定义 随机变量分布律是描述离散型随机变量取各个可能值及其对应概率的完整数学模型。
从哪来 它建立在3.2 组合数（用于计算特定取值下的样本空间大小）和5.1 独立事件的定义（用于推导多次试验中特定序列发生的概率）之上。
为什么 随机变量 $X$ 将随机试验的结果映射为数值，但仅知道 $X$ 的取值范围（如 0, 1, 2）不足以刻画其规律。我们需要知道每个具体数值出现的“可能性大小”。分布律通过列出所有可能取值 $x_i$ 及其概率 $P(X=x_i)$，建立了数值与概率的一一对应关系，从而完整描述了随机现象的统计规律，为后续计算期望和方差提供基础。
适合类型：形象思维强、喜欢具体情境的学生**
**讲法：掷骰子与点数分布**
1. **情境引入
抛一枚均匀骰子，记点数 $X$。
2.
列举取值：$X$ 可能取 1, 2, 3, 4, 5, 6。
3.
计算概率：每个点数出现的概率都是 $1/6$。
4.
列表呈现：画一个两行六列的表格，第一行写 1-6，第二行写 $1/6$。
5.
总结：这个表格就是 $X$ 的分布律。强调“全”（所有可能值）和“对”（概率对应正确）。
适合类型：逻辑推理强、擅长抽象符号的学生**
**讲法：集合映射与概率测度**
1. **定义回顾
随机变量 $X: \Omega \to \mathbb{R}$ 是一个函数。
2.
事件分解：对于离散型 $X$，事件 $\{X=x_i\}$ 是样本空间 $\Omega$ 的一个子集。
3.
概率赋值：分布律本质上是给每个单点事件 $\{X=x_i\}$ 赋予概率 $p_i = P(X=x_i)$。
4.
性质验证：强调 $\sum p_i = 1$ 是概率公理（必然事件概率为1）在离散情形下的直接推论，因为 $\{X=x_i\}$ 构成了 $\Omega$ 的一个划分。
适合类型：喜欢动手操作、通过实验归纳规律的学生**
**讲法：抛硬币实验与频率稳定**
1. **实验设计
抛 100 次硬币，记录正面朝上的次数 $X$。
2.
数据收集：虽然理论上 $X$ 可取 0-100，但实际只会出现少数几个值。
3.
频率统计：统计每个 $x$ 出现的频率 $f_n(x)$。
4.
规律发现：随着试验次数增加，频率稳定在某个常数附近，这个常数就是概率 $p(x)$。
5.
构建分布：将稳定的频率整理成表格，即为分布律。强调分布律是频率的理论极限。