AS & A Level Mathematics 9709 (Paper 5) 學習筆記：概率 (5.3)
你好，未來的數學家！這一章的主題是量化機率——即為事情發生的可能性賦予一個精確的數值。概率是統計學的核心，深入理解這一部分對於之後處理離散型與連續型變量至關重要。如果覺得計算結果很複雜，不用擔心；我們會運用你在上一節（5.2）中掌握的排列與組合（Permutations and Combinations）技巧，讓問題變得簡單得多！
1. 概率基礎
概率用於衡量一個事件（event）發生的可能性。其結果總是在 0（不可能）與 1（必然）之間。
核心定義
- 試驗（Experiment）：一個產生定義明確的結果或輸出的過程。（例如：擲骰子、抽牌）
- 結果（Outcome）：試驗中的單一輸出。（例如：擲出「4」、抽到黑桃 Ace）
- 樣本空間（Sample Space, \(S\)）：所有可能結果的集合。（例如：對於一顆標準骰子，\(S = \{1, 2, 3, 4, 5, 6\}\)）
- 事件（Event, \(A\)）：樣本空間的一個子集（包含一個或多個結果）。（例如：事件 A 為擲出偶數，則 \(A = \{2, 4, 6\}\)）
古典概率公式
若所有結果發生的可能性均等（等概率基本事件），事件 \(A\) 的概率計算如下：
\[P(A) = \frac{\text{事件 A 中的結果數}}{\text{樣本空間 S 中的總結果數}}\]
餘事件（Complementary Event, \(A'\)）
事件 \(A\) 的餘事件（記作 \(A'\) 或 \(A^c\)）是指事件 \(A\) 不發生的情況。
\[P(A') = 1 - P(A)\]
這一點非常實用！如果直接計算 \(P(A)\) 很困難（例如：「擲三次骰子至少出現一次 6」），可以轉而計算 \(P(A')\)（「擲三次骰子都沒有 6」），然後用 1 減去該結果即可。
重點回顧：基礎概率規則
- \(0 \le P(A) \le 1\)
- \(P(S) = 1\) （發生「某種」結果的概率）
- \(P(A) + P(A') = 1\)
2. 計算概率（排列組合計數）
在大多數考試題目中，特別是涉及選取或排列的題目，你無法簡單地列出所有結果（窮舉法）。這時，你的排列與組合（P&C）知識就顯得非常重要了。
方法：使用排列組合進行計數
要計算 \(P(A)\)，請遵循以下步驟：
- 使用排列組合公式（或乘法原理）找出所有可能結果的總數（\(|S|\)）。
- 使用排列組合公式找出事件 \(A\) 發生的方法數（\(|A|\)）。
- 計算比率：\(P(A) = \frac{|A|}{|S|}\)。
範例：袋子裡有 5 個紅球和 3 個藍球。若隨機抽出 2 個球，兩球皆為紅球的概率是多少？
- 總結果數（\(|S|\)）：從 8 個球中選 2 個：\(\binom{8}{2} = 28\)。
- 有利結果數（\(|A|\)）：從 5 個紅球中選 2 個：\(\binom{5}{2} = 10\)。
- 概率：\(P(\text{2 Red}) = \frac{10}{28} = \frac{5}{14}\)。
關鍵點： 概率計算往往完全取決於能否正確計算出事件發生的方法數，因此務必確保你的排列組合知識基礎紮實！
3. 合併事件：加法（或 / OR）與乘法（且 / AND）
當處理兩個或多個事件 \(A\) 和 \(B\) 時，你需要結合它們概率的規則。
3.1. 加法規則（OR）——互斥事件
如果你想求事件 \(A\) 或事件 \(B\) 發生的概率，你是在尋找 \(P(A \cup B)\)（A 聯集 B）。
互斥事件（Mutually Exclusive Events）：
如果兩個事件 \(A\) 和 \(B\) 不可能同時發生，它們就是互斥的。這意味著它們的交集為空，\(P(A \cap B) = 0\)。
- 比喻：單次擲骰子時擲出 4 或 5，這兩者不可能同時發生。
對於互斥事件：
\[P(A \cup B) = P(A) + P(B)\]
常見錯誤： 只有在事件絕對互斥時才能使用上述簡單加法規則。如果它們有重疊部分（即 \(P(A \cap B) \ne 0\)），則不能簡單相加，否則會重複計算重疊部分。
3.2. 乘法規則（AND）——獨立事件
如果你想求事件 \(A\) 且事件 \(B\) 同時發生的概率，你是在尋找 \(P(A \cap B)\)（A 交集 B）。
獨立事件（Independent Events）：
如果兩個事件 \(A\) 和 \(B\) 的發生互不影響，它們就是獨立的。
- 比喻：擲骰子與拋硬幣。硬幣出現正面並不改變骰子擲出 6 的機會。
對於獨立事件：
\[P(A \cap B) = P(A) \times P(B)\]
你知道嗎？ 獨立性是通過上述公式直接測試的。如果你計算 \(P(A) \times P(B)\) 後發現結果等於交集的實際概率 \(P(A \cap B)\)，則事件是獨立的。若不相等，則它們是相關（非獨立）的。
關鍵點： 「OR」通常表示相加（若互斥），「AND」通常表示相乘（若獨立）。
4. 條件概率（「在已知...的情況下」情境）
條件概率處理的是一個事件的發生直接影響後續事件發生機率的情況。這些事件是相關（Dependent）的。
定義與符號
事件 \(B\) 已經發生，在已知該條件下，事件 \(A\) 發生的條件概率寫作 \(P(A|B)\)。
公式為：
\[P(A|B) = \frac{P(A \cap B)}{P(B)}\]
該公式本質上將原始樣本空間 (\(S\)) 限制為僅包含 \(B\) 發生後的結果。\(P(B)\) 成為了新的「總概率」。
對相關事件使用條件概率
處理相關事件（如不放回抽樣）時，聯合概率 \(P(A \cap B)\) 必須使用條件概率：
\[P(A \cap B) = P(B) \times P(A|B)\]
範例：從一副標準撲克牌中不放回地抽取兩張牌。令 R1 為第一次抽到紅色，R2 為第二次抽到紅色。
- \(P(R_1) = \frac{26}{52} = \frac{1}{2}\)
- 若 R1 發生，剩下 51 張牌，其中 25 張是紅色的。
- \(P(R_2 | R_1) = \frac{25}{51}\)（在已知 R1 發生的情況下，R2 發生的概率）
- \(P(R_1 \cap R_2) = P(R_1) \times P(R_2 | R_1) = \frac{26}{52} \times \frac{25}{51} = \frac{25}{102}\)
使用樹狀圖（Tree Diagrams）視覺化
條件概率問題通常可以通過樹狀圖輕鬆解決，特別是在處理序列事件時。
- 從代表第一個事件的分支開始，標上無條件概率。
- 隨後的分支標上條件概率（即「已知條件」下的概率）。
- 要尋找序列發生的概率（例如：路徑 1 AND 路徑 2），沿著分支相乘即可。
如果剛開始覺得這很難也不用擔心，樹狀圖通過視覺化分離順序概率，將複雜的事件鏈簡化了。
條件概率實作（逐步範例）
調查發現 60% 的學生擁有筆記型電腦 (L)，30% 擁有平板電腦 (T)，10% 兩者都有。已知某學生擁有平板電腦，求他擁有筆記型電腦的概率是多少？(\(P(L|T)\))
- 列出已知條件：\(P(L) = 0.6\)，\(P(T) = 0.3\)，\(P(L \cap T) = 0.1\)。
- 識別目標：\(P(L|T)\)。
- 應用公式： \[P(L|T) = \frac{P(L \cap T)}{P(T)}\]
- 計算： \[P(L|T) = \frac{0.1}{0.3} = \frac{1}{3}\]
解讀：在擁有平板電腦的 30% 學生中，有 10% 也擁有筆記型電腦。因此，平板電腦持有者同時擁有筆記型電腦的概率為 1/3。
5. 互斥 vs. 獨立：關鍵區分
學生經常混淆這兩個術語，因為「互斥」和「獨立」在日常用語中聽起來很相似，但在數學上卻截然不同。
如果兩個事件 A 和 B 是互斥的（Mutually Exclusive）：
- 它們不共享任何結果：\(P(A \cap B) = 0\)。
- 它們高度相關（Dependent）：若 A 發生，B 絕對不能發生（所以 \(P(B|A) = 0\)）。
- 「或」規則：\(P(A \cup B) = P(A) + P(B)\)。
如果兩個事件 A 和 B 是獨立的（Independent）：
- 它們可以同時發生（重疊）：\(P(A \cap B) = P(A) \times P(B)\)。
- 它們並非互斥（除非 \(P(A)=0\) 或 \(P(B)=0\)）。
- 「且」規則：\(P(A \cap B) = P(A) \times P(B)\)。
- 關鍵一點：其條件概率與無條件概率相同：\(P(A|B) = P(A)\)。
記憶小撇步：測試獨立性
要證明事件 A 和 B 是獨立的，你必須驗證是否滿足：
\(P(A \cap B) = P(A) \times P(B)\)
如果該等式成立，它們就是獨立的。這是課程大綱要求的唯一正式測試方法。
關鍵點： 互斥事件涉及加法（不能重疊）。獨立事件涉及乘法（互不影響）。