Probability of combined events

🌟 組合事件機率：終極學習指南 🌟

歡迎來到令人興奮的組合機率（Combined Probability）世界！到目前為止，你已經掌握了單一事件發生的機率計算——例如擲骰子得到 6 點。但如果你擲骰子「兩次」呢？又或者抽兩張牌？這就是組合事件派上用場的時候了！

本章將教你處理兩個或多個事件同時發生時所需的關鍵規則與工具（如文氏圖和樹狀圖）。理解這些概念是解決許多現實問題的關鍵，從博弈公平性到製造業的品質控制，都離不開它。

1. 快速複習：機率基礎

在開始合併事件之前，我們先快速複習一下基礎知識。千萬別跳過，這是所有計算的根基！

1.1 計算單一事件機率

事件 \(A\) 的機率始終介於 0 與 1 之間（即 0% 至 100%）。

$$P(A) = \frac{\text{有利結果的數量}}{\text{所有可能的結果總數}}$$

1.2 互補事件規則 (Complement Rule)

事件發生的機率加上它「不發生」的機率必然等於 1。

如果 \(A'\)（讀作 'A prime' 或 'A dash'）代表事件 $A$ 不發生的情況，那麼：

$$P(A') = 1 - P(A)$$

例子：如果下雨的機率 \(P(R)\) 是 0.4，則不下雨的機率 \(P(R')\) 就是 \(1 - 0.4 = 0.6\)。

2. 獨立事件的組合（「且」規則 - AND Rule）

這裡開始進入「組合」的部分！我們首先來看互不影響的事件。

2.1 什麼是獨立事件？

如果事件 A 的發生對事件 B 發生的機率完全沒有影響，那麼事件 A 和 B 就是獨立事件（Independent Events）。

• 類比： 如果你同時擲硬幣和骰子，硬幣的結果不會改變骰子擲出 6 點的機會。這兩個動作是分開的。
• 常見情境： 通常涉及「放回」（例如抽出一顆彈珠後放回去）或獨立的隨機裝置（骰子、硬幣）。

2.2 獨立事件的乘法規則

若要計算事件 A 且 事件 B 同時發生的機率，你需要將它們各自的機率相乘。

$$P(A \text{ and } B) = P(A) \times P(B)$$

在集合的語境中，我們有時會將 $P(A \text{ and } B)$ 寫作 \(P(A \cap B)\)（Extended 課程的同學，請記住這個記號！）。

你知道嗎？ 因為你是在將兩個小於 1 的數字相乘，所以組合後的機率一定會比個別機率更小。這很合理——要同時達成兩件特定事情，難度當然比只達成一件要高！

步驟範例（獨立事件）

一個轉盤的 \(P(\text{紅色}) = 0.2\)，一個骰子的 \(P(\text{奇數}) = 0.5\)。請問轉到紅色「且」擲出奇數的機率是多少？

1. 確認機率：\(P(R) = 0.2\)，\(P(O) = 0.5\)。
2. 應用乘法規則（因為它們是獨立事件）：
   $$P(R \text{ and } O) = P(R) \times P(O)$$ $$P(R \text{ and } O) = 0.2 \times 0.5$$
3. 計算結果：\(P(R \text{ and } O) = 0.1\)。

3. 互斥事件的組合（「或」規則 - OR Rule）

當你想知道「這件事」或「那件事」其中之一發生的機率時。

3.1 什麼是互斥事件？

如果兩個事件不可能同時發生，則它們是互斥事件（Mutually Exclusive Events）。它們之間沒有重疊。

• 類比： 擲普通骰子時，你可以擲出 4，或者擲出 5。但在單次投擲中，你不可能同時擲出 4 和 5。
• 反例： 抽出一張「Ace」或「紅色牌」不是互斥事件，因為紅心 Ace 既是紅色又是 Ace（兩者有重疊）。

3.2 互斥事件的加法規則

若要計算事件 A 或 事件 B 發生的機率（在它們互斥的前提下），你需要將它們各自的機率相加。

$$P(A \text{ or } B) = P(A) + P(B)$$

步驟範例（互斥事件）

袋子裡有 5 顆藍色、3 顆綠色和 2 顆紅色彈珠（總共 10 顆）。請問抽到藍色「或」紅色彈珠的機率是多少？

1. 確認個別機率：\(P(B) = \frac{5}{10} = 0.5\)，\(P(R) = \frac{2}{10} = 0.2\)。
2. 判定是否互斥：是的，一顆彈珠不可能同時又是藍色又是紅色。
3. 應用加法規則：
   $$P(B \text{ or } R) = P(B) + P(R)$$ $$P(B \text{ or } R) = 0.5 + 0.2$$
4. 計算結果：\(P(B \text{ or } R) = 0.7\)。

4. 視覺化組合事件

有時候公式直接用會很麻煩，我們有三個超好用的工具來列出所有可能的結果。

4.1 樣本空間圖 (Sample Space Diagrams)

樣本空間圖（或表格）列出了所有可能的結果組合。當只有兩個組合事件且結果數量較少時（例如擲兩顆骰子），這個方法最好用。

例子：擲兩顆六面骰子。

樣本空間共有 6 行 6 列，總計 $6 \times 6 = 36$ 個可能的結果。

• 你可以透過計算總和為 7 的組合（共有 6 種：(1,6), (2,5) 等）來輕鬆算出 \(P(\text{總和為 7}) = \frac{6}{36}\)。
• 你可以透過排除 6 個點數相同的組合（(1,1), (2,2)...）來計算 \(P(\text{兩個數字不同}) = \frac{36 - 6}{36} = \frac{30}{36}\)。

4.2 樹狀圖 (Tree Diagrams)

樹狀圖是不可或缺的工具，特別是處理序列事件時。結果列在分支末端，機率則標註在分支上。

如何使用樹狀圖：

1. 為第一個事件畫出第一組分支（例如：硬幣 1：正面或反面）。
2. 從每個分支的末端，為第二個事件畫出下一組分支（例如：硬幣 2：正面或反面）。
3. 在每條分支上寫上對應的機率。
4. 若要尋找路徑的機率（且 - AND）： 將該路徑上的機率相乘。
5. 若要尋找多個成功結果的機率（或 - OR）： 將所有符合成功條件的路徑機率相加。

例子：擲兩次硬幣（獨立事件）。
路徑 1 (正正): \(P(H) \times P(H) = 0.5 \times 0.5 = 0.25\)
路徑 2 (正反): \(P(H) \times P(T) = 0.5 \times 0.5 = 0.25\)
請問至少出現一次正面的機率？將含有正面 (H) 的路徑（正正、正反、反正）機率相加：\(0.25 + 0.25 + 0.25 = 0.75\)。

4.3 文氏圖 (Venn Diagrams，限於兩個集合)

文氏圖有助於視覺化重疊或獨立的事件，特別是在涉及特徵或類別的問題中（例如同時選修數學或物理的學生）。

課程大綱限制在兩個集合 A 和 B。記得這些記號：

• 全集 (Universal Set, U)： 方框內的所有範圍。
• 交集 (\(A \cap B\))： 重疊區域。代表「A 且 B」。
• 聯集 (\(A \cup B\))： A 的全部加上 B 的全部。代表「A 或 B（或兩者皆是）」。
• 補集 (\(A'\))： 集合 A 以外的所有範圍。
• \(n(A)\)： 集合 A 中的元素數量。

如果你已知喜歡數學的學生人數、喜歡物理的學生人數，以及兩者都喜歡的人數，就用文氏圖來解題吧。記得永遠要從中間的交集開始填入！

5. Extended 課程內容：相依事件（不放回）

對於挑戰 Extended 課程的同學，你必須熟練處理在第一個事件發生後機率會改變的情況。這些稱為相依事件（Dependent Events）。

5.1 什麼是相依事件？

如果事件 A 的結果會改變事件 B 的發生機率，則事件 A 和 B 是相依的。

• 常見情境： 不放回 (Without replacement) 的抽取（例如從抽屜拿出兩隻襪子，但不把第一隻放回去）。

5.2 對相依事件使用樹狀圖

樹狀圖在這裡至關重要，但你必須非常小心，在第二組分支上更新機率。

步驟範例（相依事件）

袋子裡有 5 顆紅色和 3 顆藍色彈珠（總共 8 顆）。取出兩顆彈珠且不放回。請問兩顆都是藍色的機率是多少？

事件 1：抽取第一顆彈珠

• \(P(\text{第一顆是藍色}) = \frac{3}{8}\)
• \(P(\text{第一顆是紅色}) = \frac{5}{8}\)

事件 2：抽取第二顆彈珠（在第一顆被取出後）

假設第一顆是藍色 (B)：現在剩下 7 顆彈珠，其中只有 2 顆是藍色。

• \(P(\text{第二顆是藍色 | 第一顆是 B}) = \frac{2}{7}\)

計算組合機率：

我們要求的是 \(P(\text{藍且藍})\)：

$$P(B_1 \text{ and } B_2) = P(B_1) \times P(B_2 \text{ 在已知 } B_1 \text{ 的情況下})$$ $$P(B_1 \text{ and } B_2) = \frac{3}{8} \times \frac{2}{7} = \frac{6}{56}$$

約簡後：\(P(\text{藍且藍}) = \frac{3}{28}\)