Probability

歡迎來到概率世界！

概率（Probability）的核心就是衡量事件發生的可能性。無論是你好奇明天會不會下雨、計算贏得遊戲的機率，還是看看擲硬幣會不會出現正面，你都在運用概率！在本指南中，我們將按照 AQA 8300 課程大綱，將所有內容拆解成簡單易懂的步驟。如果有些部分起初看起來有點「隨機」，別擔心——我們會一起把它理清！

1. 基礎概念：概率標尺

在數學中，我們使用從 0 到 1 的標尺來衡量概率。

• 概率為 0 表示事件 不可能（Impossible） 發生（例如：豬會飛）。
• 概率為 1 表示事件 必然（Certain） 發生（例如：太陽升起）。
• 概率為 0.5 表示事件有 對等機會（Even Chance）（例如：公平的硬幣投擲）。

重點提示： 你可以用 分數（fractions）、小數（decimals） 或 百分比（percentages） 來書寫概率。例如，50% 的機會等同於 \( 0.5 \) 或 \( \frac{1}{2} \)。一定要檢查題目是否要求使用特定的格式！

必須知道的關鍵術語：

公平（Fair）： 指物體（如骰子或硬幣）每個結果出現的機會均等。
有偏差（Biased）： 指某些結果比其他結果更有可能出現的物體。
隨機（Random）： 指每個結果被選中的機會均等。

快速回顧： 概率絕對不會小於 0 或大於 1。如果你算出的概率是 1.2，那一定是哪裡出錯了！

2. 計算理論概率

理論概率是我們基於數學計算所「預期」會發生的結果。我們使用以下公式：

\( P(\text{Event}) = \frac{\text{事件發生的方式數量}}{\text{所有可能結果的總數量}} \)

例子：擲一顆標準六面骰子，擲出 4 的概率是多少？
擲出 4 的方式有 1 種。總共有 6 種可能的結果。
所以，\( P(4) = \frac{1}{6} \)。

記憶法： 記住 「目標 ÷ 總數」。把 你想要的結果 放在分子，把 所有選項的總數 放在分母。

3. 預期結果

如果你知道了概率，就可以預測在多次試驗中，某個事件會發生多少次。

公式： \( \text{預期結果} = \text{概率} \times \text{試驗次數} \)

例子：如果種子發芽的概率是 0.8，種下 200 顆種子，預期會有多少顆發芽？
計算：\( 0.8 \times 200 = 160 \text{ 顆種子} \)。

4. 相對頻率（實驗概率）

有時我們不知道理論概率，所以我們會進行實驗。相對頻率（Relative Frequency） 就是從你的實驗結果計算出來的概率。

\( \text{相對頻率} = \frac{\text{事件發生的次數}}{\text{試驗總次數}} \)

你知道嗎？ 你重複實驗的次數越多（樣本量越大），你的相對頻率就會越接近實際的理論概率。如果你擲硬幣 10 次，你可能會得到 7 次正面。但如果你擲 10,000 次，你會得到非常接近 5,000 次的正面！

關鍵要點： 大樣本量能提供更可靠的結果。

5. 互斥事件與窮盡事件

互斥事件（Mutually Exclusive）： 指 不可能 同時發生的事件。例如，你不可能在同一瞬間同時向左轉和向右轉。
窮盡事件（Exhaustive）： 指涵蓋了 所有 可能性的結果集合。

黃金法則： 所有互斥且窮盡的結果，其概率總和永遠等於 1。

例子：一個袋子裡有紅、藍、綠三種彈珠。如果 \( P(\text{紅}) = 0.3 \)，且 \( P(\text{藍}) = 0.4 \)，那麼 \( P(\text{綠}) \) 是多少？
步驟 1：相加已知概率：\( 0.3 + 0.4 = 0.7 \)
步驟 2：從 1 中減去：\( 1 - 0.7 = 0.3 \)
答案：\( P(\text{綠}) = 0.3 \)。

6. 系統性地列出結果

對於較複雜的問題，你需要列出所有可能的結果，以免遺漏。你可以使用 樣本空間圖（Sample Space Diagrams）（通常是網格）或 頻率樹（Frequency Trees）。

樣本空間圖例子：

如果你擲兩枚骰子並將分數相加，網格圖可以幫助你看到總共有 36 種結果（6 乘 6）。這能讓你輕鬆計算出得到總和為 7 的方式有多少種。

文氏圖（Venn Diagrams）：

文氏圖有助於將數據組織成重疊的組別。
• 中間重疊的部分（交集，Intersection）代表屬於 兩組 的元素。
• 圓圈外的空間代表 兩者都不屬於 的元素。

7. 獨立事件與相依事件

獨立事件（Independent Events）： 一個事件 不會 影響另一個事件（例如：擲硬幣後再擲骰子）。
相依事件（Dependent Events）： 一個事件 會 影響下一個（例如：從袋子裡拿走一顆糖果並吃掉，會改變下一個人剩下的糖果總數）。

「或 (OR)」與「且 (AND)」規則：

• 或 (OR)（加法規則）： 如果事件是互斥的，\( P(A \text{ 或 } B) = P(A) + P(B) \)。
• 且 (AND)（乘法規則）： 如果事件是獨立的，\( P(A \text{ 且 } B) = P(A) \times P(B) \)。

簡單技巧：
如果你想要 這個 或 那個 -> 相加 概率。
如果你想要 這個 且 那個 -> 相乘 概率。

8. 樹狀圖（Tree Diagrams）

樹狀圖對於將連續發生的兩個或多個事件視覺化非常有用。

如何使用：
1. 沿著 分支相乘，以求出特定路徑的概率。
2. 如果需要多個成功的結果，則將終點的結果 向下 相加。

例子：從抽屜裡取出兩隻襪子（相依事件）。
如果你有 5 隻紅襪和 3 隻藍襪，第一次取到紅襪的概率是 \( \frac{5}{8} \)。如果你留下了這隻襪子，第二次取到紅襪的概率會變成 \( \frac{4}{7} \)，因為紅襪減少了一隻，總數也減少了一隻。

常見錯誤： 當物品沒有放回時，忘記減少「總數」（分母）！

9. 條件概率（高階重點）

條件概率是指 在已知 另一個事件已經發生的前提下，某個事件發生的可能性。它限制了你所觀察的「總結果」。

例子：一個班級有 30 名學生。20 人喜歡數學，15 人喜歡藝術，10 人兩者都喜歡。如果你隨機選擇一名 已經喜歡數學 的學生，他們也喜歡藝術的概率是多少？
與其看全部 30 名學生，你的「總數」現在只有喜歡數學的 20 人。在這 20 人中，有 10 人喜歡藝術。
所以，\( P(\text{藝術 | 數學}) = \frac{10}{20} = 0.5 \)。

快速回顧： 在「已知...」這類問題中，請務必先確定你的 新總數！

最終總結要點

• 概率 永遠介於 0 和 1 之間。
• 總和為 1： 所有可能結果相加必須等於 1。
• 大樣本： 試驗次數越多，實驗結果越可靠。
• 「且」= 相乘；「或」= 相加。
• 樹狀圖： 如果物品沒有放回，記得更改分數的分母！

做得好！概率需要練習，但一旦你掌握了如何系統地列出結果以及何時相加或相乘，你就完全沒問題了！