可以定义：
- 抛硬币：正面记作1，反面记作0。
- 掷骰子：点数本身就是一个数字。
这样，每个随机结果对应一个数值，这个随着试验结果而变化的量就叫随机变量。它就像给随机试验的每个结果贴上一个“数字标签”，方便我们用数学工具分析。
二、核心讲解：随机变量与分布列
2.1 什么是随机变量？
随机变量通常用大写字母 $X$、$Y$ 等表示，它所有可能的取值以及取每个值的概率一起构成它的完整描述。
如果 $X$ 的可能取值是有限的（比如1,2,3）或可列无穷多个（比如1,2,3,...），我们就称 $X$ 为离散型随机变量。高中主要研究离散型随机变量。
2.2 分布列 —— 给每个可能值配上概率
对于离散型随机变量 $X$，它取每一个值 $x_i$ 的概率为 $p_i = P(X = x_i)$。把这些 $p_i$ 按照 $x_i$ 的顺序列成表格（或写成分段函数形式），就得到了分布列。分布列必须满足两条基本性质：
- 非负性：$p_i \geq 0$ 对每一个 $i$
- 正则性：$\sum\limits_{i} p_i = 1$
这两条是判断一组数能否成为分布列的“金标准”。
2.3 两点分布（伯努利分布）
最简单的离散分布就是两点分布：随机变量 $X$ 只取两个值，通常记为 $0$ 和 $1$，且 $P(X=1)=p$，$P(X=0)=1-p$，其中 $0 \leq p \leq 1$。例如，抛一枚均匀硬币，定义“正面=1，反面=0”，则 $p=0.5$。两点分布是二项分布的“单次试验”版本。
三、典型例题
例1（基础）：已知随机变量 $X$ 的分布列如下：
| $X$ | 1 | 2 | 3 |
| $P$ | $0.2$ | $0.5$ | $m$ |
求：（1）$m$ 的值；（2）$P(X \leq 2)$。
解：
（1）由分布列性质 $\sum p_i = 1$，得 $0.2 + 0.5 + m = 1$，所以 $m = 0.3$。
（2）$P(X \leq 2) = P(X=1) + P(X=2) = 0.2 + 0.5 = 0.7$。
易错提醒：不要忘记分布列所有概率之和必须等于1；计算 $P(X \leq a)$ 时要包含所有 $X \leq a$ 的取值。
例2（中等）：从含有2件次品、3件正品的5件产品中随机抽取1件，定义随机变量 $Y = \begin{cases} 1 & \text{若取出次品} \\ 0 & \text{若取出正品} \end{cases}$。求 $Y$ 的分布列。
解：
总产品5件，次品2件，正品3件。$P(Y=1) = \dfrac{2}{5} = 0.4$，$P(Y=0) = \dfrac{3}{5} = 0.6$。因此 $Y$ 服从两点分布，分布列为：
$P(Y=0)=0.6$，$P(Y=1)=0.4$。
思路点拨：判断是否两点分布，只需看随机变量是否仅取0和1两个值。直接用古典概型计算概率即可。
例3（提升）：袋中有4个红球、2个白球，从中一次性随机摸出3个球。记 $X$ 为摸出的红球个数，求 $X$ 的分布列。
解：
$X$ 可能取值为 1, 2, 3（因为红球有4个，白球2个，摸3个球，红球最少1个（当2白1红），最多3个（全是红球））。
总方案数：$C_6^3 = 20$。
- $P(X=1) = \dfrac{C_4^1 \cdot C_2^2}{20} = \dfrac{4 \times 1}{20} = 0.2$
- $P(X=2) = \dfrac{C_4^2 \cdot C_2^1}{20} = \dfrac{6 \times 2}{20} = 0.6$
- $P(X=3) = \dfrac{C_4^3 \cdot C_2^0}{20} = \dfrac{4 \times 1}{20} = 0.2$
检验：$0.2+0.6+0.2=1$，正确。分布列如下：
| $X$ | 1 | 2 | 3 |
| $P$ | 0.2 | 0.6 | 0.2 |
常见误区：注意“一次性摸出3个”等同于不放回抽取，需用组合数；不要遗漏可能的取值（比如忘记 $X$ 可以取1）。
四、常见误区与学习建议
常见误区
- 分布列概率和不等于1：忘记验证，或者在求概率时漏乘、漏加。
- 混淆随机变量与普通变量：随机变量是不确定的，而普通变量是确定的数值。
- 忽略“≤”中包含等于：如 $P(X \leq 2)$ 包括 $X=2$ 的情况。
- 对超几何分布、二项分布混淆：目前阶段主要掌握分布列的通用求法（古典概型），后续会区分不同模型。
学习建议
- 动手列表：每遇到一个随机变量，先列出所有可能取值，再逐个计算概率，最后验证和为1。
- 图像助理解：尝试画出分布列的条形图或折线图，观察概率的分布形态。
- 联系古典概型：绝大部分离散分布列的计算都是通过计数（排列组合）完成的，复习好排列组合是基础。
五、知识链接
随机变量与分布是概率论的核心基础，它衔接了以下知识：
- 古典概型 → 随机变量：将事件数字化，方便用代数方法研究概率。
- 分布列 → 数学期望与方差：期望是“概率加权平均”，方差描述波动大小。
- 两点分布 → 二项分布：多次独立重复试验的每次结果设为0/1，总和就是二项分布。
- 超几何分布：不放回抽样中“成功次数”的分布。
掌握好离散分布列，后续学习连续型随机变量（均匀分布、正态分布）也会更轻松。
六、习题自测
- 已知随机变量 $X$ 的分布列：$P(X=0)=0.1$，$P(X=1)=0.3$，$P(X=2)=0.4$，$P(X=3)=0.2$，求 $P(X \geq 2)$ 和 $P(X<1)$。
- 投掷一枚质地不均匀的硬币，正面向上的概率为 $0.7$，反面向上为 $0.3$。定义 $Y=1$ 表示正面，$Y=0$ 表示反面。写出 $Y$ 的分布列并验证概率和为1。
- 一个盒子中有3个白球和2个黑球，从中不放回地连续摸出2个球。设随机变量 $Z$ 为摸出的白球个数，求 $Z$ 的分布列。
参考答案
- $P(X \geq 2) = P(X=2)+P(X=3)=0.4+0.2=0.6$；$P(X<1) = P(X=0)=0.1$。
- $P(Y=0)=0.3$，$P(Y=1)=0.7$，和为 $1$。
- $Z$ 可能取值 0,1,2。
$P(Z=0)=\dfrac{C_2^2}{C_5^2}=\dfrac{1}{10}=0.1$；$P(Z=1)=\dfrac{C_3^1 C_2^1}{C_5^2}=\dfrac{6}{10}=0.6$；$P(Z=2)=\dfrac{C_3^2}{C_5^2}=\dfrac{3}{10}=0.3$。检验和等于1。