歡迎來到組合事件的世界！
在基礎數學學習中，你可能已經探討過單一事件發生的機率——比如擲骰子得到 6 點。但現實生活往往沒那麼簡單！我們通常需要了解多個事件同時發生的機率。例如：「下雨 AND 我的巴士遲到的機率是多少？」或是「我中頭獎 OR 被雷劈中的機率是多少？」
在本章中，我們將學習如何利用邏輯、圖表和一些非常實用的公式來組合這些機率。無論你熱愛數學，還是覺得它有點令人望而生畏，這些筆記都將內容拆解成易於消化的部分。讓我們開始吧！
1. 可視化可能性
在開始計算之前，我們需要一種方法來呈現所有可能的結果。課程大綱強調了三種你必須熟練掌握的工具：
A. 溫氏圖 (Venn Diagrams)
溫氏圖使用重疊的圓圈來顯示數據集之間的關係。它們非常適合用來展示可以同時發生的事件。
你知道嗎？ 在 MEI 考試中，溫氏圖最多可以處理三個不同的事件。請留意中間重疊的部分——那就是所有三個事件同時發生的區域！
B. 樹狀圖 (Tree Diagrams)
樹狀圖非常適合處理「分階段」的事件（例如拋兩次硬幣）。每個「分支」代表一個選擇或結果。
小貼士： 沿著分支相乘，即可求出特定路徑的機率。如果你想找出多種不同結果的機率，只需將這些路徑的總計相加即可。
C. 樣本空間圖 (Sample Space Diagrams)
這些本質上就是網格圖。當你有兩個相互獨立且結果眾多的事件時（例如擲兩顆骰子並將分數相加），它們最為實用。
快速回顧： 圖表不僅是「額外的工作」——它們是防止錯誤的最佳途徑。如果題目讓你感到困惑，畫出來就對了！
2. 互斥事件 vs. 獨立事件
這是本章的「黃金法則」部分。理解這兩個術語之間的區別是掌握整章內容的關鍵。
互斥事件 (Mutually Exclusive Events - 「非此即彼」規則)
如果事件不能同時發生，那麼它們就是互斥的。
類比： 你不可能在完全相同的瞬間既在倫敦又在巴黎。這只能是二選一。
數學表達： 如果事件 \(A\) 和 \(B\) 是互斥的，那麼兩者同時發生的機率為零：\(P(A \cap B) = 0\)。
加法法則： 要找出 \(A\) OR (或) \(B\) 發生的機率，直接相加即可：
\(P(A \text{ or } B) = P(A) + P(B)\)
獨立事件 (Independent Events - 「互不干擾」規則)
如果一個事件的結果不會影響另一個事件的結果，那麼它們就是獨立的。
類比： 如果你拋硬幣出現正面，這並不會增加或減少明天會下雨的機率。硬幣根本「不在乎」天氣。
乘法法則： 要找出 \(A\) AND (且) \(B\) 同時發生的機率，將它們相乘：
\(P(A \text{ and } B) = P(A) \times P(B)\)
常見錯誤提醒： 別搞混了！記住：OR (或) 要用加法（互斥），AND (且) 要用乘法（獨立）。
3. 一般加法法則 (General Addition Rule)
如果事件可以同時發生該怎麼辦？例如，如果我們抽出一張牌，它既可能是紅心 (Heart)，也可能是國王 (King)，或者它就是紅心國王 (King of Hearts)。
如果我們只是直接相加 \(P(\text{Heart}) + P(\text{King})\)，我們就重複計算了紅心國王！為了修正這種「重複計算」，我們使用一般加法法則：
\(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)
符號註釋：
• \( \cup \) (聯集) 代表 OR (或)。
• \( \cap \) (交集) 代表 AND (且)。
重點總結： 如果事件不是互斥的，務必記得減去重疊部分 (\(A \cap B\))。
4. 條件機率：「已知...」(Conditional Probability)
有時，我們擁有的額外資訊會改變機率。這被稱為條件機率。你會發現這類題目通常會用到「已知...」(given that) 這個短語。
類比： 一個隨機路人穿外套的機率可能是 20%。但已知正在下雪的前提下，一個人穿外套的機率就會高得多（可能是 99%）！
公式：
\(P(A|B) = \frac{P(A \cap B)}{P(B)}\)
這看起來很嚇人，但意思只是：「已知 B 已經發生的情況下，A 發生的機率，等於兩者同時發生的機率除以條件 (B) 發生的機率。」
測試獨立性
我們可以使用條件機率來驗證兩件事是否獨立。如果 \(P(B|A) = P(B)\)，這意味著儘管我們知道 \(A\) 發生了，但 \(B\) 發生的機率並沒有改變。因此，它們是獨立的。
起初覺得複雜也不用擔心！ 只需記住「已知」的部分永遠放在分數的分母即可。
5. 期望頻率與「至少一個」
期望頻率 (Expected Frequency)
如果你知道一個事件的機率，你就可以預測它在多次試驗中會發生多少次。
公式： \(\text{Expected Frequency} = n \times P(A)\)
（其中 \(n\) 是試驗次數）。
例子： 如果種子發芽的機率是 0.7，而你種植了 100 顆種子，你預期會有 \(100 \times 0.7 = 70\) 顆種子發芽。
「至少一個」技巧
MEI 的考官很喜歡問「至少一個」事件發生的機率。直接計算這類題目簡直是噩夢！
捷徑： 先求出沒有一個事件發生的機率，再用 1 減去它會簡單得多。
\(P(\text{At least one}) = 1 - P(\text{None})\)
例子： 若要找出拋五次骰子至少出現一次「6」的機率：
1. 求出「沒出現 6」的機率： \((\frac{5}{6})^5\)。
2. 用 1 減去該值： \(1 - (\frac{5}{6})^5\)。
總結清單
• 我知道什麼時候該加法 (OR) 以及什麼時候該乘法 (AND) 嗎？
• 我會用溫氏圖來呈現 \(P(A \cup B)\) 嗎？
• 我會使用條件機率的公式嗎？
• 我記得在一般加法法則中減去重疊部分嗎？
• 我會使用 \(1 - P(\text{none})\) 這個技巧來處理「至少一個」的題目嗎？
最後的鼓勵： 機率全在於邏輯。慢慢來，仔細閱讀題目——「and」(且)、「or」(或) 和「given that」(已知) 就是你解題最大的線索！