定义 随机变量 $X$ 只取 0 和 1 两个值，且 $P(X=1)=p$，$P(X=0)=1-p$ 的分布。
从哪来 基于 3.2 组合数 理解单次试验中“成功”与“失败”两种互斥结果的计数逻辑，以及 5.1 独立事件的定义 确保单次试验结果的概率独立性，从而构建单次伯努利试验的数学模型。
为什么 在现实世界中，许多试验结果只有两种对立状态（如抛硬币正反面、射击命中与否）。若将“成功”记为 1，“失败”记为 0，则随机变量 $X$ 的取值空间被限制为 $\{0, 1\}$。由于概率公理要求所有可能结果的概率之和为 1，且“成功”概率设为 $p$，则“失败”概率必然为 $1-p$。这种离散化、二元化的建模方式，是处理复杂随机现象（如多次独立重复试验）的最基本单元。
讲法
适合：直观型、生活化思维的学生
讲法：抛硬币游戏
拿出一个硬币，规定正面朝上记为 1，反面朝上记为 0。
1. 问：抛一次，$X$ 可能取哪些值？（答：0 或 1）
2. 问：如果硬币公平，$P(X=1)$ 是多少？$P(X=0)$ 是多少？（答：0.5, 0.5）
3. 问：如果硬币被做了手脚，正面概率是 0.8，那么 $P(X=1)$ 和 $P(X=0)$ 分别是多少？（答：0.8, 0.2）
4. 总结：无论 $p$ 是多少，$X$ 只能取 0 或 1，且 $P(X=1)+P(X=0)=1$。这就是两点分布。
讲法
适合：逻辑型、符号化思维的学生
讲法：概率分布表推导
1. 定义随机变量 $X$，其取值集合为 $\{0, 1\}$。
2. 设 $P(X=1) = p$，其中 $0 \le p \le 1$。
3. 根据概率归一性：$\sum P(X=x_i) = 1$。
4. 推导：$P(X=0) + P(X=1) = 1 \Rightarrow P(X=0) = 1 - p$。
5. 列表展示：
| $X$ | 0 | 1 |
| :--- | :---: | :---: |
| $P$ | $1-p$ | $p$ |
6. 强调：这是离散型随机变量分布列的最简形式，是二项分布 $B(n, p)$ 当 $n=1$ 时的特例。
讲法
适合：抽象型、结构主义思维的学生
讲法：伯努利试验的代数映射
1. 引入“伯努利试验”概念：只有两种结果（成功/失败），且各次试验独立。
2. 将“成功”映射为数值 1，“失败”映射为数值 0。
3. 定义指示变量 $I$：若事件 $A$ 发生，$I=1$；若 $A$ 不发生，$I=0$。
4. 则 $I$ 服从两点分布，参数为 $P(A)$。
5. 意义：两点分布是连接“事件”与“数值”的桥梁，使得我们可以对事件进行代数运算（如求期望 $E[I]=p$，方差 $D[I]=p(1-p)$）。