歡迎來到概率世界！
概率是 Paper 3 中最令人興奮的部分之一，因為它講求運用數學邏輯來預測未來。無論你是想知道足球比賽期間下雨的可能性，還是新醫療測試的準確度，你其實都在運用概率。在本章中，我們將探討事件之間如何相互關聯，以及如何處理更複雜的「如果……會怎樣？」的情境。
如果起初覺得有點棘手，別擔心！ 我們會一步一步拆解。只要你掌握基本的分數和小數運算，你就已經具備了成功所需的所有工具。
1. 互斥事件與獨立事件
在深入探討深奧的內容之前，我們必須清楚界定兩個關鍵術語。誤解這些概念是學生失分最常見的原因之一！
互斥事件 (Mutually Exclusive Events)
如果兩個事件不能同時發生，它們就是互斥的。你可以把它想像成「二選一」的情況。
例子：如果你拋一枚硬幣，你可以得到正面或反面，但不可能同時出現兩者。
加法法則 (Addition Rule)： 如果事件 \(A\) 和 \(B\) 是互斥的：
\(P(A \cup B) = P(A) + P(B)\)
（符號 \(\cup\) 代表「A 或 B」。）
獨立事件 (Independent Events)
如果一個事件的結果不會影響另一個事件的結果，它們就是獨立的。
例子：如果你擲一顆骰子，然後拋一枚硬幣，骰子的點數不會對硬幣是否出現正面產生任何影響。
乘法法則 (Multiplication Rule)： 如果事件 \(A\) 和 \(B\) 是獨立的：
\(P(A \cap B) = P(A) \times P(B)\)
（符號 \(\cap\) 代表「A 且 B」。）
快速回顧：記憶小撇步
「且」(AND) = 相乘（適用於獨立事件）
「或」(OR) = 相加（適用於互斥事件）
關鍵點： 在開始計算之前，請務必問自己：「這兩者能同時發生嗎？」（檢查互斥性）以及「第一個事件會改變第二個嗎？」（檢查獨立性）。
2. 條件概率：「在……的條件下」規則
這是 A-Level 概率的核心。當我們掌握了可能改變概率的額外資訊時，我們就會使用條件概率 (Conditional Probability)。我們使用豎線 \(|\) 來表示「在……的條件下」(given that)。
公式：
\(P(A|B) = \frac{P(A \cap B)}{P(B)}\)
白話來說：在已知事件 \(B\) 已經發生的前提下，事件 \(A\) 發生的概率，等於「兩者同時發生」的機會除以「條件 (\(B\)) 發生」的機會。
逐步示範
想像一個班級有 30 名學生。10 人喜歡藝術，15 人喜歡生物，5 人兩者都喜歡。那麼，在已知一名學生喜歡生物的情況下，他喜歡藝術的概率是多少？
1. 找出 \(P(B)\)：條件是喜歡生物。\(P(B) = \frac{15}{30}\)。
2. 找出 \(P(A \cap B)\)：喜歡藝術「且」生物的人。\(P(A \cap B) = \frac{5}{30}\)。
3. 代入公式：\(\frac{5/30}{15/30} = \frac{5}{15} = \frac{1}{3}\)。
你知道嗎？ 垃圾郵件篩選器就運用了條件概率！你的電子郵件供應商會計算在已知郵件包含「獲獎」、「免費」等特定詞彙的條件下，該郵件是「垃圾郵件」的概率。
關鍵點： 當你看到「在……的條件下」(given that) 這個短語時，你的「考慮範圍」會縮小。你只對條件成立的結果感興趣，這將成為你新的分母。
3. 視覺化工具：韋恩圖、樹狀圖與表格
有時公式很難想像，我們可以用三種主要工具來釐清數據。
韋恩圖 (Venn Diagrams)
適合用來觀察兩到三個群組之間的重疊部分。
- 交集 (Intersection)（中間重疊部分）是 \(A \cap B\)。
- 並集 (Union)（圓圈內的所有區域）是 \(A \cup B\)。
- 常見錯誤： 忘了從圓圈總數中減去中間的重疊部分！如果 20 人喜歡披薩，5 人既喜歡披薩又喜歡義大利麵，那麼只有 15 人是「只」喜歡披薩的。
樹狀圖 (Tree Diagrams)
最適合處理連續事件（一件接一件發生的事件）。
- 沿著分支相乘，找出特定路徑的概率。
- 如果你想求某個結果的總概率，就將不同路徑的結果相加。
- 小貼士： 如果題目說「不放回」(without replacement)（例如：抽出一顆彩色彈珠後不放回去），那麼第二組分支上的概率必須隨之改變！
雙向表格 (Two-Way Tables)
非常適合按兩個不同類別（如性別和考試成績）整理數據。行和列末尾的總計，使計算條件概率變得非常簡單。
關鍵點： 如果題目讓你感到混淆，把它畫出來！簡單畫一個韋恩圖或樹狀圖，往往比死記公式更能清楚地呈現答案。
4. 概率建模與假設
在 Paper 3 中，你不僅僅是要做數學題，還需要像科學家一樣思考。我們經常建立模型來簡化現實生活。
常見假設
當我們為某種情況建模時，通常會假設：
1. 獨立性： 我們假設一個事件不會影響下一個事件（例如不同日子的天氣），即使在現實中它們可能會有關聯。
2. 隨機性： 我們假設每個結果都有公平的機會，且沒有偏差。
批判模型
考試可能會要求你「評論模型的有效性」。
- 例子： 如果一個模型假設巴士每天遲到的概率相同，你可以辯稱這是不切實際的，因為週一或雨天的交通狀況通常更擁擠。
- 改進： 為了完善模型，我們可以使用更多數據或考慮更多變數（如一天中的時間）。
關鍵點： 現實生活是複雜的，模型則是簡化的。一位優秀的數學家知道何時模型已經「足夠好」，以及何時它過於簡單而不值得信任。
最終快速回顧清單
考試成功清單：
- 我的韋恩圖/樹狀圖/表格中的概率相加等於 1 嗎？（如果不是，請檢查你的計算！）
- 對於獨立事件：\(P(A \cap B) = P(A) \times P(B)\)。
- 對於條件概率：務必將「條件」部分放在分數的分母。
- 仔細讀題：「選取兩個項目」是指有放回還是無放回？
繼續練習！概率是一項熟能生巧的技能，多做幾次就會變得簡單得多。你一定做得到！