歡迎來到機率的世界：理解機會！
你好！這一章我們將深入探討機率 (Probability)，簡單來說，這就是關於「機會」的數學。機率能幫助我們衡量一件事情發生的可能性有多大。無論是查看天氣預報、預測比賽結果，還是進行商業決策，機率都是每天都會用到的基本技能。
如果一開始覺得有點棘手，不用擔心！我們會將每個概念拆解開來，從衡量不確定性的最基礎內容開始。讓我們一起建立計算機率的信心吧！
第一節：機率標尺與單一事件 (C9.1 / E9.1)
機率標尺
機率永遠在 0 到 1 的標尺上進行衡量。
- 0： 該事件是不可能發生的（例如：太陽從西邊升起的機率）。
- 0.5 或 50%： 該事件有一半的機會（例如：拋擲一枚公平的硬幣出現正面的機率）。
- 1： 該事件是必然發生的（例如：人類需要呼吸的機率）。
機率可以用三種方式表示，你必須熟練於這三者之間的轉換：
- 分數（例如：\(\frac{1}{4}\)）
- 小數（例如：0.25）
- 百分比（例如：25%）
計算單一事件的機率
事件發生的機率使用以下公式計算：
機率 (\(P\)) = \(\frac{\text{有利結果的數量}}{\text{所有可能結果的總數量}}\)
例子： 袋子裡有 3 個紅球、5 個藍球和 2 個黃球。隨機抽取一個球，抽中藍球的機率是多少？
- 所有可能結果的總數量 = \(3 + 5 + 2 = 10\)
- 有利結果（藍球）= 5
- 抽中藍球的機率 = \(\frac{5}{10} = \frac{1}{2}\) 或 0.5 或 50%。
互補事件 (Complementary Events)
事件不發生的機率稱為該事件的補集 (complement)。由於所有機率的總和必須等於 1（或 100%），我們可以使用一個簡單的規則：
事件不發生的機率 = \(1\) – 事件發生的機率。
如果事件 A 是擲骰子擲出 6 點，那麼「非 A」（或 \(A'\)）就是擲出 1、2、3、4 或 5 點。
例子（來自課程大綱）： 抽中藍色計數器的機率是 0.8。那麼抽中的不是藍色的機率是多少？
\(P(\text{非藍色}) = 1 - P(\text{藍色}) = 1 - 0.8 = 0.2\)。
（延伸課程筆記： 用於表示事件 A 的補集的符號是 \(P(A')\)。因此，\(P(A') = 1 - P(A)\)。）
第一節重點摘要
機率是一個 0 到 1 之間的比率。請確保最終的機率已化簡（如果是分數）或符合要求的格式（小數或百分比）。某事「不發生」的機率就是 1 減去它「會發生」的機率。
第二節：相對頻率與期望結果 (C9.2 / E9.2)
什麼是相對頻率？
在第一節中，我們處理的是理論機率 (Theoretical Probability)（在完美的理想狀態下應該發生什麼）。當我們進行實驗時，我們會得到相對頻率 (Relative Frequency)（也稱為實驗機率），這就是實際發生的結果。
相對頻率 = \(\frac{\text{事件發生的次數}}{\text{試驗的總次數}}\)
課程要求你理解相對頻率是機率的估算值。你重複實驗的次數越多，相對頻率就會越接近真實的理論機率。
公平、偏差與隨機
這些術語用於描述事件或實驗的性質：
- 隨機 (Random)： 所有結果都有相等的機會發生（例如：蒙著眼睛從帽子裡抽名字）。
- 公平 (Fair)： 用於描述器材。公平的硬幣或骰子意味著每個結果的理論機率是相等的（例如：\(P(\text{正面}) = 0.5\)）。
- 偏差 (Bias)： 用於描述器材不公平。如果你擲骰子 100 次，有 50 次出現「6」，你會懷疑這枚骰子有偏差，此時相對頻率 (0.5) 作為 \(P(6)\) 的估算值，會比理論機率 (\(\frac{1}{6}\)) 更準確。
計算期望頻率 (Expected Frequencies)
如果你知道某個事件的機率，你就可以估算在大量的試驗中它會發生多少次。這就是期望頻率。
例子： 火車遲到的機率是 0.15。如果下週有 300 班火車運行，預計有多少班火車會遲到？
預計遲到的火車 = \(0.15 \times 300 = 45\) 班。
你知道嗎？ 機率在製造業的品質控制中至關重要。如果製造商知道 1% 的產品有瑕疵，他們就可以利用期望頻率來預估每個月會產生多少件瑕疵品。
第二節快速複習
相對頻率基於實驗結果。期望頻率利用計算出的機率來預估一大群體的結果。
第三節：複合事件的機率 (C9.3 / E9.3)
當兩個或多個事件同時發生（或一個接一個發生）時，我們處理的是複合事件 (Combined Events)。我們使用圖表來整理這些資訊。
方法一：樣本空間圖 (Sample Space Diagrams)
這些圖表或表格列出了當兩個事件發生時所有可能的結果。它們通常用於簡單的同時發生事件，例如擲兩枚骰子或拋兩枚硬幣。
例子： 擲兩枚公平的六面骰子並將點數相加。
所有可能結果的總數（樣本空間）是 \(6 \times 6 = 36\)。
要找到點數和為 7 的機率，我們計算各種組合：(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)。共有 6 種方法。
\(P(\text{點數和為 7}) = \frac{6}{36} = \frac{1}{6}\)。
方法二：維恩圖 (Venn Diagrams)（限於兩個集合）
維恩圖非常適合視覺化結果如何重疊或屬於不同的類別。
課程範圍僅限於涉及兩個集合的問題。
- 矩形代表全集 (\(U\))——所有可能的結果。
- 圓形代表特定事件（集合 A 和 B）。
維恩圖符號（僅限延伸課程）
核心課程學生只需使用「和 (and)」或「或 (or)」。對於延伸課程學生，你需要掌握官方符號：
- 交集 (\(\cap\))： \(P(A \cap B)\) 表示 A 且 B 同時發生的機率（重疊部分）。
- 聯集 (\(\cup\))： \(P(A \cup B)\) 表示 A 或 B（或兩者皆是）發生的機率（A 和 B 覆蓋的全部區域）。
比喻： 想像兩個圓圈。聯集 (\(\cup\)) 是圓圈 A 或圓圈 B 內的所有東西。交集 (\(\cap\)) 是它們重疊的小區塊。
方法三：樹狀圖 (Tree Diagrams)
樹狀圖用於順序事件（一個事件接著另一個事件）。
樹狀圖步驟指南
- 繪製分支： 為第一個事件繪製分支，然後從這些分支的末端，為第二個事件繪製分支。
- 寫入機率： 將機率寫在每個分支的旁邊。
- 計算結果（相乘）： 要找到一個序列的機率（例如：先紅後藍），請將所需路徑上的機率相乘（這代表「且」的規則）。結果寫在分支的末端。
- 合併結果（相加）： 如果問題詢問某個事件發生的多種方式（例如：一紅一藍），你需要計算每條路徑的機率並將它們相加（這代表「或」的規則）。
互斥事件與獨立事件（僅限延伸課程）
互斥事件 (Mutually Exclusive Events)
這些是不能同時發生的事件。如果你擲骰子，擲出 5 和擲出偶數是互斥的。
獨立事件 (Independent Events)
這些事件中，第一個事件的結果不會影響第二個事件的結果（例如：拋兩次硬幣）。
獨立事件的例子： 你拋一枚硬幣並擲一顆骰子。
\(P(\text{正面 且 4 點}) = P(\text{正面}) \times P(\text{4點}) = \frac{1}{2} \times \frac{1}{6} = \frac{1}{12}\)。
有放回與無放回的複合事件（僅限延伸課程）
這是經常在樹狀圖中考查的關鍵概念。
- 有放回 (With Replacement)： 第一個物品在第二次抽取前放回。事件是獨立的，第二組分支上的機率保持不變。
- 無放回 (Without Replacement)： 第一個物品沒有放回。事件是相關的 (dependent)，第二組分支上的機率必須改變，因為物品總數（以及可能的有利結果數量）減少了 1。
小技巧： 在處理「無放回」問題時，在為第二組分支寫入機率前，請務必先檢查剩餘物品的總數以及剩下特定物品的數量！
第三節重點摘要
使用樣本空間圖來處理簡單的同時發生事件。使用樹狀圖來處理順序事件，記得沿著分支相乘，並將不同路徑相加。如果事件是「無放回」（延伸課程），機率會改變！
最終總結檢查
- 機率標尺從 0 到 1。
- \(P(\text{事件}) = \frac{\text{有利結果}}{\text{總結果}}\)
- \(P(\text{非 } A) = 1 - P(A)\)
- 期望頻率是通過將機率乘以試驗次數來計算的。
- （延伸課程）互斥事件（或）：\(P(A) + P(B)\)
- （延伸課程）獨立事件（且）：\(P(A) \times P(B)\)
你已經掌握了機會的基礎知識！請繼續練習那些維恩圖和樹狀圖，因為它們對於解決複雜的機率問題至關重要。祝你好運！