歡迎來到機率的世界!
你有沒有想過「下雨機率」到底是什麼意思?或者為什麼在電子遊戲中,有些道具比其他道具更難獲得?這就是機率 (Probability) 的運作方式!在本章中,我們將學習如何用數字來衡量事情發生的可能性。別擔心,即使你覺得數學通常像個難解的謎題,我們也會把它拆解成簡單的小部分。看完這些筆記後,你就能預測未來(至少在數學上是這樣)!
1. 基本概念:機率尺度
在我們進行計算之前,必須先理解數字代表的意義。機率永遠是一個介於 0 到 1 之間的數字,可以用分數、小數或百分比來表示。
• 0 (0%):不可能。 絕對不會發生(就像豬會飛一樣)。
• 0.5 (50%):機會均等。 發生與不發生的機率一樣(就像擲硬幣)。
• 1 (100%):必然。 一定會發生(就像明天太陽會升起一樣)。
快速複習: 如果你的答案大於 1 或是負數,停下來檢查一下!你肯定算錯了。機率必須介於 0 到 1 之間。
2. 理論機率:「理想世界」的計算
理論機率 (Theoretical Probability) 是指在不進行實際實驗的情況下,基於邏輯和數學邏輯所「預期」會發生的結果。我們假設每一種結果發生的可能性都是相等的。
公式
要算出某個事件 (Event, E) 的機率,請使用這個簡單的比例:
\( P(E) = \frac{\text{成功結果的數量}}{\text{所有可能結果的總數}} \)
範例:擲骰子
想像一顆標準的 6 面骰子,擲出 4 的機率是多少?
• 成功結果: 只有一個(數字 4)。
• 所有結果: 六個(1、2、3、4、5、6)。
• 計算: \( P(4) = \frac{1}{6} \)
關鍵術語:樣本空間 (Sample Space)
樣本空間是一個專有名詞,指的就是「所有可能結果的清單」。對於一枚硬幣,樣本空間是 {正面, 反面};對於一顆骰子,則是 {1, 2, 3, 4, 5, 6}。清楚樣本空間是你得到正確答案的第一步!
「非」事件(餘事件 Complementary Events)
有時候,計算某件事「不發生」的機率會更容易。事件發生與不發生的機率總和永遠是 1。
\( P(\text{Not A}) = 1 - P(A) \)
範例: 如果下雨的機率是 0.3,那麼不下雨的機率就是 \( 1 - 0.3 = 0.7 \)。
重點總結: 理論機率是根據遊戲規則,「應該」會發生的結果。
3. 實驗機率:「真實世界」的數據
有時候我們不知道「規則」(例如某輛車是紅色的機率)。在這些情況下,我們會進行實驗。實驗機率 (Experimental Probability)(也稱為相對頻率 Relative Frequency)是基於我們實際收集的數據。
公式
\( \text{實驗機率} = \frac{\text{事件發生的次數}}{\text{試驗總次數}} \)
範例:拋瓶蓋
你拋了 50 次瓶蓋,它有 15 次「瓶蓋朝上」。那麼「瓶蓋朝上」的實驗機率是多少?
• 發生次數: 15
• 試驗總次數: 50
• 計算: \( \frac{15}{50} = \frac{3}{10} \) 或 0.3。
你知道嗎? 這就是保險公司的運作方式!他們觀察過去發生了多少次事故(實驗數據),來預測未來可能會發生多少次。
重點總結: 實驗機率是基於「實際操作」並統計結果而得出的。
4. 比較理論與實驗機率
你可能會發現,如果你拋 10 次硬幣,並不總是得到剛好 5 次正面和 5 次反面。這是正常的!理論機率和實驗機率往往會有所不同。
大數法則 (Law of Large Numbers)
如果你的實驗結果一開始跟理論不符,別擔心。數學中有一個很酷的法則:試驗次數越多,你的實驗機率就會越接近理論機率。如果你拋那枚硬幣 10,000 次,結果會非常接近 50%!
類比: 想像一位職業籃球運動員。理論上,他們的罰球命中率可能是 80%。在某一場比賽中(實驗),他們可能 5 球只進了 2 球(40%)。但經過整個賽季(多次試驗)後,他們的命中率就會越來越接近 80%。
5. 避免常見錯誤
• 忘記約簡: 記得要把分數約簡到最簡(例如將 \( \frac{2}{4} \) 寫成 \( \frac{1}{2} \))。
• 樣本空間計數錯誤: 在開始計算前,請確保列出「所有」可能性。
• 混淆兩種機率: 如果題目問的是「理論」機率,請觀察物體本身(骰子、撲克牌);如果問的是「實驗」機率,請查看題目提供的數據表格。
6. 總結快速檢查
1. 不可能事件的機率是多少?(答案:0)
2. 我們把所有可能結果的清單稱為什麼?(答案:樣本空間 Sample Space)
3. 我們如何計算實驗機率?(答案:發生頻率除以試驗總次數)
4. 實驗機率永遠等於理論機率嗎?(答案:不一定,但次數越多,兩者會越接近!)
持續練習!機率就像肌肉一樣,用得越多,你的「預測能力」就會越強。你一定做得到的!