概率与随机变量 (Probability and Random Variables) — AP Statistics Stats 学习指南

适合谁：AP Statistics 参加 AP Statistics 的考生。

覆盖内容：基础概率规则、条件概率与独立性、离散与连续随机变量、随机变量的均值与标准差、二项与几何分布五大核心考点。

前置知识：Algebra 2、基础概率直觉。

关于练习题：下文「练习题」一节的所有题目均为我们按 AP Statistics 风格编写的原创题目 (original problems)，仅用于教学。它们不是 College Board 真题的复制，措辞、数值或语境可能不同。请把它们当作练手用；评分细则请对照 College Board 官方 mark scheme。

1. 什么是概率与随机变量？

概率与随机变量是AP统计中量化随机现象的核心工具：概率 (probability) 是衡量不确定事件发生可能性的数值，范围在0到1之间；随机变量 (random variable) 则是将随机试验的结果映射为数值的函数，让你可以用代数方法分析随机现象。本单元对应AP Statistics CED第四单元，占考试总分的10%-20%，是后续抽样分布、置信区间、假设检验等统计推断内容的核心基础，选择题和自由问答题(FRQ)均会涉及。

2. 基础概率规则 (Basic Probability Rules)

首先明确三个核心定义：随机试验 (random experiment) 是可重复、结果不确定的操作（如掷骰子、抽卡片）；样本空间 (sample space, S) 是随机试验所有可能结果的集合；事件 (event) 是样本空间的子集。 概率的三大公理是所有推导的基础：

1. 非负性：任意事件A的概率 $P(A)\ge 0$
2. 规范性：样本空间的概率 $P(S)=1$
3. 可加性：若A、B为互斥事件 (mutually exclusive event)（不可能同时发生），则 $P(A\cup B)=P(A)+P(B)$ 由公理可推导两个常用规则：

• 补集规则：事件A不发生的概率 $P(A^c)=1-P(A)$
• 一般加法规则：对任意两个事件，$P(A\cup B)=P(A)+P(B)-P(A\cap B)$ 范例：掷一枚公平骰子，事件A为掷出偶数（概率$\frac{3}{6}=0.5$），事件B为掷出大于3的数（概率$\frac{3}{6}=0.5$），两者交集为掷出4、6，概率$\frac{2}{6}=\frac{1}{3}$，因此至少满足一个条件的概率 $P(A\cup B)=0.5+0.5-\frac{1}{3}=\frac{2}{3}$。

3. 条件概率与独立性 (Conditional Probability and Independence)

条件概率 (conditional probability) 是已知某事件B发生的前提下，另一事件A发生的概率，公式为： $$P(A|B)=\frac{P(A\cap B)}{P(B)},P(B)>0$$ 独立事件 (independent event) 指一个事件的发生不影响另一个事件的发生概率，满足两个等价条件：$P(A|B)=P(A)$ 或 $P(A\cap B)=P(A)P(B)$。 ⚠️ 考官常考辨析：互斥事件≠独立事件。互斥事件满足$P(A\cap B)=0$，除非$P(A)=0$或$P(B)=0$，否则不可能同时满足独立事件的条件，二者是完全不同的概念。 范例：从52张扑克牌中不放回抽2张，第一张抽中红桃的概率为$\frac{1}{4}$，若第一张已经抽中红桃，第二张抽中红桃的概率为$\frac{12}{51}\ne \frac{1}{4}$，因此两次抽牌结果不独立；若抽完放回，则两次抽牌独立，第二次抽中红桃的概率始终为$\frac{1}{4}$。

4. 随机变量：离散与连续 (Random Variables — Discrete and Continuous)

随机变量通常用大写字母（如X、Y）表示，按取值类型分为两类：

1. 离散随机变量 (discrete random variable)：取值为有限个或可数无穷个孤立的数值，如掷骰子的点数、一小时内进店的顾客数，每个取值对应一个非零的概率，用概率分布表 (probability distribution table) 描述。
2. 连续随机变量 (continuous random variable)：取值为某一区间内的所有实数，如人的身高、公交车的等待时间，单个取值的概率为0，用概率密度函数 (probability density function, PDF) 计算区间内的概率，即PDF曲线下对应区间的面积。 范例：设X为掷两次骰子的点数和，取值为2到12的整数，属于离散随机变量；设Y为某地铁站的乘客等待时间，取值为0到15分钟的任意实数，属于连续随机变量。

5. 随机变量的均值与标准差 (Mean and SD of a Random Variable)

随机变量的均值 (mean) 也叫期望 (expectation, E(X))，是随机变量长期重复试验的平均取值：

• 离散随机变量的期望：$E(X)=\sum x_{i}P(X=x_i)$，其中$x_i$为X的所有可能取值，$P(X=x_i)$为对应概率。 方差 (variance, Var(X)) 衡量随机变量取值的离散程度，公式为： $$Var(X)=E[(X-\mu {)}^2]=E(X^2)-[E(X){]}^2$$ 其中$\mu =E(X)$，标准差 (standard deviation, SD(X)) 为方差的正平方根，即$SD(X)=\sqrt{Var(X)}$。 线性变换规则（考官高频考点）：若a、b为常数，则： $$E(aX+b)=aE(X)+b$$ $$Var(aX+b)=a^{2}Var(X)$$ $$SD(aX+b)=|a|SD(X)$$ 注意：常数b不改变方差和标准差，只有系数a会放大/缩小离散程度。 范例：已知离散随机变量X的分布为$P(X=1)=0.2,P(X=2)=0.3,P(X=3)=0.5$，则$E(X)=1\ast 0.2+2\ast 0.3+3\ast 0.5=2.3$，$E(X^2)=1^2\ast 0.2+2^2\ast 0.3+3^2\ast 0.5=5.9$，$Var(X)=5.9-2.3^2=0.61$，$SD(X)=\sqrt{0.61}\approx 0.78$。

6. 二项分布与几何分布 (Binomial and Geometric Distributions)

这两类是AP统计中最常考的离散概率分布，需牢记适用条件和公式：

二项分布 (Binomial Distribution)

满足4个条件：①固定试验次数n；②每次试验独立；③每次只有两种结果（成功/失败）；④每次成功的概率p固定。记为$X\sim B(n,p)$，其中X为n次试验中成功的总次数。 核心公式：

• 概率公式：$P(X=k)=\left(\genfrac{}{}{0ex}{}{n}{k}\right)p^k(1-p{)}^{n-k}$，其中$\left(\genfrac{}{}{0ex}{}{n}{k}\right)=\frac{n!}{k!(n-k)!}$为组合数
• 期望：$E(X)=np$
• 方差：$Var(X)=np(1-p)$

几何分布 (Geometric Distribution)

满足条件：独立重复试验，直到第一次成功为止，记为$X\sim G(p)$，其中X为第一次成功时的总试验次数（AP统计统一采用该计数定义，不要和“第一次成功前的失败次数”混淆）。 核心公式：

• 概率公式：$P(X=k)=(1-p{)}^{k-1}p$
• 期望：$E(X)=\frac{1}{p}$
• 方差：$Var(X)=\frac{1-p}{p^2}$ 范例：某射击运动员命中率为0.7，①射击10次，命中次数$X\sim B(10,0.7)$，期望$E(X)=7$，$P(X=8)=\left(\genfrac{}{}{0ex}{}{10}{8}\right)\ast 0.7^8\ast 0.3^2\approx 0.233$；②射击到第一次命中为止，总次数$Y\sim G(0.7)$，$P(Y=3)=0.3^2\ast 0.7=0.063$，期望$E(Y)=\frac{1}{0.7}\approx 1.43$次。

7. 常见陷阱 (Common Pitfalls)

1. 错误做法：认为互斥事件就是独立事件。原因：混淆两类事件的定义，误以为“不相关”就是“独立”。正确做法：互斥事件不能同时发生（$P(A\cap B)=0$），独立事件互不影响概率，除非某事件概率为0，否则二者不可能同时成立。
2. 错误做法：计算连续随机变量的单个点概率$P(X=a)$。原因：把离散变量的计算逻辑套用到连续变量上。正确做法：连续变量单个点的概率为0，仅计算区间概率$P(a<X<b)$。
3. 错误做法：线性变换时直接给标准差加常数，即$SD(aX+b)=aSD(X)+b$。原因：忘记标准差衡量离散程度，常数不改变数据的离散度。正确做法：$SD(aX+b)=|a|SD(X)$，常数b无影响。
4. 错误做法：几何分布计数时把失败次数当成总次数，用$E(X)=\frac{1-p}{p}$计算期望。原因：不同教材几何分布定义不同，未记住AP的统一规则。正确做法：AP统计中几何分布X是第一次成功的总试验次数，期望为$\frac{1}{p}$。
5. 错误做法：计算条件概率时忽略$P(B)>0$的前提，分母为0仍代入公式。原因：只记公式忽略适用条件。正确做法：条件概率仅在已知事件B的概率大于0时有意义。

8. 练习题 (AP Statistics 风格)

习题1

某高中高二共200名学生，其中80人选修微积分，60人选修统计，25人同时选修两门课。 (1) 随机选1名学生，求至少选修一门课的概率； (2) 已知该学生选修了统计，求他也选修微积分的概率。

解答

(1) 用一般加法规则： $P(微\cup 统)=P(微)+P(统)-P(微\cap 统)=\frac{80}{200}+\frac{60}{200}-\frac{25}{200}=\frac{115}{200}=0.575$ (2) 用条件概率公式： $P(微|统)=\frac{P(微\cap 统)}{P(统)}=\frac{25/200}{60/200}=\frac{25}{60}\approx 0.417$

习题2

已知离散随机变量X的概率分布为$P(X=-1)=0.2,P(X=0)=0.5,P(X=1)=0.3$，求$E(2X+3)$和$SD(2X+3)$。

解答

先算X的期望和方差： $E(X)=(-1)\ast 0.2+0\ast 0.5+1\ast 0.3=0.1$ $E(X^2)=(-1{)}^2\ast 0.2+0^2\ast 0.5+1^2\ast 0.3=0.5$ $Var(X)=0.5-0.1^2=0.49$，$SD(X)=\sqrt{0.49}=0.7$ 用线性变换规则： $E(2X+3)=2\ast 0.1+3=3.2$ $SD(2X+3)=2\ast 0.7=1.4$

习题3

某咖啡店消费满额抽奖的中奖率为0.15，(1) 某顾客买4杯咖啡，求恰好中1次奖的概率；(2) 某顾客连续抽奖直到第一次中奖，求他抽了至少3次的概率。

解答

(1) 中奖次数$X\sim B(4,0.15)$： $P(X=1)=\left(\genfrac{}{}{0ex}{}{4}{1}\right)\ast 0.15^1\ast 0.85^3=4\ast 0.15\ast 0.614125=0.368$ (2) 第一次中奖的总次数$Y\sim G(0.15)$，抽至少3次等价于前2次都没中奖： $P(Y\ge 3)=(0.85{)}^2=0.7225$

9. 速查表 (Quick Reference Cheatsheet)

10. 接下来怎么学

本单元是AP统计后续内容的核心基础，你接下来会学到的抽样分布、置信区间、假设检验等统计推断模块，全部依赖本单元的概率规则推导结论，掌握好本单元的公式和逻辑，能帮你大幅降低后续内容的学习难度。本单元考点在选择题中常考概念辨析和简单计算，在FRQ中常和统计推断结合出题，建议你多练不同场景的分布应用题。 如果在练习过程中遇到任何疑问，或者需要更多针对性的真题训练，随时可以到小欧主页提问，我们会为你提供个性化的辅导。