Year12 MATH 3-4-1 Discrete and continuous random variables

In QLD Year 12 Mathematical Methods Unit 4, the study of random variables focuses on quantifying outcomes of random phenomena, divided into discrete (counted) and continuous (measured) types. Unit 4 specifically delves into continuous random variables, the Normal distribution, and statistical inference, building upon previous studies of probability and discrete distributions. 

1. Discrete Random Variables (DRV) – Review/Context 

While often studied in earlier units, Discrete Random Variables (DRV) are essential for understanding the context of probability distributions. 

• Definition: Variables that take on distinct, countable, often integer values.
• Examples: Number of students in a class, number of heads in coin tosses, or number of defective items in a sample.
• Probability Distributions: Represented by tables or probability mass functions where the sum of probabilities equals 1.
• Context in Unit 4: These are used to understand the transition to binomial distributions and provide a baseline for understanding random behavior. 

2. Continuous Random Variables (CRV) – Unit 4 Focus 

Continuous Random Variables (CRV) represent data that can take on any value within an unbroken interval or range. 

• Definition: Measured quantities rather than counted, such as time, weight, height, or distance.
• Key Concept: The probability of a CRV taking an exact, specific value is zero. Probabilities are calculated over intervals, not at specific points.
• Probability Density Function (PDF): The probability of a range of values is found by calculating the area under a curve, defined by a function $f\left(x\right)$.
  • Requirements: $f\left(x\right)\ge 0$ and ${\int }_{-\infty }^{\infty }f\left(x\right)dx=1$.
• Cumulative Distribution Function (CDF): Defined as $F\left(x\right)=P(X\le x)$, which represents the accumulated probability up to a certain value.
• Key Techniques:
  • Using integration to find probabilities, mean (expected value), variance, and standard deviation.
  • Using relative frequencies and histograms from data to estimate probabilities. 

3. The Normal Distribution 

A major part of Unit 4 involves studying the normal distribution as a specific type of continuous random variable. 

• Normal Distribution Properties: Symmetric, bell-shaped curve defined by mean ($\mu$) and standard deviation ($\sigma$).
• Standardised Normal Distribution (𝑧-scores): Converting a normal variable $X$ to the standard normal variable $Z$ (mean 0, variance 1) using $z=\frac{x-\mu }{\sigma }$ to compare samples and calculate probabilities. 

4. Key Differences 

Feature	Discrete Random Variable	Continuous Random Variable
Data Type	Counted (e.g., 1, 2, 3)	Measured (e.g., 1.5, 2.75)
Values	Isolated/Separated	Unbroken Interval
Probability	$P(X=x)$ exists	$P(X=x)=0$
Formula	Summation ($\sum$)	Integration ($\int$)

Summary of Unit 4 Learning Outcomes 

Students in QLD Mathematical Methods are required to: 

• Use PDFs and CDFs to calculate probabilities for continuous variables.
• Calculate the expected value (mean), variance, and standard deviation of a CRV.
• Apply normal distribution properties to solve problems.
• Use intervals of data to determine probabilities. 

********************************************************************************************************************************************************

QLD 12年生数学指導法ユニット4では、確率変数の学習において、ランダム現象の結果を定量化することに焦点を当て、離散型（カウント型）と連続型（測定型）に分けられます。ユニット4では、特に連続型確率変数、正規分布、そして統計的推論について深く掘り下げ、確率と離散分布に関するこれまでの学習を基盤として学びます。

1. 離散確率変数（DRV） – 復習/背景

離散確率変数（DRV）は、これまでのユニットでも頻繁に学習されていますが、確率分布の文脈を理解する上で不可欠です。

定義：異なる、可算な、多くの場合整数となる値をとる変数。
例：クラスの生徒数、コイン投げで表が出た数、サンプルに含まれる不良品の数など。
確率分布：確率の総和が1となる表または確率質量関数で表されます。
ユニット4での背景：二項分布への移行を理解し、ランダムな振る舞いを理解するための基準を提供するために使用されます。

2. 連続確率変数（CRV） – ユニット4の焦点

連続確率変数（CRV）は、途切れることのない区間または範囲内で任意の値を取る可能性のあるデータを表します。

定義：時間、体重、身長、距離など、数えられるのではなく測定される量。
主要概念：CRVが特定の値を正確に取る確率は0です。確率は特定の点ではなく、区間全体で計算されます。
確率密度関数（PDF）：ある範囲の値の確率は、関数 $f(x)$ で定義される曲線の下の面積を計算することで求められます。
要件: ($f(x)\ge 0$) かつ ($\int _{-\infty }^{\infty }f(x)dx=1$)
累積分布関数 (CDF): $F(x)=P(X\le x)$ と定義され、ある値までの累積確率を表します。
主要な手法: 積分を用いて確率、平均（期待値）、分散、標準偏差を求める。データの相対度数とヒストグラムを用いて確率を推定する。

3. 正規分布

ユニット4では、主に連続確率変数の一種である正規分布について学習します。

正規分布の特性: 平均 ($\mu$ ) と標準偏差 ($\sigma$ ) によって定義される対称的なベル型曲線。
標準化正規分布 (z スコア): ($z=\frac{x-\mu }{\sigma }$) を使用して正規変数 ($X$) を標準正規変数 ($Z$) (平均 0、分散 1) に変換し、サンプルを比較して確率を計算します。

4. 主な違い

特徴	離散確率変数	連続確率変数
データタイプ	個数型（例：1、2、3）	測定値型（例：1.5、2.75）
値	分離型	連続区間
確率	𝑃(𝑋=𝑥)　存在	$P(X=x)=0$
計算式	和（$∑$）	積分（$∫$）

ユニット4 学習成果のまとめ

QLD数学的手法を学ぶ生徒は、以下のことが求められます。

連続変数の確率を計算するために、確率密度関数(PDF)と累積分布関数(CDF) を使用する。

連続確率変数(CRV) の期待値（平均）、分散、標準偏差を計算します。

正規分布の性質を適用して問題を解きます。

データの区間を用いて確率を求めます。