P｛X=x2｝=1-p=q
这种分布称为两点分布。 如果x1=1,x2=0,有
P｛X=1｝=p
P｛X=0｝=q
这时称X服从参数为p的0-1分布，它是离散型随机变量分布中最简单的一种。由于是数学家伯努利最先研究发现的，为了纪念他，我们也把服从这种分布的试验叫伯努利试验。习惯上，把伯努利的一种结果称为“成功”，另一种称为“失败”。
三、连续型随机变量的概率密度 定义2.3 对于随机变量X，如果存在一个非负可积函数f(x),-∞<x<+∞，使对于任意两个实数a，b(a<b)都有
P｛a<X<b｝=f(x)在a,b区域内的定积分 (由于排版水平过于低下，只有这样了，^o^)
则称X为连续型随机变量，称f(x)为X的概率分布密度函数，简称概率密度或分布密度，简记为X～f(x).
(1)f(x)≥0，对任何x∈(-∞，+∞)
(2)f(x)在(-∞，+∞)的区间内积分为1.
定义2.4 如果连续型随机变量X的概率密度f(x)为
①1/(b-a) a≤x≤b
②0 其他
则称X服从区间[a,b]上的均匀分布。
由定义可以看出服从均匀分布的随机变量，其概率密度函数在整个区间[a,b]上恒等于一个常数，并且这个常数就是该区间长度的倒数1/(b-a)。均匀分布是连续型随机变量中最简单的一种分布，也是常用的重要连续型分布之一。
四、随机变量的分布函数 离散型随机变量由其一切可能值和它取各个值的概率来描绘，连续型随机变量由概率密度函数来描绘。离散型和连续型，是实际中最重要的两类随机变量。但是除这两类随机变量外，还存在既不是离散型也不是连续型的随机变量。分布函数是概率论中重要的研究工具，它可以用于描绘包括离散型和连续型在内的一切类型的随机变量。
定义2.5 设X是任意一个随机变量，称函数
F(x)=P｛X<x｝,-∞<x<+∞
为随机变量X的分布函数。
F(x)包括下列性质：
1，0≤F(x)≤1 (-∞<x<+∞)；
2，F(x)是x的单调不减函数；
