伯努力試驗與二項分布 (Bernoulli Trial and Binomial Distribution)
國立成功大學統計系/東吳大學財務工程與精算數學系專任統計助教 杜柏毅
在生活中，有很多的事情都只有兩種結果 (outcome)，例如考試是否及格、明天是否下雨、丟擲銅板並觀察其結果。當一個試驗只有兩種可能結果（成功與失敗），且兩個結果出現之機率為固定（若成功機率為 \(p\)，則失敗機率為 \(1-p\)），我們稱這樣的試驗為伯努力試驗 (Bernoulli trial)。當我們重複進行多次相同的伯努力試驗（如丟擲一相同硬幣數次），且已知這些試驗之間的結果互相獨立（即這次試驗的結果不影響下次試驗的結果），則稱為二項實驗 (binomial experiment)。
淺談分配：甚麼是「機率分配」？ (Distribution: “What is Probability Distribution” ?)
國立成功大學統計系/東吳大學財務工程與精算數學系專任統計助教 杜柏毅
簡單而言，機率分配 (probability distribution) 是一個「衡量特定事件發生機率」的函數。在真正開始談論機率分配之前，我們必須先對機率函數 (probability function) 有所了解：
假設有一隨實驗 (random experiment)，其可能結果之樣本空間為 \(S\)。樣本空間中元素之集合稱為事件 (event)，記為 \(C_i\)，將樣本空間中所有事件之集合定義為 \(B\)。則機率函數 (probability function) 為 \(B\) 中事件發生的機率。
我們可以把隨機實驗理解為一個工廠，工廠中所有不同的產品即是樣本空間 \(S\)。將不同的產品包裝在一起成為組合商品則是事件 \(C_i\)，而所有的組合商品的集合就可以被定義為 \(B\)。機率函數就是 \(B\) 裡面，不同的產品被銷售出去的機率。
期望值(Expected Value)
臺北市立第一女子中學數學科蘇俊鴻老師
如果想要粗略估計隨機變數 \(X\) 的大小，期望值 \(E(X)\) 是一個常用的代表。
而期望值定義是：
若隨機變數 \(X\) 的機率分布如下
則隨機變數 X 的期望值 \(E\left( X \right) = {x_1}{p_1} + {x_2}{p_2} + \cdots + {x_n}{p_n} = \sum\limits_{i = 1}^n {{x_i}{p_i}} \)
換言之，隨機變數 \(X\) 的期望值是 \(X\) 的所有可能值的加權平均數。
初等的機率論（8）隨機變數及其種種性質
（Elementary Probability Theory-8. Random Variables and Its properties）
國立臺灣大學數學系蔡聰明副教授/國立臺灣大學數學系蔡聰明副教授責任編輯
摘要：本文分別介紹「離散型」與「連續型」機率分佈（probability distribution）中幾個重要的分佈：「二項分佈（binomial distribution）」、「Poisson分佈」、「常態分佈（normal distribution）」，進而導出其期望值與變異數。並將「Markov不等式」與「Chebyshev不等式」以機率的語言重述之。
一個隨機實驗做下來，就有初等機率空間 $$(\Omega,\mathfrak{A},P)$$，這是精煉隨機實驗所得到的原始機率資料。然而，我們有興趣觀測的往往是某個變量 $$X$$，定義在 $$\Omega$$ 上的一個實值函數 $$X:\Omega\rightarrow\mathbb{R}$$。這就是隨機變數的概念，在統計學上又叫做統計變量。$$X$$ 將 $$(\Omega,\mathfrak{A},P)$$ 上的機率資料，重新改訂成方便於使用的資訊。例如丟兩個骰子，我們要觀測「點數和」是多少。在每一賭局中，賭徒要觀察輸贏額。
初等的機率論（4）機率論的甕模型
（Elementary Probability Theory-4. Urn Model for Probability Theory）
國立臺灣大學數學系蔡聰明副教授/國立臺灣大學數學系蔡聰明副教授責任編輯
摘要：本文從「機率論是虛，記述統計是實」的論點出發，以實例引導我們從「記述統計」進入「機率論」的世界。
現在我們先把主題點出來：機率論和記述統計，幾乎完全一樣！只是一虛一實而已。機率論是虛，記述統計是實。
為了說明這一點，我們就想像這種情形：我把去年學生的成績做了完整的記錄，將每一位學生都想像為一個球 $$\omega_k$$，並且寫上該生的分數 $$x_k$$，全部裝到一個甕（urn）$$\Omega$$ 之中，於是有 $$\Omega=\{\omega_1,\omega_2,\dots,\omega_N\}$$，這叫做樣本空間（sample space）。