欢迎来到概率的世界：理解随机性！
你好！在这一章中，我们将深入探索概率 (Probability) 的世界，简单来说，它就是研究随机性的数学。概率帮助我们衡量一个事件发生的可能性。无论是在查看天气预报、预测比赛结果，还是进行商业决策，概率都是日常生活中一项基本的技能。
如果起初觉得有些棘手，别担心！我们将从测量不确定性的最基础知识开始，一步步拆解每一个概念。让我们一起确保你对计算概率充满信心！
第一部分：概率标尺与单一事件 (C9.1 / E9.1)
概率标尺
概率总是通过 0 到 1 之间的标尺来衡量的。
- 0： 该事件是不可能的（例如，太阳从西边升起的概率）。
- 0.5 或 50%： 该事件有均等的几率（例如，抛一枚公平的硬币得到正面）。
- 1： 该事件是必然的（例如，人类需要呼吸的概率）。
概率可以用三种方式表示，你需要熟练掌握它们之间的转换：
- 分数（例如 \(\frac{1}{4}\)）
- 小数（例如 0.25）
- 百分数（例如 25%）
计算单一事件的概率
计算某一事件发生的概率，公式如下：
概率 (\(P\)) = \(\frac{\text{有利结果的数量}}{\text{所有可能结果的总数}}\)
例子： 一个袋子里有 3 个红球、5 个蓝球和 2 个黄球。选出一个蓝球的概率是多少？
- 所有可能结果的总数 = \(3 + 5 + 2 = 10\)
- 有利结果（蓝球）= 5
- 蓝球的概率 = \(\frac{5}{10} = \frac{1}{2}\) 或 0.5 或 50%。
互补事件
一个事件不发生的概率称为该事件的补集 (Complement)。由于概率之和必须等于 1（或 100%），我们使用一个简单的法则：
一个事件不发生的概率 = \(1\) – 该事件发生的概率。
如果事件 A 是掷骰子得到 6 点，那么“非 A”（或 \(A'\)）就是掷出 1, 2, 3, 4 或 5 点。
例子（来自大纲）： 一个计数器是蓝色的概率是 0.8。那么它不是蓝色的概率是多少？
\(P(\text{非蓝色}) = 1 - P(\text{蓝色}) = 1 - 0.8 = 0.2\)。
（Extended 补充： 事件 A 的补集的数学表示法是 \(P(A')\)。因此，\(P(A') = 1 - P(A)\)。）
关键要点（第一部分）
概率是一个从 0 到 1 的比值。务必确保你的最终概率结果已经化简（如果是分数），或者是题目要求的格式（小数或百分数）。某事“不发生”的概率等于 1 减去它“会发生”的概率。
第二部分：相对频率与期望结果 (C9.2 / E9.2)
什么是相对频率？
在第一部分中，我们讨论的是理论概率 (Theoretical Probability)（在理想世界中应该发生什么）。当我们进行实验时，我们会得到相对频率 (Relative Frequency)（也称为实验概率），这是实际发生的情况。
相对频率 = \(\frac{\text{事件发生的次数}}{\text{实验的总次数}}\)
课程大纲要求你理解相对频率是概率的一种估计值。你重复实验的次数越多，相对频率就越接近真实的理论概率。
公平性、偏差与随机性
这些术语描述了事件或实验的性质：
- 随机 (Random)： 所有结果发生的几率均等（例如，蒙着眼睛从帽子里抽名字）。
- 公平 (Fair)： 用于描述器材。公平的硬币或骰子意味着每个结果的理论概率是相等的（例如，\(P(\text{正面}) = 0.5\)）。
- 偏差 (Bias)： 用于器材不公平的情况。如果你掷骰子 100 次，其中 50 次是“6”，你会怀疑这个骰子有偏差，此时相对频率 (0.5) 相比理论概率 (\(\frac{1}{6}\)) 而言，是 \(P(6)\) 的一个更好的估计值。
计算期望频率
如果你知道一个事件的概率，你就可以估计在大规模试验中它会发生多少次。这就是期望频率 (Expected Frequency)。
例子： 火车晚点的概率是 0.15。如果下周有 300 趟火车运行，预计有多少趟火车会晚点？
预计晚点的火车 = \(0.15 \times 300 = 45\) 趟。
你知道吗？ 概率对于制造业的质量控制至关重要。如果制造商知道 1% 的产品有缺陷，他们可以使用期望频率来估算每个月会产生多少次品。
快速回顾（第二部分）
相对频率基于实验得出。期望频率利用已计算的概率来估计大规模群体中的结果。
第三部分：组合事件的概率 (C9.3 / E9.3)
当两个或多个事件同时发生（或先后发生）时，我们处理的是组合事件 (Combined Events)。我们使用图表来整理这些信息。
方法一：样本空间图 (Sample Space Diagrams)
这些是列出两个事件发生时所有可能结果的图表或表格。它们通常用于简单的、同时发生的事件，例如掷两枚骰子或抛两枚硬币。
例子： 掷两枚公平的六面骰子并求点数之和。
所有结果的总数（样本空间）是 \(6 \times 6 = 36\)。
要找到点数和为 7 的概率，我们计算所有组合：(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)。共有 6 种方式。
\(P(\text{和为7}) = \frac{6}{36} = \frac{1}{6}\)。
方法二：韦恩图 (Venn Diagrams)（仅限两个集合）
韦恩图非常适合可视化结果如何重叠或属于不同类别。
大纲将我们限制在涉及两个集合的问题中。
- 矩形代表全集 (\(U\))——即所有可能的结果。
- 圆圈代表特定的事件（集合 A 和 B）。
韦恩图的符号（仅限 Extended）
对于 Core 学生，你只需要用到“且”或“或”。对于 Extended 学生，你需要掌握标准符号：
- 交集 (\(\cap\))： \(P(A \cap B)\) 表示 A 且 B 同时发生的概率（重叠部分）。
- 并集 (\(\cup\))： \(P(A \cup B)\) 表示 A 或 B（或两者都）发生的概率（A 和 B 覆盖的总面积）。
类比： 想象两个圆圈。并集 (\(\cup\)) 是圆圈 A 或圆圈 B 内部的所有区域。交集 (\(\cap\)) 是它们重叠的小区域。
方法三：树状图 (Tree Diagrams)
树状图用于顺序发生的事件（一个事件接着另一个事件）。
树状图操作指南
- 画分支： 为第一个事件画出分支，然后从这些分支的末端，为第二个事件画出分支。
- 标注概率： 在每个分支的旁边写上相应的概率。
- 计算结果（相乘）： 要计算序列的概率（例如，先红后蓝），将所需路径上的概率相乘（这代表“且/AND”规则）。结果写在分支的末端。
- 合并结果（相加）： 如果题目询问事件发生的多种方式（例如，一个红色和一个蓝色），计算每条路径的概率并将它们相加（这代表“或/OR”规则）。
互斥事件与独立事件（仅限 Extended）
互斥事件 (Mutually Exclusive Events)
这些是不可能同时发生的事件。如果你掷骰子，得到 5 和得到偶数就是互斥的。
独立事件 (Independent Events)
这类事件中，第一个事件的结果不会影响第二个事件的结果（例如，连续抛两次硬币）。
独立事件例子： 你抛一枚硬币并掷一颗骰子。
\(P(\text{正面且为4}) = P(\text{正}) \times P(\text{4}) = \frac{1}{2} \times \frac{1}{6} = \frac{1}{12}\)。
有放回与无放回的组合事件（仅限 Extended）
这是一个经常通过树状图考查的关键概念。
- 有放回 (With Replacement)： 第一个物品在第二次抽取前被放回。事件是独立的，第二组分支上的概率保持不变。
- 无放回 (Without Replacement)： 第一个物品没有被放回。事件是相关的，第二组分支上的概率必须改变，因为物品总数（以及可能的有利结果数量）减少了 1。
小贴士： 做“无放回”题目时，在标注第二组分支的概率之前，一定要检查剩余物品的总数以及特定物品剩下的数量！
关键要点（第三部分）
简单的同时发生的事件使用样本空间图。顺序发生的事件使用树状图，切记沿着分支相乘，将不同路径相加。如果是“无放回”事件（Extended），概率会发生变化！
最终复习清单
- 概率标尺的范围是从 0 到 1。
- \(P(\text{事件}) = \frac{\text{有利结果}}{\text{总结果}}\)
- \(P(\text{非 } A) = 1 - P(A)\)
- 期望频率通过概率乘以试验次数计算得出。
- (Extended) 互斥事件 (OR)：\(P(A) + P(B)\)
- (Extended) 独立事件 (AND)：\(P(A) \times P(B)\)
你已经掌握了随机性的基本原理！继续练习那些韦恩图和树状图吧，它们对于解决复杂的概率问题至关重要。祝你好运！