欢迎来到概率的世界！
你好！欢迎来到你的概率（Probability）学习笔记。无论你认为自己是否擅长数学，其实你每天都在运用概率。当你查看天气预报来决定是否需要带伞，或者决定是否值得冒险去尝试一种“神秘口味”的糖果时，你都在进行概率计算！
在这一章中，我们将学习如何用数字来衡量不确定性（Uncertainty）。我们会从简单的抛硬币开始，逐步深入到“高阶课程（Higher Tier）”中条件概率的秘诀。如果一开始觉得有点难，别担心——我们会一步一步拆解给你听。
1. 基础概念：概率标度（Probability Scale）
概率永远介于 0 到 1 之间。它告诉我们某个事件发生的可能性有多大。
- 0 代表不可能（Impossible）（就像在冰箱里找到一只活恐龙一样）。
- 1 代表必然（Certain）（就像明天太阳会升起一样）。
- 0.5 代表机会均等（Even Chance）（就像公正的硬币抛出正面或反面的机会一样）。
小贴士：你可以用分数、小数或百分比来表示概率。但在考试中，使用分数通常最稳妥，运算起来也最容易！
互斥事件与穷尽事件
互斥事件（Mutually Exclusive Events）：指两个事件不可能同时发生。例如，同一个电灯开关不可能在同一时刻既处于“开启”又处于“关闭”状态。
规则：如果事件是互斥的，你可以将它们的概率相加。
穷尽事件（Exhaustive Events）：指一组事件涵盖了所有可能的结果。例如，掷一枚骰子，集合 {1, 2, 3, 4, 5, 6} 就是穷尽的。
规则：一组互斥且穷尽事件的概率之和必须等于 1。
复习小站：
如果下雨的概率是 0.3，那么不下雨的概率就是 \(1 - 0.3 = 0.7\)。我们称这为余事件（Complementary Event）。
2. 期望结果与相对频率
有时我们并不知道“完美”的数学概率（理论概率），所以我们必须使用实验数据（实验概率）。
相对频率（Relative Frequency）
这只是一个花哨的说法，意思是“在实验中某事发生的频率”。
\(Relative\ Frequency = \frac{成功试验次数}{总试验次数}\)
“大数法则”
你知道吗？如果你抛 10 次硬币，可能会得到 7 次正面。这并不代表硬币坏了！这只是因为你的样本太小。当你进行越来越多的试验（例如抛 1,000 次）时，相对频率会越来越接近理论概率（0.5）。
期望结果（Expected Outcomes）
要预测未来某事件会发生多少次，请使用以下公式：
\(Expected\ frequency = 总试验次数 \times 事件概率\)
例子：如果一颗种子发芽的概率是 0.8，而你种植了 200 颗种子，你预期会有 \(200 \times 0.8 = 160\) 颗种子发芽。
3. 整理数据：表格、树状图与韦恩图
为了处理更难的题目，我们需要有系统地列出所有可能的结果。
频率树（Frequency Trees）
这非常适合用来将总体人群分成不同组别。想象 100 名学生：60 名女生，40 名男生。如果 10 名女生戴眼镜，你可以从“60 名女生”的分支延伸出“10 名戴眼镜”和“50 名不戴眼镜”。
可能性空间（样本空间网格，Possibility Spaces）
当你有两个事件发生时（例如掷两枚骰子）使用此方法。你绘制一个网格，将一个骰子的结果放在顶部，另一个放在侧面。网格中的每个方格都代表一种组合。
韦恩图（Venn Diagrams）
韦恩图显示了集合之间的关系。需要记住的常见符号：
- \(A \cap B\)（交集）：同时属于 A 和 B 的项目。
- \(A \cup B\)（并集）：属于 A 或 B（或两者皆是）的项目。
- \(A'\)（补集）：不属于 A 的所有项目。
重点提示：请务必确保韦恩图圆圈内的数字加上圆圈外的数字，总和等于项目的总数！
4. 组合事件：树状图
当两件事前后发生时，我们使用树状图（Tree Diagrams）。
独立事件（Independent Events）
第一个事件的结果不会改变第二个事件的概率。
例子：抛硬币，然后再抛一次。硬币并不会“记得”第一次抛的结果！
相关事件（条件概率，Dependent Events）
第一个事件的结果会改变第二个事件的概率。这通常发生在我们拿走一个物件且不放回（Without replacement）的情况下。
例子：袋子里有 5 颗红糖果和 5 颗蓝糖果。如果你吃掉一颗红糖果，下一次抽到红糖果的概率就从 \(\frac{5}{10}\) 变成了 \(\frac{4}{9}\)。
树状图规则：
- 沿着分支相乘，找出特定路径的概率。
- 如果你想计算多个结果的总概率，将不同路径的结果相加。
避免常见错误：当物品“不放回”时，别忘了减少分母（分数下方的数字）。如果你开始时有 10 个物品，第二个分支通常应该除以 9！
5. 高阶课程：条件概率 (P9)
这是本章最进阶的部分。条件概率是指在已知另一个事件已经发生的前提下，某事件发生的概率。
你应该熟悉的公式是：
\(P(A|B) = \frac{P(A \cap B)}{P(B)}\)
简单来说就是：“在 B 已经发生的情况下，A 发生的概率”。
使用双向表（Two-Way Tables）
双向表是解决这类问题最简单的方法！
例子：查看一张关于学生参加“体育活动”与“乐器班”的表格。
“在已知学生参加体育活动的情况下，该学生参加乐器班的概率是多少？”
步骤 1：忽略所有不参加体育活动的人。
步骤 2：你新的“总数”只是“体育活动”那一栏的总计。
步骤 3：将“体育活动 + 乐器班”的人数除以这个新的总数。
复习小站：
如果 \(P(A|B) = P(A)\)，那么这两个事件就是独立的。这意味着知道 B 发生了，完全没有改变 A 发生的机会！
总结检查表
- 你能使用 0-1 的概率标度吗？
- 你知道穷尽事件的概率之和为 1 吗？
- 你会计算期望结果（试验次数 \(\times\) 概率）吗？
- 你会为“不放回”（相关）事件绘制树状图吗？
- 你能从韦恩图或双向表中找出概率吗？
如果一开始觉得棘手，别担心！ 概率这门学问关键在于练习。从简单的硬币和骰子问题开始，然后再进入树状图。你一定可以做到的！