单元4：离散随机变量 Unit 4: Discrete random vari
数学大学
单元4：离散随机变量 Uni
概率论——不确定性的科学 · 单元4：离散随机变量 Unit 4: Discrete random variables
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
数学大学
单元4：离散随机变量 Uni
概率论——不确定性的科学 · 单元4：离散随机变量 Unit 4: Discrete random variables
单元概述 Unit overview
离散随机变量单元总览：从 PMF 到期望方差，覆盖最常用的几个离散分布。
主线
随机变量定义 → PMF → 期望与性质
明星分布
伯努利、二项、几何各就各位
已经解决了的问题 Solved
习题课示范：求 PMF、算期望、用线性性拆解复杂问题的完整流程。
题型
求分布、算期望、指示变量技巧
方法
先建模后计算，指示变量优先
附加的理论材料 Addition
延伸材料：期望存在的条件与更多分布族的补充讨论。
理论补充
期望可加性的严格表述与适用边界
拓展分布
超几何、帕斯卡等衍生分布
本节要点
- ✓单元主线：变量 → PMF → 期望
- ✓指示变量 + 线性性是解题利器
- ✓习题示范标准求解流程
延伸主题：完成课后指示变量题复习几何分布的无记忆性
课后思考
先自己回答，再展开参考答案——能讲出来才算真懂。
1指示变量技巧为什么被称为「化繁为简」的万能钥匙？
参考答案任何「符合条件就加一」的计数期望，都能拆成一个个 0-1 指示变量之和，每个指示变量的期望只与自身概率有关。复杂关联结构里算期望（如错排的期望），线性性让独立性问题直接消失。
2单元概述型内容的 deck 对学习者有什么独特价值？
参考答案它提供知识地图：先看到单元的路线图与重点分布，学习具体知识点时就知道自己在哪一步。官方图解把「结构」单独呈现，是正式内容的有益前菜。
3附加理论材料通常包含哪些内容？值得学吗？
参考答案一般是定理的严格证明、边界的反例与进阶分布族。对打好基础与应对深入面试有价值；初学可跳过，回头再补不影响主干理解。