歡迎來到「如果...會怎樣？」的世界

各位未來的精算師，大家好！今天我們要深入探討 Exam P 中最實用的課題之一：隨機變數的條件機率 (Conditional Probabilities for Random Variables)。如果你已經掌握了基本的條件機率（例如 \(P(A|B)\)），那麼你已經成功了一半！現在，我們只是將這些規則應用到隨機變數上而已。

你可以把條件機率想像成一個「篩選器」。我們不再著眼於所有可能的結果，而是只關注其中一個特定的子集。為什麼這很重要？在保險業中，我們經常會問這類問題：「假設理賠金額已經超過了自負額，那麼理賠金額超過 $1,000 的機率是多少？」這正是我們今天準備要學習計算的內容！

\n\n

1. 核心概念：縮小你的「宇宙」

\n

當我們談論隨機變數 \(X\) 的條件機率時，通常會伴隨一些限制 \(X\) 取值的資訊。我們將其寫作 \(P(X \in A | X \in B)\)。

\n

定義：
\n\(P(X \in A | X \in B) = \frac{P(X \in A \cap B)}{P(X \in B)}\)

\n

別被這些符號嚇到了！請這樣思考：
\n1. 分母：這是你的「新宇宙」。我們只關心 \(X\) 落在集合 \(B\) 裡面的那些結果。
\n2. 分子：這是「重疊部分」。在我們的新宇宙中，有多少結果同時也滿足條件 \(A\)？

\n\n
生活中的類比：咖啡店
\n

想像你在一家咖啡店，隨機變數 \(X\) 是飲品的價格。
\n事件：飲品價格超過 $5 (\(X > 5\)) 的機率是多少？
條件：有人告訴你：「我確定這杯飲料是大杯的 (\(X \ge 4\))。」
你的「宇宙」瞬間縮小了。你不再關心小杯或中杯的飲料。你只關心在價格至少為 $4 的那群飲料中，價格大於 $5 的相對機率。

快速複習：每當你看到「給定 (given)」、「如果 (if)」或「已知 (provided that)」這些字眼時，你處理的就是條件機率。這些關鍵字後面的資訊，就是你要放在分母的部分。

2. 離散變數的條件機率

對於離散變數（例如意外發生的次數），我們使用加總。若要找出在已知 \(X\) 屬於某範圍 \(B\) 的情況下，\(X = x\) 的機率：

\(P(X = x | X \in B) = \frac{P(X = x)}{P(X \in B)}\) （若 \(x\) 在 \(B\) 範圍內；否則為 \(0\)）

常見陷阱：千萬別忘了重新縮放 (re-scaling)！因為我們的「宇宙」變小了，剩餘結果的機率必須除以條件總機率，這樣它們加總起來才會等於 1（或 100%）。

3. 連續變數的條件機率

這是 Exam P 非常喜歡考的重點。對於具有機率密度函數 (pdf) \(f(x)\) 的連續隨機變數，邏輯是一樣的，只是我們需要使用積分。

假設我們想求 \(P(X \le a | X > c)\)。這在保險自負額問題中非常常見！
公式如下：
\(P(X \le a | X > c) = \frac{P(c < X \le a)}{P(X > c)}\)

計算步驟：
1. 找分母：計算 \(P(X > c)\)，即透過積分將 pdf 從 \(c\) 積分到無限大，或使用 \(1 - F(c)\)。
2. 找分子：計算重疊部分的機率，也就是 \(c\) 到 \(a\) 之間的面積。
3. 相除：將分子除以分母。

小知識

在保險領域中，如果 \(X\) 是損失額而 \(d\) 是自負額，條件 \(X > d\) 意味著保險公司確實需要支付賠償。計算 \(P(X > x | X > d)\) 能幫助精算師在已知發生賠償的情況下，算出賠償金額「很大」的機率。

4. 精算師的超能力：無記憶性 (Memoryless Property)

別擔心積分計算太繁瑣——有兩種特殊的分配有捷徑！這在考試中是「必考題」。

指數分配 (Exponential Distribution)（連續型）和幾何分配 (Geometric Distribution)（離散型）具有無記憶性。

概念：「再等待 \(t\) 分鐘的機率，取決於你已經等待了多久。」

數學表達：
\(P(X > s + t | X > s) = P(X > t)\)

例子：如果燈泡的壽命遵循指數分配，且它已經使用了 100 小時 (\(s=100\))，那麼它再持續運作 50 小時 (\(t=50\)) 的機率，與一個「全新」燈泡運作 50 小時的機率完全相同。

記憶小撇步：把它想像成「金魚」變數。它會忘記過去發生的一切！只有指數分配和幾何分配才有這種「金魚」特質。

5. 重要技巧與常見陷阱

1. 「且」的陷阱：計算分子 \(P(A \cap B)\) 時，確保你找出的是兩個條件同時成立的範圍。如果題目問 \(P(X < 10 | X > 5)\)，你的分子就是 \(P(5 < X < 10)\)。

2. 「至少」的文字遊戲：如果題目說「X 至少 10」，這代表 \(X \ge 10\)。如果說「超過 10」，則是 \(X > 10\)。對於連續變數，等號不會影響計算結果，但對於離散變數，這可是天差地遠！

3. 補數規則：有時候利用 \(1 - P(\text{非 } B)\) 來計算分母會容易得多。如果條件是 \(X > 1\)，而 \(X\) 的範圍是 0 到 100，那麼計算 \(1 - P(X \le 1)\) 就是你的好朋友。

總結重點

• 公式：永遠從 \(P(A|B) = \frac{P(A \cap B)}{P(B)}\) 開始。
• 分母：這永遠是條件的機率（即「給定」之後的部分）。
• 分子：這是事件與條件同時發生的機率。
• 無記憶性：在指數分配和幾何分配中善用它來節省時間——跳過積分！
• 重新縮放：條件機率實際上是在受限的定義域中建立了一個「新」分配，且總機率必須加總為 100%。

繼續勤加練習吧！一旦你習慣了「縮小宇宙」的技巧，這些題目將會成為你考場上最喜歡的題目之一。你一定沒問題的！