欢迎来到组合事件的世界！
在基础数学学习中，你可能已经探讨过单一事件发生的概率——比如掷骰子得到 6 点。但现实生活往往没那么简单！我们通常需要了解多个事件同时发生的概率。例如：“下雨 AND 我的巴士迟到的概率是多少？”或是“我中头奖 OR 被雷劈中的概率是多少？”
在本章中，我们将学习如何利用逻辑、图表和一些非常实用的公式来组合这些概率。无论你热爱数学，还是觉得它有点令人望而生畏，这些笔记都将内容拆解成易于消化的部分。让我们开始吧！
1. 可视化可能性
在开始计算之前，我们需要一种方法来呈现所有可能的结果。课程大纲强调了三种你必须熟练掌握的工具：
A. 文氏图 (Venn Diagrams)
文氏图使用重叠的圆圈来显示数据集之间的关系。它们非常适合用来展示可以同时发生的事件。
你知道吗？ 在 MEI 考试中，文氏图最多可以处理三个不同的事件。请留意中间重叠的部分——那就是所有三个事件同时发生的区域！
B. 树状图 (Tree Diagrams)
树状图非常适合处理“分阶段”的事件（例如抛两次硬币）。每个“分支”代表一个选择或结果。
小贴士： 沿着分支相乘，即可求出特定路径的概率。如果你想找出多种不同结果的概率，只需将这些路径的总计相加即可。
C. 样本空间图 (Sample Space Diagrams)
这些本质上就是网格图。当你有两个相互独立且结果众多的事件时（例如掷两颗骰子并将分数相加），它们最为实用。
快速回顾： 图表不仅是“额外的工作”——它们是防止错误的最佳途径。如果题目让你感到困惑，画出来就对了！
2. 互斥事件 vs. 独立事件
这是本章的“黄金法则”部分。理解这两个术语之间的区别是掌握整章内容的关键。
互斥事件 (Mutually Exclusive Events - “非此即彼”规则)
如果事件不能同时发生，那么它们就是互斥的。
类比： 你不可能在完全相同的瞬间既在伦敦又在巴黎。这只能是二选一。
数学表达： 如果事件 \(A\) 和 \(B\) 是互斥的，那么两者同时发生的概率为零：\(P(A \cap B) = 0\)。
加法法则： 要找出 \(A\) OR (或) \(B\) 发生的概率，直接相加即可：
\(P(A \text{ or } B) = P(A) + P(B)\)
独立事件 (Independent Events - “互不干扰”规则)
如果一个事件的结果不会影响另一个事件的结果，那么它们就是独立的。
类比： 如果你抛硬币出现正面，这并不会增加或减少明天会下雨的概率。硬币根本“不在乎”天气。
乘法法则： 要找出 \(A\) AND (且) \(B\) 同时发生的概率，将它们相乘：
\(P(A \text{ and } B) = P(A) \times P(B)\)
常见错误提醒： 别搞混了！记住：OR (或) 要用加法（互斥），AND (且) 要用乘法（独立）。
3. 一般加法法则 (General Addition Rule)
如果事件可以同时发生该怎么办？例如，如果我们抽出一张牌，它既可能是红心 (Heart)，也可能是国王 (King)，或者它就是红心国王 (King of Hearts)。
如果我们只是直接相加 \(P(\text{Heart}) + P(\text{King})\)，我们就重复计算了红心国王！为了修正这种“重复计算”，我们使用一般加法法则：
\(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)
符号注释：
• \( \cup \) (并集) 代表 OR (或)。
• \( \cap \) (交集) 代表 AND (且)。
重点总结： 如果事件不是互斥的，务必记得减去重叠部分 (\(A \cap B\))。
4. 条件概率：“已知...”(Conditional Probability)
有时，我们拥有的额外信息会改变概率。这被称为条件概率。你会发现这类题目通常会用到“已知...”(given that) 这个短语。
类比： 一个随机路人穿外套的概率可能是 20%。但已知正在下雪的前提下，一个人穿外套的概率就会高得多（可能是 99%）！
公式：
\(P(A|B) = \frac{P(A \cap B)}{P(B)}\)
这看起来很吓人，但意思只是：“已知 B 已经发生的情况下，A 发生的概率，等于两者同时发生的概率除以条件 (B) 发生的概率。”
测试独立性
我们可以使用条件概率来验证两件事是否独立。如果 \(P(B|A) = P(B)\)，这意味着尽管我们知道 \(A\) 发生了，但 \(B\) 发生的概率并没有改变。因此，它们是独立的。
起初觉得复杂也不用担心！ 只需记住“已知”的部分永远放在分数的分母即可。
5. 期望频率与“至少一个”
期望频率 (Expected Frequency)
如果你知道一个事件的概率，你就可以预测它在多次试验中会发生多少次。
公式： \(\text{Expected Frequency} = n \times P(A)\)
（其中 \(n\) 是试验次数）。
例子： 如果种子发芽的概率是 0.7，而你种植了 100 颗种子，你预期会有 \(100 \times 0.7 = 70\) 颗种子发芽。
“至少一个”技巧
MEI 的考官很喜欢问“至少一个”事件发生的概率。直接计算这类题目简直是噩梦！
捷径： 先求出没有一个事件发生的概率，再用 1 减去它会简单得多。
\(P(\text{At least one}) = 1 - P(\text{None})\)
例子： 若要找出抛五次骰子至少出现一次“6”的概率：
1. 求出“没出现 6”的概率： \((\frac{5}{6})^5\)。
2. 用 1 减去该值： \(1 - (\frac{5}{6})^5\)。
总结清单
• 我知道什么时候该加法 (OR) 以及什么时候该乘法 (AND) 吗？
• 我会用文氏图来呈现 \(P(A \cup B)\) 吗？
• 我会使用条件概率的公式吗？
• 我记得在一般加法法则中减去重叠部分吗？
• 我会使用 \(1 - P(\text{none})\) 这个技巧来处理“至少一个”的题目吗？
最后的鼓励： 概率全在于逻辑。慢慢来，仔细阅读题目——“and”(且)、“or”(或) 和“given that”(已知) 就是你解题最大的线索！