歡迎來到機率的世界！
你有沒有想過贏得比賽的機率有多大？或者當天氣預報說降雨機率是 20% 時，真的會下雨嗎？這正是機率 (Probability) 的核心！在本章中，我們將學習如何用數字來衡量「機會」。別擔心，如果你以前覺得數學很棘手——機率其實是非常合乎邏輯的，我們會一步一步來拆解它。
1. 機率標尺 (The Probability Scale)
在數學中，我們使用 0 到 1 的標尺來衡量某件事發生的可能性。你可以把它想像成一個「可能性溫度計」。
五個關鍵基準：
1. 0 (不可能)： 絕對不會發生。(例如：在你的花園裡找到一隻活生生的恐龍。)
2. 小於 0.5 (不太可能)： 可能會發生，但機會不大。
3. 0.5 (機會均等/各半)： 發生的機會與不發生的機會相等。(例如：拋擲硬幣出現「正面」。)
4. 大於 0.5 (很有可能)： 很有可能會發生。
5. 1 (必然)： 100% 肯定會發生。(例如：明天太陽會升起。)
溫馨小貼士：
機率可以用分數、小數或百分比來表示。然而，在數學的機率標尺上，數值始終介於 0 和 1 之間。如果你計算出的機率是 1.2 或 -0.5，快停下來！你肯定算錯了，因為機率永遠不可能大於 1 或小於 0。
重點總結：機率就是一個介於 0 和 1 之間的數字，它告訴我們一件事情發生的可能性有多大。
2. 等可能性結果 (Equally Likely Outcomes)
當我們談論「公平」的物件時，例如普通的骰子或平衡的硬幣，我們稱這些結果為等可能性 (Equally Likely)。這意味著每一個結果發生的機會完全相同。
要計算某件事（稱為事件 Event）發生的機率，我們使用這個簡單的「公式」：
\( P(\text{event}) = \frac{\text{該事件發生的方式數量}}{\text{所有可能的總結果數量}} \)
逐步示例：投擲六面骰子出現 4 的點數
1. 有多少種方法可以擲出 4？ 骰子上只有 一個 「4」。(分子 = 1)
2. 骰子上一共有多少個數字？ 總共有 六個 數字。(分母 = 6)
3. 機率： \( P(4) = \frac{1}{6} \)
你知道嗎？
在數學中，我們使用大寫的 P 和括號作為速記。所以，P(Tail) 就是指「擲出反面的機率」。
重點總結：對於公平的遊戲，只需算出贏的結果數量，再除以所有可能發生的情況總數即可。
3. 相對頻率 (Relative Frequency / Experimental Probability)
有時候我們不知道某件事的「理論」機率。例如，如果丟下一枚圖釘，它是尖端朝上還是朝下？為了找出答案，我們必須進行實驗 (Experiment)。
相對頻率就是我們「透過實際操作所得出的機率」的一個華麗名稱。
\( \text{Relative Frequency} = \frac{\text{該事件發生的次數}}{\text{總試驗次數 (次數)}} \)
現實生活中的比喻：
想像一位籃球運動員。如果他投籃 10 次，命中了 7 次，那麼他命中的相對頻率就是 \( \frac{7}{10} \) 或 0.7。這就是他的「實驗性」成功率。
避免常見錯誤：
學生常以為相對頻率是固定的規則，其實不然！如果你拋硬幣 10 次，可能會出現 7 次正面。這並不代表出現正面的機率是 0.7；這僅僅是你在該次實驗中的結果而已。
重點總結：相對頻率是基於我們從試驗中收集到的數據而得出的機率。
4. 大數法則 (The Law of Large Numbers)
這聽起來很複雜，但實際上是一個非常令人振奮的概念！它表示：你重複實驗的次數越多，你的相對頻率就會越接近真正的理論機率。
示例：
如果你拋一枚公平的硬幣 10 次，你可能會得到 8 次正面（相對頻率為 0.8）。這看起來很「不公平」。
但如果你拋 1,000 次，你很有可能會得到非常接近 500 次的正面（相對頻率接近 0.5）。
關鍵點：試驗次數越多 = 結果越可靠。
溫馨小貼士：
機率是理論（應該發生的情況）。
相對頻率是實踐（實際發生的情況）。
你嘗試的次數越多，兩者就會越接近！
5. 期望結果 (Expected Outcomes)
一旦我們知道了某件事的機率，我們就可以預測未來！嗯，差不多是這樣。我們可以計算期望結果 (Expected Outcome)。
公式：
\( \text{Expected number of times} = \text{Probability} \times \text{Total number of trials} \)
示例：
公車遲到的機率是 0.2。如果你今年搭乘 50 次公車，你預期它會遲到幾次？
1. 機率： 0.2
2. 試驗次數： 50
3. 計算： \( 0.2 \times 50 = 10 \)
你預期公車會遲到 10 次。
記憶小技巧：
想一想英文的 "of"。如果你想求「某個機率」of「總次數」，在數學中 "of" 通常代表乘法！
重點總結：要找出期望頻率，只需將機率乘以試驗次數即可。
6. 組合事件 (Combined Events)
有時候我們會觀察兩件事同時發生，例如擲兩顆骰子並將點數相加。要找出這些機率，最好使用樣本空間表 (Sample Space Table) 或頻率樹 (Frequency Tree)。
示例：擲兩顆骰子，點數總和為 12。
得到 12 只有一種方式（兩顆骰子都是 6）。由於擲兩顆骰子共有 36 種組合（\( 6 \times 6 = 36 \)），因此機率為 \( \frac{1}{36} \)。
如果這看起來有點難，別擔心！只要記住，對於組合事件，你仍然只是在進行計數：「我有多少種方法可以達到目標？」除以「總共有多少種組合？」
重點總結回顧：
1. 使用 0-1 標尺來描述可能性。
2. P(事件) 就是「勝出的情況」除以「總結果」。
3. 相對頻率 是實驗中的「得分板」。
4. 試驗次數越多 = 準確度越高。
5. 期望結果 = 機率 \( \times \) 試驗次數。