随机变量

随机变量是概率论的重要概念！理解随机变量，能帮助我们更好地描述和分析随机现象。

什么是随机变量？

随机变量（Random Variable）是将随机试验的结果映射到实数的函数。

简单理解

随机变量就像"用数字表示随机结果"：

• 随机试验的结果用数字表示
• 不同的结果对应不同的数字
• 可以用随机变量描述随机现象

定义

设 $\Omega$ 是样本空间，如果对于每个 $\omega \in \Omega$，都有一个实数 $X(\omega)$ 与之对应，则 $X$ 是一个随机变量。

例子

例子 1：掷骰子

• 样本空间：$\Omega = \{1, 2, 3, 4, 5, 6\}$
• 随机变量 $X$：点数
• $X(1) = 1$，$X(2) = 2$，$\ldots$，$X(6) = 6$

例子 2：抛硬币

• 样本空间：$\Omega = \{\text{正面}, \text{反面}\}$
• 随机变量 $X$：正面为 1，反面为 0
• $X(\text{正面}) = 1$，$X(\text{反面}) = 0$

随机变量的分类

离散随机变量

离散随机变量（Discrete Random Variable）是取值有限或可数的随机变量。

例子：

• 掷骰子的点数：$X \in \{1, 2, 3, 4, 5, 6\}$
• 抛硬币的结果：$X \in \{0, 1\}$
• 某班级的学生人数：$X \in \{0, 1, 2, \ldots\}$

连续随机变量

连续随机变量（Continuous Random Variable）是取值在某个区间内的随机变量。

例子：

• 人的身高：$X \in [0, +\infty)$
• 温度：$X \in (-\infty, +\infty)$
• 时间：$X \in [0, +\infty)$

离散随机变量的概率分布

概率质量函数

概率质量函数（Probability Mass Function，PMF）是离散随机变量取各个值的概率。

$$P(X = x_i) = p_i$$

其中 $p_i \ge 0$，且 $\sum_{i} p_i = 1$。

例子

例子：掷骰子

• 随机变量 $X$：点数
• 概率质量函数：
  • $P(X = 1) = \frac{1}{6}$
  • $P(X = 2) = \frac{1}{6}$
  • $P(X = 3) = \frac{1}{6}$
  • $P(X = 4) = \frac{1}{6}$
  • $P(X = 5) = \frac{1}{6}$
  • $P(X = 6) = \frac{1}{6}$

分布列

离散随机变量的概率分布可以用分布列表示：

$X$	$x_1$	$x_2$	$\cdots$	$x_n$
$P$	$p_1$	$p_2$	$\cdots$	$p_n$

连续随机变量的概率分布

概率密度函数

概率密度函数（Probability Density Function，PDF）是连续随机变量的概率密度。

$$f(x) \ge 0$$ $$\int_{-\infty}^{+\infty} f(x) dx = 1$$

概率计算

连续随机变量在区间 $[a, b]$ 内的概率：

$$P(a \le X \le b) = \int_{a}^{b} f(x) dx$$

注意：对于连续随机变量，$P(X = x) = 0$（单点的概率为 0）。

例子

例子：均匀分布

如果 $X$ 在 $[a, b]$ 上均匀分布，则概率密度函数：

$$f(x) = \begin{cases} \frac{1}{b-a} & \text{如果 } a \le x \le b \\ 0 & \text{其他} \end{cases}$$

随机变量的期望

离散随机变量

期望（Expectation）或均值（Mean）：

$$E(X) = \sum_{i} x_i P(X = x_i) = \sum_{i} x_i p_i$$

连续随机变量

$$E(X) = \int_{-\infty}^{+\infty} x f(x) dx$$

性质

• $E(aX + b) = aE(X) + b$（$a, b$ 是常数）
• $E(X + Y) = E(X) + E(Y)$
• 如果 $X$ 和 $Y$ 独立，则 $E(XY) = E(X)E(Y)$

随机变量的方差

定义

方差（Variance）：

$$\text{Var}(X) = E[(X - E(X))^2] = E(X^2) - [E(X)]^2$$

标准差

标准差（Standard Deviation）：

$$\sigma(X) = \sqrt{\text{Var}(X)}$$

性质

• $\text{Var}(aX + b) = a^2\text{Var}(X)$（$a, b$ 是常数）
• 如果 $X$ 和 $Y$ 独立，则 $\text{Var}(X + Y) = \text{Var}(X) + \text{Var}(Y)$

生活中的应用

统计

• 📊 数据分析：用随机变量描述数据
• 📈 统计推断：用随机变量进行统计推断

工程

• ⚙️ 质量控制：用随机变量描述质量
• 🏗️ 可靠性分析：用随机变量分析可靠性

科学

• 🔬 实验分析：用随机变量分析实验结果
• 📊 模型建立：用随机变量建立模型

常见错误

错误 1：离散和连续混淆

• 离散随机变量：取值有限或可数
• 连续随机变量：取值在某个区间内

错误 2：概率密度函数和概率混淆

• 概率密度函数：$f(x)$（不是概率）
• 概率：$\int_{a}^{b} f(x) dx$（是概率）

错误 3：期望和方差计算错误

要正确使用期望和方差的定义和性质。

小练习

1. 掷骰子，随机变量 $X$ 表示点数，求 $E(X)$ 和 $\text{Var}(X)$
2. 如果随机变量 $X$ 的概率质量函数是 $P(X = 1) = 0.3$，$P(X = 2) = 0.5$，$P(X = 3) = 0.2$，求 $E(X)$
3. 如果随机变量 $X$ 在 $[0, 1]$ 上均匀分布，求 $E(X)$ 和 $\text{Var}(X)$
4. 应用题：一个游戏中，玩家有 $50\%$ 的概率获得 10 分，$30\%$ 的概率获得 20 分，$20\%$ 的概率获得 30 分，求期望得分

---

💡 小贴士：随机变量是将随机试验的结果映射到实数的函数。记住：离散随机变量用概率质量函数，连续随机变量用概率密度函数。掌握随机变量，你就能更好地描述和分析随机现象！