欢迎来到概率的世界！
你好，未来的统计学家！本章旨在让你理解机会、可能性，并学会（在一定程度上）预测未来！如果涉及不确定性的数学让你感到棘手，别担心——这实际上是你将要学习的最实用的课题之一。
我们在日常生活中时时刻刻都在运用概率：从查看天气预报，到估算公交车迟到的几率。在这一节中，我们将简单有效地拆解计算这些机会的规则。
你需要掌握的关键术语
- 试验 (Experiment)： 一个结果不确定的过程（例如，掷骰子）。
- 结果 (Outcome)： 试验中的单一结果（例如，掷出 4）。
- 事件 (Event)： 一个或多个结果的集合（例如，掷出偶数）。
- 样本空间 (Sample Space)： 所有可能结果的列表。
第 1 部分：理论概率与实验概率
概率尺度
所有概率都在 0 到 1 的范围内进行衡量。
- 0： 不可能事件（例如，太阳明天不升起）。
- 0.5 或 \(\frac{1}{2}\)： 均等机会（例如，抛硬币正面朝上）。
- 1： 必然事件（例如，英国十二月的某一天会下雨）。
小贴士：你可以用分数、小数或百分数来表示概率，但在计算中通常首选分数，因为它们通常是精确值。
1. 理论概率
理论概率是指在一个完美世界中“应该”发生的事情。我们通过观察所有可能的结果，并假设一切都是公平的情况下计算得出。
基本公式为：
\[P(\text{事件}) = \frac{\text{有利结果的数量}}{\text{所有可能结果的总数}}\]
示例：在一个公平的六面骰子上掷出 3 的概率是多少？
有 1 个“有利”结果（即 3）和 6 个“总可能”结果（1, 2, 3, 4, 5, 6）。
\(P(3) = \frac{1}{6}\)
2. 实验概率（相对频率）
实验概率（也称为相对频率）是你进行试验时“实际发生”的结果。
公式为：
\[P(\text{事件}) = \frac{\text{事件发生的次数}}{\text{试验的总次数}}\]
示例：你投掷了 50 次图钉。它尖端朝上的次数为 35 次。
尖端朝上的实验概率是：\(\frac{35}{50} = \frac{7}{10}\) 或 0.7。
小结：大数定律
你重复试验的次数越多（试验次数越多），实验概率通常就越接近理论概率。这就是为什么民意调查员和科学家要多次重复测试的原因！
第 2 部分：寻找所有结果（样本空间图）
当处理两个同时发生的事件时（例如投掷两枚骰子或抛两枚硬币），准确列出所有可能的结果至关重要。
使用表格表示样本空间
在组合两个独立事件时，表格是展示完整样本空间最清晰的方法。
示例：投掷两枚公平的六面骰子并将它们的点数相加。
想象一个 6 行 6 列的表格。总结果数为 \(6 \times 6 = 36\)。
如果题目问：点数之和为 7 的概率是多少？
你会列出和为 7 的点数组合：(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)。
共有 6 个有利结果。
\(P(\text{和为 7}) = \frac{6}{36} = \frac{1}{6}\)
对立事件
对立事件是指除了你所寻找的事件之外的一切情况。由于总概率必须始终为 1，我们使用这个简单的规则：
\[P(A') = 1 - P(A)\]
（其中 \(A'\) 表示“非 A”）。
示例：如果明天降雨的概率 \(P(\text{雨})\) 为 0.2。那么明天“不降雨”的概率是多少？
\(P(\text{不降雨}) = 1 - 0.2 = 0.8\)。
常见错误警告！
别忘了化简分数！\(\frac{6}{36}\) 必须化简为 \(\frac{1}{6}\) 才能拿到全分。
第 3 部分：互斥事件（“或”规则）
什么是“互斥”？
如果两个事件不能同时发生，它们就是互斥的。它们相互排斥。
类比：掷单个骰子时，你不可能同时掷出“4”和“5”。掷出 4 和掷出 5 就是互斥事件。
加法规则（或）
如果你想找出事件 A 或 事件 B 发生的概率，且它们是互斥的，你只需将它们各自的概率相加即可。
\[P(A \text{ 或 } B) = P(A) + P(B)\]
示例：袋子里有 4 个红色、3 个蓝色和 5 个绿色筹码。挑选一个红色或蓝色筹码的概率是多少？（筹码总数 = 12）
- \(P(\text{红}) = \frac{4}{12}\)
- \(P(\text{蓝}) = \frac{3}{12}\)
\(P(\text{红或蓝}) = P(\text{红}) + P(\text{蓝}) = \frac{4}{12} + \frac{3}{12} = \frac{7}{12}\)
记忆辅助：ME + A
Mutually Exclusive（互斥）意味着你要 **A**dd（相加）概率。
第 4 部分：独立事件（“与”规则）
什么是“独立”？
如果第一个事件的结果不影响第二个事件的结果，这两个事件就是独立的。
示例：抛两次硬币。第一次抛出正面并不会改变第二次抛出正面的概率。
乘法规则（与）
如果你想找出事件 A 与 事件 B 同时发生的概率，且它们是独立的，你需要将它们各自的概率相乘。
\[P(A \text{ 与 } B) = P(A) \times P(B)\]
示例：你抛一枚硬币并掷一个骰子。得到正面“与”掷出 6 的概率是多少？
- \(P(\text{正面}) = \frac{1}{2}\)
- \(P(\text{6}) = \frac{1}{6}\)
\(P(\text{正面与6}) = \frac{1}{2} \times \frac{1}{6} = \frac{1}{12}\)
记忆辅助：I \(\times\)
Independent（独立）事件意味着你要 **M**ultiply（相乘）概率。
第 5 部分：使用树状图
树状图是可视化和计算两个或多个顺序发生事件的概率的最佳方式。
如何构建和使用树状图
树状图由每个可能结果的分支组成。
步骤 1： 为第一个事件画出分支，并在每条分支上写下概率。
步骤 2： 从每条第一层分支的末端，画出第二个事件的分支并写下它们的概率。
（核对：从任何一个节点分出的所有概率之和必须始终等于 1。）
步骤 3： 要找到一系列事件发生的概率（“与”的情况），将所需路径（分支）上的概率相乘。
步骤 4： 如果你在寻找多个成功的序列（“或”的情况），先算出每条路径的概率（步骤 3），然后将这些最终概率相加。
示例：两个独立事件（有放回）
袋子里有 3 个红球 (R) 和 7 个蓝球 (B)。取出一个球，记下颜色，然后放回袋中。接着取出第二个球。
球的总数 = 10。 \(P(R) = \frac{3}{10}\)。 \(P(B) = \frac{7}{10}\)。
问题：找出取出两个红球的概率。
这就是 \(P(\text{红与红})\)。
由于球被放回了，所以事件是独立的。
\(P(\text{红与红}) = P(\text{第一次红}) \times P(\text{第二次红}) = \frac{3}{10} \times \frac{3}{10} = \frac{9}{100}\)
问题：找出取出一个红球和一个蓝球的概率（顺序不限）。
我们需要 \(P(\text{红后蓝})\) 或 \(P(\text{蓝后红})\)。
- 路径 1（红后蓝）： \(\frac{3}{10} \times \frac{7}{10} = \frac{21}{100}\)
- 路径 2（蓝后红）： \(\frac{7}{10} \times \frac{3}{10} = \frac{21}{100}\)
总概率（相加路径）：\(\frac{21}{100} + \frac{21}{100} = \frac{42}{100}\) 或 \(\frac{21}{50}\)
用于非独立事件（不放回）的树状图
当一个物体被选出并且不放回时，第一次选择的结果会改变第二次选择的样本空间（总结果数）。现在的事件变为相关的（非独立的）。
示例：一个盒子里有 3 个红球 (R) 和 7 个蓝球 (B)。取出两个球，不放回。
第一次取球概率：
\(P(\text{R}) = \frac{3}{10}\) 而 \(P(\text{B}) = \frac{7}{10}\)
第二次取球概率（概率必须改变！）：
如果第一次是红球 (R)，现在只剩下 9 个球，其中 2 个是红球。
\(P(\text{第二次红} | \text{第一次红}) = \frac{2}{9}\)
问题：找出取出两个红球的概率。
\[P(\text{红与红}) = P(\text{第一次红}) \times P(\text{第二次红})\] \[P(\text{红与红}) = \frac{3}{10} \times \frac{2}{9} = \frac{6}{90} = \frac{1}{15}\]
可及性小贴士：分支检查
在进行“不放回”运算时，务必确保第二组分支上的分子（上方数字）和分母（下方数字）反映了剩余的总数和已移除的物品。
例如，如果你从 10 个物品开始，所有第二个分支的概率分母必须是 9。
快速复习总结：该用哪个规则？
理解何时相加、何时相乘是概率成功的关键。
何时相加：
如果题目涉及 或 (OR) 且事件是 互斥的（不能同时发生）。
示例：掷单个骰子得到 1 或 2。
何时相乘：
如果题目涉及 与 (AND)（两件或多件事按顺序或同时发生），且事件是 独立的 或按序列链接的（树状图）。
示例：抛硬币得到正面 与 掷出 6。
结语
概率不是关于猜测，而是关于结构化的计算！通过使用理论概率公式、用图表组织结果，并掌握何时相加（用于“或”）或相乘（用于“与”），你一定能掌握这一部分。继续练习那些树状图——它们是解开棘手问题的钥匙！你一定行的！