簡介：預測不可預測之事
歡迎來到 A Level 統計學課程中最實用的章節之一！在本章中，我們將探討機率建模 (Modelling with Probability)。雖然你已經學過如何利用公式和圖表來計算機率，但這一節的主題將帶你了解更宏觀的「全局觀」。
數學建模是將混亂的現實世界情況轉化為清晰數學問題的過程。它能幫助我們預測各種情況，例如橋樑能否抵禦風暴、病毒如何傳播，或是某支隊伍贏得比賽的機率。如果剛開始覺得這些概念有點抽象，別擔心，我們會把它拆解成簡單的步驟！
第一節：什麼是機率模型？
機率模型 (Probability model) 是對現實生活中充滿不確定性的情況所作的數學描述。它利用機率規則來呈現實驗中各種可能的結果。
你可以把模型想像成一張地圖。地圖並不是真實的城市——它只是為了幫助你到達目的地而簡化過的版本。同樣地，機率模型並不是事件本身，而是為了幫助我們計算機率而簡化過的版本。
建模循環是如何運作的：
1. 現實世界問題： 你面臨一個問題（例如：「群體中有 5 個人生日相同的機率是多少？」）。
2. 建立模型： 你做出假設 (assumptions) 來簡化問題（例如：「假設每個人在每一天生日的機率都相等」）。
3. 求解： 利用數學計算出機率。
4. 詮釋： 檢查你的答案在現實世界中是否合理。
5. 修正： 如果答案不切實際，就修改你的假設並重新嘗試！
重點總結
模型是現實的簡化版本，用於對隨機事件進行預測。
第二節：假設的力量
要讓模型運作，我們必須做出假設。如果沒有假設，數學問題往往會太複雜而無法求解。然而，對於你的考試來說，最重要的技能是能夠批判性地檢視 (critique) 這些假設。
機率模型中的常見假設：
1. 獨立性 (Independence)： 我們通常假設一個事件不會影響另一個事件。
例子： 假設昨天下了雨，這對今天是否下雨沒有任何影響。
2. 固定機率 (Constant Probability)： 我們假設某事發生的機率在每次嘗試中都保持不變。
例子： 假設一名籃球運動員每次罰球命中的機率都剛好是 70%。
3. 隨機性 (Randomness)： 我們假設事件是真正隨機的，且不受我們尚未提及的外部因素影響。
快速複習： 假設就是我們為了讓數學計算更簡單而「假裝」它是真實存在的條件。
第三節：批判模型
在 OCR A Level 考試中，你常會被要求「批判一個假設」。這其實就是解釋為什麼該假設在現實生活中可能是錯誤的。
現實世界例子：體育界中的「手感火熱」(Hot Hand)
假設我們正在為一名足球運動員進行 10 次罰球建立模型。我們假設每次罰球的得分機率 \( p \) 都是恆定的。
批判： 這合理嗎？可能不合理！
- 疲勞： 球員在第 10 次踢球時可能會感到疲倦，因此 \( p \) 可能會下降。
- 信心： 如果他們在前三次都進球了，他們可能會更有信心，因此 \( p \) 可能會上升。
- 壓力： 最後一次踢球時承受的壓力可能比第一次大，從而改變了機率。
「你知道嗎？」小知識
你知道嗎？ 許多銀行在 2008 年金融危機前所使用的金融模型，都假設一個城市的房價下跌與另一個城市的房價下跌是獨立的。當所有地方的房價同時崩跌時，這些模型就失效了，因為「獨立性」這一假設是錯誤的！
重點總結
在批判模型的假設時，務必考慮時間、情緒、生理變化或外部關聯等因素。
第四節：修正模型
一旦你認定某個假設不切實際，下一步就是考慮更現實的假設會帶來什麼可能的影響。這是考試中常見的高分題型！
逐步操作：評估影響
1. 找出假設： 例如：「成功的機率是恆定的」。
2. 提出修正： 例如：「由於疲勞，成功的機率實際上會隨時間遞減」。
3. 說明影響： 例如：「原始模型會高估 (overestimate) 成功的總次數」。
記憶小技巧：「現實檢查」
問問自己：「如果我讓模型更貼近現實，我所測量的數值會上升還是下降？」
第五節：避免常見錯誤
- 過於模糊： 不要只說「這個模型是錯的」。要具體一點！應說「獨立性的假設是不切實際的，因為……」。
- 忽略背景： 務必使用題目中給出的名稱和情境（例如：提及題目中的「種子」、「機器」或「病人」）。
- 混淆「條件」與「假設」： 條件 (condition) 是為了使用特定數學工具（例如二項分佈）所必須成立的前提。假設 (assumption) 則是為了將現實世界套入該工具，而選擇相信的情況。
章節總結
- 建模 (Modelling) 將現實生活簡化為數學。
- 假設 (Assumptions)（如獨立性和固定機率）是必要的，但往往不完美。
- 批判 (Critiquing) 涉及解釋為什麼這些假設在現實情境中可能會失效（例如因疲勞或外部影響）。
- 修正 (Refining) 是將模型變得更現實，並理解這種改變如何影響結果的過程。
如果剛開始覺得這更像「寫作」而不是「數學」，請別擔心——建模的核心在於數字背後的邏輯！練習觀察日常生活中的事件，並問自己：「為了把它轉化成數學問題，我必須忽略哪些因素？」