AP 统计学 随机变量 — AP 统计学

1. 什么是随机变量？ ★☆☆☆☆ ⏱ 2 min

随机变量（RV）是将随机过程每个可能结果映射到唯一数值的函数。将结果转换为数值让我们可以使用数学工具分析随机过程，这是所有统计推断的基础。AP统计学的约定是：大写字母($X$, $Y$)表示随机变量，小写字母($x$, $y$)表示具体观测值。遵循这个标记规则可以避免自由回答题（FRQs）中出现混淆。

2. 离散型和连续型概率分布 ★★☆☆☆ ⏱ 3 min

离散型随机变量的概率分布会列出每个可能值$x$以及对应的概率$P(X=x)$。离散分布满足以下两个条件才是有效的：(1) $0 \leq P(X=x) \leq 1$ 对所有$x$，(2) 所有概率之和等于1。

连续型随机变量使用概率密度函数（pdf）描述概率，事件的概率是感兴趣区间内pdf曲线下的面积。一个关键性质：对任意单个值$x$都有$P(X = x) = 0$，因此对任意$a < b$都有$P(a < X < b) = P(a \leq X \leq b)$。任何有效pdf的曲线下总面积都等于1。

Exam tip: 在AP自由回答题中，一定要明确陈述并验证两个有效性条件；跳过一个条件几乎一定会失分。

3. 离散随机变量的期望值和方差 ★★★☆☆ ⏱ 4 min

随机变量$X$的期望值（或均值），记为$E(X)$或$\mu_X$，是随机过程无限重复时$X$的长期平均值。对于离散随机变量，期望值计算公式为：

E(X) = \mu_X = \sum x \cdot P(X=x)

方差记为$Var(X)$或$\sigma_X^2$，衡量分布围绕期望值的离散程度。它是偏离均值平方的期望值。离散随机变量方差最简便的计算公式是：

Var(X) = \sigma_X^2 = E(X^2) - [E(X)]^2

其中$E(X^2) = \sum x^2 \cdot P(X=x)$。标准差$\sigma_X = \sqrt{Var(X)}$，单位和原随机变量相同（方差的单位是原单位的平方，和标准差不同）。AP统计学不要求手动计算连续型随机变量的$E(X)$或$Var(X)$，但你必须知道它们的含义。

Exam tip: 在自由回答题中，即使题目没有明确要求，也一定要结合背景解释期望值；这是很多学生错过的常见送分点。

4. 随机变量的线性变换 ★★★☆☆ ⏱ 3 min

线性变换将随机变量$X$转换为新随机变量$Y = aX + b$，其中$a$和$b$是固定常数。常见例子包括单位换算，或给随机收益增加固定费用。$Y$的均值和方差规则如下：

E(aX + b) = aE(X) + b

Var(aX + b) = a^2 Var(X)

\sigma_{aX + b} = |a| \sigma_X

直观理解：加上常数$b$会让$X$的所有值都移动相同幅度，因此均值也移动$b$，但不会改变离散程度。乘以$a$会让均值缩放$a$倍，方差缩放$a^2$倍，因为方差的单位是平方单位。这些规则对所有随机变量都成立，无论是离散还是连续型。

Exam tip: 千万不要把常数$b$放入方差计算中；常见错误是写成$Var(aX + b) = a^2 Var(X) + b^2$，这是错误的。

5. 组合独立随机变量 ★★★★☆ ⏱ 3 min

我们经常需要计算两个随机变量和或差的均值和方差，例如两个门店的总利润，或两个柜台等待时间的差。期望的线性性对*所有*随机变量都成立，无论是否独立：

E(X \pm Y) = E(X) \pm E(Y)

对于方差，加法规则仅当$X$和$Y$独立时成立（一个随机变量的结果不影响另一个的概率分布）：

Var(X \pm Y) = Var(X) + Var(Y)

Exam tip: 当你遇到两个独立随机变量的差时，在做任何其他计算之前先写下方差相加，就能避免这个知识点最常见的错误。