概率分布图是指，在“横轴上设定表示事件的数值、在纵轴上设定概率”的图表。
图表16-6 骰子的概率分布图
通过观察图表，我们能够从视觉上对各事件的概率进行计算。例如，出现2≤x≤4的点数的概率，也就是2～4这3根柱子的高度之和，为：
接下来要做的是，描绘均匀分布的［0，1］-赌盘模型的概率分布图。该图为6根柱子组成的骰子的概率分布图，需要注意的是，虽然我们可以把它想象成由无限个细微的部分组成，但实际上还是有所差异的（图表16-7）。
首先，横轴上排列着无数个满足条件0≤x≤1的数值x。因此，图表只存在于0≤x≤1这一取值范围之内，横线AB的高度为1。这里需要注意的是，“高度1”所指的并非抽取到各个x的“概率”。实际上，正如方才解说的那样，对应各个x的整合性的概率值只有0，如果为1会很奇怪。例如，在x＝0.5时，纵向线段CD的长度1，而这并不是抽取到0.5的概率。
图表16-7 均匀分布的概率分布图
在诸如均匀分布这种连续型概率模型中，用来表示的概率并不是“高度”，而是“面积”。如果考虑面积的话，那么CD只是一条线段，面积为0，这样想就符合了整合性的要求。
例如，基本事件{0.5≤x＜0.7}的概率，也就是图表16-8中涂有颜色的长方形的面积。该长方形的横为0.2，纵为1，因此面积为0.2×1＝0.2，这与上一节中所解说的基本事件{0.5≤x＜0.7}的概率是一致的。
图表16-8 在连续型的概率分布图中，用面积表示概率
用比喻性的方式来解释“概率的密度”与“概率”的关系，则就像是“速度”和“距离”之间的关系。例如，“分速10米”并不是指“距离”意义上的米，而是指瞬间的速度。从这个意义上来讲，距离为0。“分速10米”表示：如果按照当前的状态持续1分钟，将会前进10米的距离。因此，如果以分速10米前进5分钟，那么前进的距离就是10×5＝50米。也就是说，速度是根据所花费的时间，首次转化为距离的量。而概率密度的含义也大致相同，是指根据区间所占的宽度，首次转换为概率的量。
第16讲·小结
1．抛硬币或掷骰子的试验，是各个数被设定为“大致相同”的概率模型。
2．在［0，1］-赌盘模型中，0≤x≤1的数值被设定为“大致相同”。
3．［0，1］-赌盘模型是均匀分布的概率模型，它的基础是事件{0≤x＜t}所占有的区间。
4．设定事件{0≤x＜t}的概率p（{0≤x＜t）为宽度t。
5．概率分布图是指，设定横轴为数值、纵轴为概率的图表。在连续型的情况下，纵轴则不用来表示概率本身，而是概率的密度。
6．均匀分布的概率分布图为水平直线（线段）。事件的概率就是长方形的面积。
7．在均匀分布中，（概率）＝（概率密度）×（区间的长度）
练习题
答案参见此处
运用［0，1］-赌盘模型，计算以下概率。
（1）p（0.2≤x＜0.7）＝（）
（2）p（（0.1≤x＜0.4）or（0.5≤x＜0.9））＝（）
（3）p（（0.3≤x＜0.7）与（0.4≤x＜0.8）的重叠部分）＝（）
