欢迎来到概率的世界！
你有没有想过，玩游戏赢钱的机会有多大？掷硬币掷出“正面”的机会是多少？又或者，天气预报说“有八成机会下雨”到底是什么意思？这些都跟概率有关！概率是数学的一个分支，它告诉我们某件事情发生的可能性有多大。这是一项超级有用的技能，可以帮助我们在游戏、科学和日常生活中做出更明智的决定。别担心这听起来很复杂，我们会把它拆解成简单又有趣的步骤。我们开始吧！
1. 必然事件、不可能事件和随机事件
首先，让我们学习概率中三种主要的事件类型，或者说“可能发生的事情”。
必然事件
必然事件是指肯定会发生的事情。毫无疑问！
例子：
- 如果你把一本书掉到地上，它会往下掉（感谢地心引力！）。
- 星期一之后的一天永远是星期二。
- 如果一个袋子里只有红球，你肯定会抽到一个红球。
不可能事件
不可能事件是指永远、永远不会发生的事情。机会是零！
例子：
- 一条鱼会开始唱歌剧。
- 你在一个正常的六面骰子上掷出“7”。
- 如果一个袋子里只有红球，不可能抽到一个蓝球。
随机事件
随机事件是指结果在发生前不能确定的事件。它可能会发生，也可能不会发生。这正是概率变得真正有趣的地方！
例子：
- 掷硬币并掷出“反面”。
- 赢得幸运抽奖。
- 你最喜欢的足球队赢得下一场比赛。
重点回顾
事件可以是必然的（肯定会发生），不可能的（永远不会发生），或者是随机的（可能发生）。我们在概率中研究的大多数事情都是随机事件。
2. 什么是概率？（可能性测量器！）
把概率想像成一个“可能性测量器”，它测量某事件发生的可能性。这个测量器范围从0到1。
• 概率是0表示事件是不可能的。
• 概率是1表示事件是必然的。
• 概率是0.5（或1/2或50%）表示事件发生与不发生的机会均等，例如掷一枚均匀硬币掷出“正面”。
我们可以将概率写成分数、小数或百分比。
神奇的公式（理论概率）
当所有结果出现的机会均等时，我们使用以下公式计算事件的理论概率：
\(P(\text{event}) = \frac{\text{Number of favourable outcomes}}{\text{Total number of possible outcomes}}\)
让我们来拆解一下这个公式：
• 有利结果（Favourable Outcomes）：这是一种较为学术的说法，意思是你“感兴趣的结果”或“可以赢的方式”。
• 所有可能结果（Total Possible Outcomes）：这是所有可能发生的单一事件的总和。
例子：掷骰子
想像一下，你想找出在一个标准六面骰子上掷出“4”的概率。
- 有利结果的数目是1（因为只有一个面是“4”）。
- 所有可能结果的总数是6（因为骰子可以落在1、2、3、4、5或6）。
\(P(\text{rolling a 4}) = \frac{1}{6}\)
所以，概率是六分之一。简单吧？
3. 理论概率 vs. 经验（实验）概率
到目前为止，我们探讨了理论概率，它是基于数学推理并假设所有结果出现的机会均等。
然而，我们也可以通过实际进行实验或收集数据来找出概率。这称为经验（或实验）概率。
\(\text{Empirical Probability} = \text{Relative Frequency} = \frac{\text{Frequency of the event occurred}}{\text{Total number of trials}}\)
例子：掷硬币100次
理论上，掷出正面的机会是 \(P(\text{Heads}) = \frac{1}{2} = 0.5\)。
假设你掷一枚真实的硬币100次，并掷出正面53次。经验概率就是：
\(\text{Empirical } P(\text{Heads}) = \frac{53}{100} = 0.53\)
重要特性：
当试验的总次数变得非常大时，经验概率会越来越接近理论概率！
4. 列出所有结果：样本空间
在我们计算概率之前，我们需要知道所有可能的结果。一个实验所有可能结果的完整列表或集合称为样本空间。
例如，掷骰子的样本空间是 {1, 2, 3, 4, 5, 6}。
当实验包含多个阶段或部分时，我们可以使用有组织的工具，例如表格（网格）、树形图或韦恩图来找出样本空间。
方法1：使用表格（或网格）
当你同时有两件独立的事情发生时（例如掷两个骰子），表格是完美的选择。
例子：掷两个骰子
让我们找出掷两个骰子时，数字之和的样本空间。
步骤1：设置一个表格。一个骰子的结果放在顶部，另一个骰子的结果放在侧面。
步骤2：通过将相应行和列的数字相加来填写中间的格。
骰子2
+ | 1 | 2 | 3 | 4 | 5 | 6
---|---|---|---|---|---|---
1 | 2 | 3 | 4 | 5 | 6 | 7
骰 2 | 3 | 4 | 5 | 6 | 7 | 8
子 3 | 4 | 5 | 6 | 7 | 8 | 9
1 4 | 5 | 6 | 7 | 8 | 9 | 10
5 | 6 | 7 | 8 | 9 | 10| 11
6 | 7 | 8 | 9 | 10| 11| 12
所有可能结果的总数是 6 × 6 = 36。现在我们可以轻松回答诸如“数字之和是7的概率是多少？”等问题。
只要数数表格里有多少个7就行了！总共有6个。所以，概率是：
\(P(\text{sum is 7}) = \frac{6}{36} = \frac{1}{6}\)
方法2：使用树形图
树形图非常适合分阶段或步骤进行的实验（例如多次掷硬币）。
例子：掷硬币两次
让我们找出掷硬币两次的样本空间。
步骤1：画出第一次掷硬币的“分支”（正面或反面）。
步骤2：从每个分支的末端，画出第二次掷硬币的分支。
步骤3：通过沿着每条路径从头到尾，列出最终结果。
第一次掷 第二次掷 结果
,- - - 正面 -> (正面, 正面) 或 HH
正面
`- - - 反面 -> (正面, 反面) 或 HT
,- - - 正面 -> (反面, 正面) 或 TH
反面
`- - - 反面 -> (反面, 反面) 或 TT
样本空间是 {HH, HT, TH, TT}。所有可能结果的总数是4。现在我们可以回答：“至少掷出一个‘正面’的概率是多少？”
有三个结果至少有一个“正面”（HH、HT、TH）。所以概率是：
\(P(\text{at least one Head}) = \frac{3}{4}\)
5. 让我们解决一些问题！
是时候运用我们的新技能了。我们将总是遵循这些步骤：
步骤1：找出所有可能结果的总数（即样本空间）。
步骤2：计算有利结果的数目。
步骤3：将它们代入概率公式并化简！
问题1：抽弹珠
一个袋子里有5个红弹珠、3个蓝弹珠和2个绿弹珠。抽到蓝弹珠的概率是多少？
步骤1：所有结果。弹珠总数是 5 + 3 + 2 = 10。
步骤2：有利结果。蓝弹珠的数目是3。
步骤3：计算。
\(P(\text{blue marble}) = \frac{3}{10}\)
问题2：运用我们的骰子表格
你掷两个骰子。数字之和大于9的概率是多少？
步骤1：所有结果。从我们的表格中，我们知道总共有36个结果。
步骤2：有利结果。让我们看看表格，数数数字之和大于9（即10、11或12）的结果。我们找到：(4,6)、(5,5)、(6,4)、(5,6)、(6,5)、(6,6)。这总共有6个有利结果。
步骤3：计算。
\(P(\text{sum} > 9) = \frac{6}{36} = \frac{1}{6}\)
常见错误提醒
• 忘记化简分数。务必将答案化为最简形式（例如，6/36应化简为1/6）。
• 错误计算所有结果的数目。要小心并有系统地计算。使用表格或树形图有助于避免错误！
6. 延伸学习：期望（Expectation）
（这是一个拓展课题，让你预先一睹高中概率的内容！）
期望（或期望值）是你重复进行一个实验很多很多次之后，所预期的平均结果。它帮助我们判断一个游戏是否公平，或者预测长期的结果会是怎样。
想像一个简单的游戏：你掷一个骰子。如果你掷出6，你赢得\$12。如果你掷出任何其他数字，你什么也没赢。那么，花\$1玩这个游戏值得吗？
如何计算期望值
步骤1：列出每个可能结果（价值，例如\$12或\$0）。
步骤2：找出每个结果的概率。
步骤3：将每个结果的价值乘以其概率。
步骤4：将这些结果相加。
让我们解决这个游戏问题：
结果1：赢得\$12。这个结果的概率是 \(P(\text{rolling a 6}) = \frac{1}{6}\)。
结果2：赢得\$0。这个结果的概率是 \(P(\text{not rolling a 6}) = \frac{5}{6}\)。
步骤3：
对于结果1：\(12 \times \frac{1}{6} = \$2\)
对于结果2：\(0 \times \frac{5}{6} = \$0\)
步骤4：
期望值 = \$2 + \$0 = \$2。
这意味着如果你重复玩这个游戏，你预计平均每局能赢得\$2。既然玩一局只花\$1，这是一个非常值得玩的游戏！
章节总结
恭喜你！你已经学会了概率的基本知识。
• 事件可以是必然、不可能或随机的。
• 概率的量度范围从0（不可能）到1（必然）。
• 理论概率： \(P(\text{event}) = \frac{\text{Favourable Outcomes}}{\text{Total Outcomes}}\)。
• 经验概率： \(\frac{\text{Frequency}}{\text{Total Trials}}\)，随着试验次数增加，它会越来越接近理论概率。
• 样本空间通过表格、树形图或列举法列出所有可能结果。
继续练习，你很快就会成为概率高手了！