「隨機」究竟是什麼意思（以及不是什麼意思）
在日常用語裡，「隨機」常指奇怪、不公平，或憑空冒出來——「怎麼會發生這麼隨機的事」。但在統計學裡，它的意思精確得多、也有用得多：在任何單一次發生時你無法預測它的結果，但只要觀察很多次，它就會呈現出一個穩定、可被掌握的規律。單擲一次硬幣無法預測；同一枚硬幣擲一萬次卻極度可預測：大約一半會是正面。
這是本篇最重要的觀念翻轉。隨機並不是「沒有規律」——而是一種只在「整體」中才顯現的規律。賭場無法告訴你輪盤下一轉是贏是輸；但它能幾乎精準到個位數地告訴你，一百萬轉下來它會賺多少。資料科學正活在這道縫隙裡：單一事件充滿不確定，但它們的整體行為卻規律到足以讓一門生意押注其上。
隨機可以來自兩個截然不同的源頭，把它們分開來看會很有幫助。有些是製程裡真正內建的機遇——放射性衰變、量子雜訊、充分洗勻的一副牌。但資料中的大多數隨機，其實是我們自己的無知：下一位顧客會不會點擊，原則上由他的心情、螢幕、天氣，以及上百個我們從未測量的原因所決定。正因為我們看不見那些原因，從我們的角度看，這個結果的行為就和機遇一模一樣。對於做統計而言，源頭通常不重要——兩者我們都用同一套方式來建模。
一分鐘講完機率：長期相對次數
機率不過是一個介於 0 與 1 之間的數字，用來衡量某件事在「長期」中發生的頻繁程度。0 代表從不發生；1 代表總是發生；1/2 代表發生與不發生的次數差不多。整個概念就這麼簡單。當我們說一顆公正的六面骰子擲出 4 的機率是 1/6，我們其實是在做一個具體、可檢驗的宣稱：如果你擲 6,000 次，你大約應該看到 1,000 個 4。
這就是機率的頻率學派讀法（之所以這樣命名，是因為它把機率綁在長期相對次數上）：一個事件的機率，就是在相同條件下不斷重複這個情境時，它會發生的那個比例。對於每個結果機會均等的情況——公正的骰子、洗勻的牌——你只要數一數就能算出機率。
當各結果機會均等時，算機率就是在數數。擲出 4：六個面中有一個是我們要的，所以是 1/6 ≈ 0.167。
兩條規則能帶你走很遠。第一，每個機率都落在 0 與 1 之間——你永遠不會看到 −0.3 或 1.4。第二，如果你把一次試驗所有可能的結果都列出來、彼此不重疊、也沒有遺漏，它們的機率加起來剛好等於 1。骰子六個面各有 1/6 的機率，而 6 × 1/6 = 1：總得發生某件事。所有可能結果所成的集合稱為樣本空間（sample space），而我們在意的「某件事」——例如「擲出偶數」——則是一個事件（event），它不過是一些結果的集合。
兩點誠實的提醒。長期的圖像是一種理想化：你其實永遠不會真的把骰子擲無限多次，而一枚公正的硬幣完全可能連續出現七次正面——那是隨機，不是壞掉的硬幣。另外，機率對於「你下一次單獨會得到哪個結果」什麼都沒說。如果有人告訴你連出好幾次正面後硬幣「該」出反面了，那他就中了賭徒謬誤（gambler’s fallacy）的圈套；硬幣沒有記憶。
如果你想要把規則慢慢鋪陳一遍——樣本空間、事件，以及機率如何相加相乘——可參考機率基礎與樣本空間與事件。但就我們的目的而言，上面這個一分鐘版本已經足夠讓我們上路了。
用一張具體的表格講條件機率與獨立性
大多數真實的問題都不是「這件事有多可能？」，而是「在我已經知道的前提下，這件事有多可能？」後者就是條件機率（conditional probability）：當你已經得知另一件事為真之後，某件事發生的機會。記號 P(A | B) 唸作「在 B 之下 A 的機率」，那一條直槓就是「在⋯⋯之下」的意思。它幾乎是你日後用資料做任何預測時背後的引擎。
我們用一個小小的行銷資料集把它變具體。想像有 1,000 位電子報訂閱者。我們寄了一封信給他們，之後記錄了誰打開、誰後來購買。下面這四個格子——一張列聯表（contingency table，就是把兩個是／否變數交叉統計）——裝著整個故事。
bought did not buy row total opened email 80 320 400 did not open 20 580 600 -------------------------------------------------- column total 100 900 1,000
先看最樸素、沒有條件的購買率。1,000 人中有 100 人購買，所以 P(購買) = 100/1,000 = 0.10，也就是 10% 的機會。現在我們以「有打開信件」為條件。在 400 位打開者中有 80 人購買，所以 P(購買 | 打開) = 80/400 = 0.20——20% 的機會。在 600 位未打開者中只有 20 人購買，所以 P(購買 | 未打開) = 20/600 ≈ 0.033，約 3.3%。多知道一個事實——他們打開了嗎？——就把我們對購買機率的估計，從 10% 移動到 20% 或 3.3%。這個「移動」正是「下條件」的全部價值。
公式：兩件事都發生的機率，除以你所依據的那件事的機率。這裡 P(購買且打開)=80/1000、P(打開)=400/1000，1000 約掉後就得到 80/400。
現在看另一面。當得知其中一件事「完全不會」改變你對另一件事的判斷時，這兩個事件就是獨立（independence）的——下了條件，機率卻動也不動。嚴格地說，若 P(A | B) = P(A)，則 A 與 B 獨立，這等價於說它們的聯合機率可以拆成乘積：
把獨立性看成乘法。兩次公正的擲硬幣：P(先正面再正面) = 0.5 × 0.5 = 0.25，因為第一次的結果對第二次毫無透露。
我們的「打開信件」與「購買」顯然不獨立：若它們獨立，P(購買 | 打開) 應該等於樸素的 P(購買)＝10%，但它是 20%。打開與購買是結伴同行的。相對地，兩次公正的擲硬幣是獨立的——硬幣沒有記憶，第二擲不理會第一擲。而從一副牌中抽兩張、抽完第一張不放回，就不獨立：抽走黑桃 A 會改變剩下的牌。
更多範例請見條件機率與獨立性。老實說，能用正確的方式下條件，並察覺獨立性在何時悄悄失效——這正是「謹慎的分析師」與「自信的分析師」之間很大一部分的差別。
隨機變數：把結果變成數字
到目前為止，我們的結果都是文字——正面、打開、一個 4。要對「機遇」做算術，我們需要數字。隨機變數（random variable）不過是一條規則，把一個數字貼到隨機過程的每個結果上。最經典的日常例子：擲三枚硬幣，令 X 為正面的個數。無論發生什麼，X 都是 0、1、2、3 其中之一，而在擲之前，會是哪一個是機遇的事。我們通常用大寫字母（X）寫這個變數，用小寫字母（x）寫它取到的某個特定值。
把這個變數所有可能的取值，連同每個取值的機率一併列出來，你就有了它的機率分配（probability distribution）——一個隨機變數完整的指紋。三枚公正硬幣共有八個機會均等的結果，數一數每種正面個數各對應幾種結果，就得到：
X = number of heads in 3 coin flips
x outcomes that give it P(X = x)
0 TTT 1/8 = 0.125
1 HTT, THT, TTH 3/8 = 0.375
2 HHT, HTH, THH 3/8 = 0.375
3 HHH 1/8 = 0.125
total: 8/8 = 1隨機變數有兩種風味。離散型（discrete）只能取一些彼此分開、原則上可以一一列出的值——正面個數、今天的客服工單數、1 到 5 顆星的評分。連續型（continuous）則能取某個範圍內的任何值——一個人的精確身高、到你下一次造訪網站的確切時間、一個溫度。對離散變數，我們可以給每個值一個機率；對連續變數，任何「剛剛好的單點值」機率基本上是零（沒有人「剛好」是 170.000⋯ 公分），所以我們改談「落在某個區間內」的機率，並把它想成曲線下的面積。等一下講鐘形曲線時，我們就會看到那條曲線。
為什麼要費事把結果變成數字？因為有了數字，我們才能「摘要」。與其隨身扛著整張八列的表，我們可以對任何隨機變數問兩個簡單的問題：它的中心在哪裡？它有多分散？這兩個數字——下一節登場——就描述了我們通常需要知道的絕大部分。
中心與分散：平均數、變異數、標準差
一個隨機變數的中心是它的期望值（expected value，又稱平均數）——如果你一遍又一遍地對它抽樣，你會得到的那個長期平均值。它不是「最可能的單一值」，甚至不一定是變數能取到的值；它是分配的「平衡點」。以公正的骰子為例，把六個面平均：(1+2+3+4+5+6)/6 = 3.5。你永遠擲不出 3.5，但成千上萬次的擲骰，平均起來剛好落在 3.5。
當各結果機會不均等時，相加之前先用各自的機率為每個值加權——也就是一個「以機率加權的平均」。以我們三枚硬幣的變數 X 為例，就是 0×(1/8) + 1×(3/8) + 2×(3/8) + 3×(1/8) = 12/8 = 1.5，平均 1.5 個正面，這完全合理：三枚硬幣，每枚平均貢獻半個正面。
期望值：走過每個可能的值，乘上它的機率，再相加。當各結果機會均等時，這就只是普通的平均數。
但只看中心可能會騙了你。想像兩檔基金，平均年報酬都是 5%。A 基金每年都穩穩地 +5%。B 基金則是好年 +25%、壞年 −15%，各一半機會。它們的平均數一模一樣（0.5×25 + 0.5×(−15) = 5），但持有它們是天差地別的兩回事。我們需要第二個數字，描述結果在中心附近「跳動」得多劇烈。那個數字就是變異數（variance），以及它更易讀的表親標準差（standard deviation）。
變異數是「與平均數距離的平方」的平均。為什麼要平方？否則高於與低於平均數的差距會互相抵消成零，而且平方也讓「大失誤」比「小失誤」受到更重的懲罰。對 A 基金，每個結果都剛好等於平均數，所以變異數是 0——沒有意外。對 B 基金，每個結果都離平均數 20 個百分點，所以變異數是 0.5×(20²) + 0.5×(20²) = 400。
變異數是「與平均數 μ（希臘字母『mu』）距離的平方」的期望值。標準差 σ（『sigma』）是它的平方根，會回到原本的單位。
平方把單位也「吹大」了——變異數 400 的單位是「百分點的平方」，這對人來說毫無意義。於是我們取平方根，回到單純的百分點：B 基金的標準差是 √400 = 20%，而 A 基金是 √0 = 0%。這才是人能「感覺到」的關鍵數字：B 基金的年報酬通常會落在離 5% 平均值約 20 個百分點之處。標準差是日常衡量「分散、風險與雜訊」的尺度——把它記牢；你會不斷用到它。
一座小小的分配動物園
少數幾個有名字的分配，就足以描述你日後會建模的隨機事物中相當大的一部分。把它們想成「樣板」：認出你問的是哪一類問題，正確的形狀就會連同公式、直覺與現成的工具一起到位。以下是第一天就值得認識的五種。
- 伯努利（Bernoulli）——一次成功機率為 p 的是／否試驗。一次擲硬幣、一位會點或不會點的訪客。其他分配都是由這個「原子」堆出來的。
- 二項（binomial）——在 n 次獨立伯努利試驗中成功的次數。寄出 10 封信、每封各以 0.2 的機率被打開；這 10 封會被打開幾封？我們三枚硬幣的「正面個數」就是一個 n = 3、p = 0.5 的二項分配。
- 卜瓦松（Poisson）——在固定的一段時間或空間內、稀少事件的計數，前提是每個事件可獨立發生。每小時的客服工單、每頁的錯字、每分鐘抵達的顧客。
- 均勻（uniform）——某個範圍內的每個結果機會均等。一顆公正的骰子、一個良好的亂數產生器在 0 到 1 之間取數。它刻意地平坦、毫無特徵。
- 常態（normal）——連續的鐘形曲線：對稱、單峰，大部分的「質量」集中在平均數附近，遠處的尾巴很薄。身高、測量誤差，以及——關鍵的——許多事物的平均。
五張並排的小圖：兩根長條的伯努利、隆起且對稱的二項、向右偏斜的卜瓦松、平坦的均勻，以及平滑對稱、鐘形的常態曲線。
選分配，真正在做的是「對上你資料生成的故事」，而不是去找「最貼合某張直方圖的曲線」。問問自己：每筆觀測是一次單一的是／否嗎？那就是伯努利。是在固定次數的嘗試中數成功幾次嗎？二項。是在一段區間內數稀少事件嗎？卜瓦松。是每個結果都機會均等嗎？均勻。而每當你看的是「平均」或「許多小影響的總和」時，就該懷疑是常態——這正是下一節。
為什麼常態分配無所不在
在所有形狀中，常態——那條鐘形曲線——是你最常遇到的一個，而背後有個深刻的原因。並不是大自然偏愛鐘形。而是：每當一個量是「許多小而獨立的影響的總和或平均」時，無論單個零件長什麼樣，這個總和都傾向於看起來像常態。一個人的身高是許多基因，加上營養、加上睡眠、加上機遇的總和——而身高就是鐘形的。一個測量誤差是數十個微小抖動的總和——而誤差就是鐘形的。這個近乎魔法的事實有個名字：中央極限定理（Central Limit Theorem）。
這裡有個迷你版的示範。單擲一顆骰子是均勻的——平坦，一點也不鐘形。但若你擲十顆骰子、取它們的平均，再把這件事重複幾千次、並把所有這些平均值畫出來：圖像會是一條乾淨的鐘形，中心在 3.5。單顆骰子的「平坦」消失了；取平均，從一個非常態的原料中「製造」出了常態的形狀。在下面試試看。
一個互動面板：選擇一個崎嶇不平的來源分配與一個樣本數；反覆抽樣並把樣本平均畫出來，會逐漸堆出一條平滑、對稱、鐘形的直方圖，而且隨樣本數增大而收窄。
鐘形之所以方便，是因為一旦你知道它的中心（平均數 μ）與分散（標準差 σ），你就完全掌握了它。這帶出了著名的經驗法則（empirical rule，又稱 68–95–99.7 法則），對任何常態分配都成立：約 68% 的值落在離平均數一個標準差之內、約 95% 在兩個之內、約 99.7% 在三個之內。如果成人身高平均 170 公分、標準差 7 公分，那麼約 95% 的人落在 156 到 184 公分之間——而一位 200 公分的人，離平均數超過四個標準差，是真正的罕見。
標準化（standardize）：減去平均數、再除以標準差，把任何值表達成「離平均幾個標準差」。那位 200 公分的人，z = (200−170)/7 ≈ 4.3。
最後這一點——平均會隨樣本變大而變得常態、可預測——正是整個領域旋轉所依的那個樞紐。它讓一份幾千人的調查能代表數百萬人，也賦予誤差範圍它的寬度。我們在這裡只是先預告；下一篇會讓它成為主秀。延伸閱讀：常態分配（數學細節見常態分配）、中央極限定理（其正式敘述），以及它較安靜的手足大數法則。