随机变量与分布

一、从投篮命中看随机变量

体育课上，小明练习罚球，他的命中率是70%。我们关心他连续投10次命中的次数。这个次数在投篮前是不确定的，可能取0到10中的某个整数。像这样，随着试验结果变化而取不同值的变量，就叫做随机变量。用字母X表示命中次数，X就是一个随机变量。

随机变量分为两类：取值可以一一列举的称为离散型随机变量（如命中次数、骰子点数），取值充满某个区间的称为连续型随机变量（如灯泡寿命、身高）。

二、离散型随机变量的分布列

要完整描述一个离散型随机变量，需要知道它所有可能的取值以及每个取值对应的概率，这就是分布列（概率质量函数）。

设离散型随机变量X所有可能取值为$x_1, x_2, \ldots, x_n$，对应的概率为$p_1, p_2, \ldots, p_n$，则分布列满足：

• $0 \le p_i \le 1$
• $\sum_{i=1}^{n} p_i = 1$

分布列常用表格或图形表示。

从图中可以直观看到，当n=10，p=0.5时，k=5的概率最大，分布左右对称。

三、数字特征：期望与方差

分布列描述了随机变量的全貌，但有时候我们只需要一些概括性的数字，比如平均水平（期望）和波动程度（方差）。

• 数学期望（均值）：$E(X)=\sum_{i} x_i p_i$，反映随机变量取值的“中心”位置。
• 方差：$D(X)=\sum_{i} (x_i-E(X))^2 p_i = E(X^2)-[E(X)]^2$，衡量离散程度。

例如，一个均匀骰子，点数X的分布列为P(X=k)=1/6（k=1..6），计算期望：$E(X)=(1+2+...+6)/6=3.5$，方差：$D(X)=\frac{(1-3.5)^2+...+(6-3.5)^2}{6}\approx 2.92$。

四、两个重要离散分布

1. 二项分布

背景：n次独立重复试验，每次只有成功/失败两种结果，且成功概率p固定。记X为成功次数，则X服从二项分布 $X\sim B(n, p)$。

概率公式：$P(X=k)=C_n^k p^k (1-p)^{n-k}, \quad k=0,1,\dots,n$

期望与方差：$E(X)=np, \quad D(X)=np(1-p)$

2. 超几何分布

背景：从N件物品（其中M件次品）中不放回抽取n件，记X为次品数，则X服从超几何分布 $X\sim H(N,M,n)$。

概率公式：$P(X=k)=\frac{C_M^k C_{N-M}^{n-k}}{C_N^n}, \quad k=\max(0,n-N+M),\dots,\min(n,M)$

期望：$E(X)=n\frac{M}{N}$（与二项分布形式相同，但方差不同）

五、典型例题

六、常见误区与提醒

1. 混淆分布类型：二项分布要求独立重复试验且概率不变；超几何分布是一次性不放回抽取，概率随抽取变化。解题时先判断抽样方式。
2. 组合数公式记错：$C_n^k = \frac{n!}{k!(n-k)!}$，计算时可用递推或计算器辅助。
3. 期望方差公式生搬硬套：二项分布有简洁公式，但超几何分布期望与二项形式相同，方差不同，不能混淆。
4. 忽略分布列概率和为1：检验分布列是否完备的常用方法。

七、学习建议

• 多做列表练习：随手写出一个简单随机变量的分布列，并计算期望方差。
• 理解公式来源：二项分布的期望公式可以通过线性性质推导，而非死记。
• 利用图形辅助记忆：柱状图帮助理解概率分布的形状。
• 联系实际：体育比赛、产品质量检测等场景中都隐藏着随机变量。

八、知识链接

随机变量与分布建立在排列组合与古典概型的基础上。后续将会学习连续型随机变量、正态分布、大数定律等内容。掌握好离散型分布是理解概率论大厦的基石。

九、习题自测

1. 某同学投篮命中率为0.6，连续投篮5次，求命中次数X的分布列及E(X)。
2. 一个袋中有4个白球和3个黑球，随机取3球（不放回），求白球个数Y的分布列及至少2个白球的概率。
3. （拓展）已知随机变量X服从二项分布B(6,0.5)，求P(X≤2) 和 D(2X+1)。