离散型随机变量是指其可能取值为有限个或可数无限个的随机变量，通常对应计数型数据，例如抛硬币正面次数、产品缺陷数量等。 离散型随机变量的概率分布由概率质量函数（PMF）描述，每个取值对应一个非负概率，且所有概率之和为1。常见的离散型分布包括伯努利分布、二项分布、泊松分布和几何分布。在实际应用中，离散型随机变量广泛用于质量控制、金融风险建模、网络流量分析等领域。理解离散型随机变量的核心在于区分其取值是“可数”的，与连续型随机变量（如身高、温度）形成对比。
【常见问题】
问题1：离散型随机变量和连续型随机变量的主要区别是什么？
回答1：离散型随机变量的取值是可数（有限或无限可数）的，例如掷骰子的点数；而连续型随机变量的取值是连续区间内的不可数无穷多个，例如身高。离散型随机变量用概率质量函数描述，连续型用概率密度函数描述。
问题2：如何判断一个随机变量是离散型随机变量？
回答2：如果该随机变量的可能取值是有限个（如0、1、2）或可数无限个（如自然数1,2,3,…），并且每个取值对应一个非负概率，则它是离散型随机变量。例如，一天内接到的电话数量是离散型随机变量。
问题3：离散型随机变量有哪些常见分布？
回答3：常见离散型随机变量分布包括：伯努利分布（单次试验成功/失败）、二项分布（n次独立伯努利试验的成功次数）、泊松分布（单位时间内事件发生次数）、几何分布（首次成功所需的试验次数）等。
问题4：离散型随机变量的期望和方差如何计算？
回答4：期望E(X) = Σ [x P(X=x)]，方差Var(X) = Σ [(x - E(X))² P(X=x)]。对于离散型随机变量，直接对每个取值与其概率的乘积求和即可。