>>217
>207にはちょっとでよいからレスしてあげたら？

うーんと >>207より
”通常の計算方法を前提条件が成り立たないところで使って、間違った数字を叩き出した”
ですか？

彼ら 二人は、とてつもないオチコボレさんで
確率オンチですね

まず、下記”確率分布”から
”例えば、「サイコロ2個を振ったときの出た目の和」は確率変数である。この確率変数 X に対する分布は次の表のようになる”
とありますよね

「サイコロ2個を振ったときの出た目の和」：２〜１２の整数 これが 確率変数Xです
これをX軸にとり、Y軸に出現度数を取る。全体が6x6=36通りで、1/36 で 出現度数→確率 となります

このように、X軸の範囲が ２〜１２とか限られているときは、話は簡単です

さて、X軸の範囲が -∞〜+∞ に広がっている確率分布がある
典型例が、正規分布です
正規分布 X→±∞ で 頻度が 指数関数的に減衰します
なので、積分範囲が -∞〜+∞ でも、キチンと収束してくれまして、使いやすい

模擬試験の点数分布などを 正規分布に当てはめて 平均値や標準偏差を使って、ある生徒の全体での位置を近似することができます
（40だの60だのと）

さて、指数関数的に減衰する場合と比べて、減衰が遅いとか 減衰しない場合があります
減衰が遅くて、x^-1より遅いと 積分が収束してくれません（積分値が∞に発散する）
こうなると、全体Ωを１つまり P(Ω)＝1とできなくなります

ここが、単なる解析（積分）と 確率論との分かれ目ですね
それが、分からないオチコボレさん二人です。無知ですね。その一言ですｗ ；ｐ）

(参考)
ja.wikipedia.org/wiki/%E7%A2%BA%E7%8E%87%E5%88%86%E5%B8%83
確率分布
概要
例えば、「サイコロ2個を振ったときの出た目の和」は確率変数である。この確率変数 X に対する分布は次の表のようになる。

en.wikipedia.org/wiki/Probability_distribution
Probability distribution