欢迎来到概率的世界！
你有没有想过，为什么天气预报会说“降雨概率 20%”，又或者为什么有些游戏比其他游戏更难赢？这就是概率 (Probability) 在发挥作用！在本章中，我们将学习如何用数字来衡量不确定性。如果过去你觉得这些内容很棘手，别担心；我们会将其拆解成简单、合乎逻辑的步骤，每个人都能轻松上手。
1. 集合的语言与符号
在开始任何计算之前，我们需要先了解统计学家使用的“代码”。概率利用集合论 (Set Theory) 来描述一组组的结果。
基础概念：
- 试验 (Experiment)： 一种结果不确定的行动（例如抛硬币）。
- 结果 (Outcome)： 一个可能的结局（例如出现“正面”）。
- 样本空间 (Sample Space, S)： 包含所有可能结果的完整列表。
- 事件 (Event, A)： 我们感兴趣的特定结果或一组结果。
必须掌握的关键符号：
- 交集 \( (A \cap B) \)： 可以理解为“A 且 (AND) B”。这是两个事件重叠的部分。
- 并集 \( (A \cup B) \)： 可以理解为“A 或 (OR) B”。这包含了在 A 中的所有结果、在 B 中的所有结果，或是两者皆有。
- 补集 (Complement, A')： 意指“非 A (NOT A)”。这是样本空间中所有不属于事件 A 的部分。
小贴士： 记得样本空间内所有概率的总和必须等于 1。因此，\( P(A) + P(A') = 1 \)。如果降雨概率是 0.3，那么“不降雨”的概率必然是 0.7！
重点总结： 概率其实就是对结果集合的研究。使用 \( \cap \) 表示“重叠”，使用 \( \cup \) 表示“全部包含”。
2. 概率可视化：韦恩图、树状图与表格
有时候，一张图表胜过千言万语。我们有三种主要的方法来可视化概率：
韦恩图 (Venn Diagrams)
韦恩图非常适合展示事件如何重叠。 类比：想象一个韦恩图，圆圈 A 是“喜欢披萨的人”，圆圈 B 是“喜欢夏威夷披萨配料（凤梨）的人”。两者的交集 \( (A \cap B) \)，就是那些喜欢夏威夷披萨的人！
双向表格 (Two-Way Tables)
这对于分类数据 (Categorical Data) 非常完美。它们同时呈现两个不同的变量（例如：性别与考试成绩）。行和列末端的总计能帮你快速算出概率。
树状图 (Tree Diagrams)
当事件是一个接一个发生（分阶段进行）时，请使用树状图。
树状图的黄金法则：
- 沿着分支移动时，将概率相乘（阶段 1 且 阶段 2）。
- 如果你想找出事件以不同方式发生的总概率，请将分支末端的概率相加（路径 1 或 路径 2）。
重点总结： 用韦恩图处理重叠，用表格处理类别，用树状图处理顺序。
3. 互斥事件 vs. 独立事件
这两个术语常被混淆，但它们的含义截然不同！
互斥事件 (Mutually Exclusive Events)
指不能同时发生的事件。
例子：你不可能在同一个瞬间同时向左转和向右转。
数学表达： 若 A 和 B 是互斥的，则 \( P(A \cap B) = 0 \)。
独立事件 (Independent Events)
指其中一个事件的结果不会改变另一个事件的概率。
例子：抛硬币得到正面，并不会改变掷骰子得到 6 点的概率。
数学表达： 若 A 和 B 是独立的，则 \( P(A \cap B) = P(A) \times P(B) \)。
常见错误： 除非题目明确告知，或者你能用公式证明，否则不要预设事件是独立的！
重点总结： 互斥 =“无法同时发生”。独立 =“互不影响”。
4. 概率定律
在 Paper 1 中，你有两条必须精通的“核心公式”。
加法定律 (Addition Law)
用于找出 A 或 (OR) B 发生的概率：
\( P(A \cup B) = P(A) + P(B) - P(A \cap B) \)
为什么要减去交集？ 因为如果你直接相加圆圈 A 和圆圈 B，中间重叠的部分就被计算了两次！我们必须减去一次，以保持计算准确。
乘法定律 (与条件概率)
条件概率 (Conditional Probability) 指的是在某事已经发生的前提下 (given that)，另一件事发生的概率。我们写作 \( P(A|B) \)，意即“给定 B 发生下，A 的概率”。
公式：
\( P(A|B) = \frac{P(A \cap B)}{P(B)} \)
类比：在“正在下雨 (B)”的前提下，你“带着雨伞 (A)”的概率是多少？一旦下雨，我们的观察范围就缩小到那些在雨中行走的人群了。
复习小方块：
- 加法定律： \( P(A \cup B) = P(A) + P(B) - P(A \cap B) \)
- 乘法定律： \( P(A \cap B) = P(A) \times P(B|A) \)
重点总结： 加法定律用于“或 (OR)”，乘法定律用于“且 (AND)”。
5. 如何证明独立性
在考试中，你可能会被问到：“事件 A 和 B 是否独立？请展示你的计算过程。” 要回答这个问题，你必须验证以下三个陈述中的其中一个是否成立：
- \( P(A \cap B) = P(A) \times P(B) \) 是否成立？
- \( P(A|B) = P(A) \) 是否成立？（知道 B 发生后，是否改变了 A 的概率？）
- \( P(B|A) = P(B) \) 是否成立？
如果其中任何一个成立，则这些事件是独立的。如果它们不相等，则这些事件是相关的 (dependent)。
你知道吗？ 大多数“现实生活”中的事件都是相关的。例如，“努力读书”和“拿到 A”是相关事件——前者确实提高了后者发生的概率！
重点总结： 使用乘法测试 \( P(A) \times P(B) \) 来从数学上证明独立性。
成功最终检查清单
- 我是否知道 \( A' \) 代表“非 A”？
- 我能否绘制树状图，并记得沿着分支相乘？
- 我是否记得在使用加法定律时减去重叠部分？
- 我能否解释互斥事件与独立事件的区别？
如果起初觉得这些很棘手，别担心！ 概率就像逻辑谜题。你练习绘制图表的次数越多，公式就越会变得直观。你一定能做到的！