假设 p 值为 0.11，但我们如何解释它？p 值为 0.11 意味着我们对结果有 89% 的把握。换句话说，结果有 11% 的几率是随机的。类似地，p 值为 0.05 意味着结果有 5% 的可能性是由于随机机会造成的。
注意：p 值越低，结果越确定。
如果来自随机变量 B 的样本均值的平均值结果为 15，这是一个更极端的值，则 p 值将低于 0.11。
8. 随机变量的期望值
随机变量的期望值是该变量所有可能值的加权平均值。这里的权重是指随机变量取特定值的概率。
对于离散和连续随机变量，期望值的计算方式不同。
离散随机变量取有限多个或可数无限多个值。一年中的下雨天数是一个离散的随机变量。
连续随机变量取无数个无穷多的值。例如，从家到办公室的时间是一个连续随机变量。根据您测量它的方式（分钟、秒、纳秒等），它需要无数个无穷多的值。
离散随机变量的期望值公式为：
连续随机变量的期望值是用相同的逻辑但使用不同的方法计算的。由于连续随机变量可以取不可数的无穷多个值，因此我们不能谈论取特定值的变量。我们更专注于价值范围。
9. 条件概率
概率仅表示事件发生的可能性，并且始终取 0 到 1（包括 0 和 1）之间的值。事件 A 的概率表示为 p(A) 并计算为期望结果的数量除以所有结果的数量。例如，当您掷骰子时，得到小于 3 的数字的概率为 2 / 6。所需结果的数量为 2（1 和 2）；总结果数为 6。
条件概率是给定与事件 A 相关的另一个事件已经发生的情况下事件 A 发生的可能性。
假设我们将 6 个蓝色球和 4 个黄色球放在两个盒子中，如下所示。我请你随机挑选一个球。得到蓝球的概率是 6 / 10 = 0.6。如果我让你从盒子 A 中挑选一个球怎么办？捡到蓝球的概率明显降低。这里的条件是从盒子 A 中挑选，这显然会改变事件的概率（挑选一个蓝色球）。给定事件 B 发生的事件 A 的概率表示为 p(A|B)。
