1.5 概率与统计基础
随机变量及其分布
重要程度：9 分
<h2>1.5 概率与统计基础 - 随机变量及其分布</h2>
<h3>一、随机变量的概念</h3>
<p>随机变量是将实验结果映射到实数上的函数。根据其取值特征，可以分为离散型随机变量和连续型随机变量。</p>
<h4>1. 离散型随机变量</h4>
<p>如果一个随机变量的所有可能取值为有限个或可列无限多个，则称该随机变量为离散型随机变量。</p>
<example>
<p><strong>例：</strong> 抛掷一枚骰子得到的点数X是一个典型的离散型随机变量，其可能取值为{1, 2, 3, 4, 5, 6}。</p>
</example>
<h4>2. 连续型随机变量</h4>
<p>如果一个随机变量可以在某个区间内任意取值，则称为连续型随机变量。</p>
<example>
<p><strong>例：</strong> 测量某地区一天内的平均气温Y（单位：℃），理论上Y可以在一定范围内取任何实数值，因此Y是一个连续型随机变量。</p>
</example>
<h3>二、概率分布</h3>
<p>描述随机变量取值规律的概率模型称为概率分布。</p>
<h4>1. 离散型随机变量的概率分布</h4>
<p>对于离散型随机变量X，其概率分布可以通过列出所有可能取值及对应的概率来表示。</p>
<example>
<p><strong>例：</strong> 设X表示抛掷两枚均匀硬币正面朝上的次数，则X的概率分布如下表所示：</p>
<table border="1">
<tr><th>X</th><th>P(X)</th></tr>
<tr><td>0</td><td>1/4</td></tr>
<tr><td>1</td><td>1/2</td></tr>
<tr><td>2</td><td>1/4</td></tr>
</table>
</example>
<h4>2. 连续型随机变量的概率密度函数</h4>
<p>连续型随机变量的概率分布通常通过概率密度函数f(x)来描述，其中f(x)满足非负性和归一性条件。</p>
<example>
<p><strong>例：</strong> 假设X服从[0, 1]区间上的均匀分布，则其概率密度函数为f(x) = 1 (当0 ≤ x ≤ 1时)，否则f(x) = 0。</p>
</example>
<h3>三、期望与方差</h3>
<p>期望反映了随机变量长期平均值的趋势；而方差则衡量了随机变量取值相对于其期望值的分散程度。</p>
<h4>1. 期望</h4>
<p>对于离散型随机变量X，若其所有可能取值为x₁, x₂, ..., xn，且各自发生的概率分别为p₁, p₂, ..., pn，则X的期望E(X)定义为E(X) = Σxᵢ * pᵢ。</p>
<example>
<p><strong>例：</strong> 对于上述抛掷两枚硬币的例子，X的期望E(X) = 0*1/4 + 1*1/2 + 2*1/4 = 1。</p>
</example>
<h4>2. 方差</h4>
<p>随机变量X的方差Var(X)定义为其各取值与期望之差平方后的平均值，即Var(X) = E[(X - E(X))²]。</p>
<example>
<p><strong>例：</strong> 继续以上述抛掷两枚硬币为例，计算得Var(X) = (0-1)²*(1/4) + (1-1)²*(1/2) + (2-1)²*(1/4) = 1/2。</p>
</example>
这段HTML代码简洁地总结了《物流数学》中关于随机变量及其分布的重点内容，并通过例子进行了具体说明，便于理解和记忆。