歡迎來到概率的世界！
你好，未來的統計學家！本章將帶你深入了解機會、可能性，以及（某種程度上）預測未來！如果涉及不確定性的數學題讓你感到棘手，請別擔心——這其實是你將學到的最實用的課題之一。
我們每天都在使用概率：從查看天氣預報到估算巴士遲到的機會。在本節中，我們將以簡單有效的方式拆解這些機率的計算規則。
你需要知道的關鍵術語
- 實驗 (Experiment)： 結果不確定的過程（例如：擲骰子）。
- 結果 (Outcome)： 實驗中的單一結果（例如：擲出 4）。
- 事件 (Event)： 一個或多個結果的集合（例如：擲出偶數）。
- 樣本空間 (Sample Space)： 所有可能結果的列表。
第 1 節：理論概率與實驗概率
概率尺度
所有概率的衡量尺度均為 0 到 1 之間。
- 0： 不可能發生的事件（例如：明天太陽不升起）。
- 0.5 或 \(\frac{1}{2}\)： 一半的機會（例如：拋硬幣得到正面）。
- 1： 必然發生的事件（例如：在英國的 12 月份，某一天會下雨）。
小貼士：你可以用分數、小數或百分比來表示概率，但在計算時，通常優先使用分數，因為它們往往比較精確。
1. 理論概率 (Theoretical Probability)
理論概率是指在完美情況下「應該」發生的事情。我們透過觀察所有可能的結果，並假設一切都是公平的來計算。
基本公式為：
\[P(\text{事件}) = \frac{\text{有利結果的數量}}{\text{所有可能結果的總數量}}\]
例子：擲一枚公平的六面骰子，擲出 3 的概率是多少？
這裡有 1 個「有利」結果（即 3）和 6 個「總可能」結果（1, 2, 3, 4, 5, 6）。
\(P(3) = \frac{1}{6}\)
2. 實驗概率 (Experimental Probability)（相對頻率）
實驗概率（也稱為相對頻率）是指當你進行實驗時「實際發生」的情況。
公式為：
\[P(\text{事件}) = \frac{\text{事件發生的次數}}{\text{試驗的總次數}}\]
例子：你拋擲一枚圖釘 50 次，其中 35 次是釘尖朝上。
釘尖朝上的實驗概率為：\(\frac{35}{50} = \frac{7}{10}\) 或 0.7。
重點總結：大數定律
實驗次數（試驗次數）越多，實驗概率通常會越接近理論概率。這就是為什麼民意調查專家和科學家需要進行多次測試的原因！
第 2 節：找出所有結果（樣本空間圖）
當處理兩個同時發生的事件時（例如擲兩枚骰子或拋兩枚硬幣），準確列出所有可能的結果至關重要。
使用表格列出樣本空間
當組合兩個獨立事件時，表格是呈現完整樣本空間最清晰的方式。
例子：擲兩枚公平的六面骰子並計算點數總和。
想像一個 6 行 6 列的表格，結果總數為 \(6 \times 6 = 36\)。
如果題目問：總點數為 7 的概率是多少？
你需要列出總和為 7 的組合：(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)。
共有 6 個有利結果。
\(P(\text{總和為 7}) = \frac{6}{36} = \frac{1}{6}\)
補事件 (Complementary Event)
補事件是指除了你所關注的事件之外的「所有其他情況」。由於總概率必須始終為 1，我們使用這個簡單的規則：
\[P(A') = 1 - P(A)\]
（其中 \(A'\) 代表「非 A」）。
例子：如果明天降雨的概率 \(P(\text{下雨})\) 是 0.2，那麼明天「不」下雨的概率是多少？
\(P(\text{不下雨}) = 1 - 0.2 = 0.8\)。
常見錯誤警示！
別忘了約簡你的分數！\(\frac{6}{36}\) 必須約簡為 \(\frac{1}{6}\) 才能獲得滿分。
第 3 節：互斥事件（「或」規則）
什麼是「互斥」？
如果兩個事件不能同時發生，則它們是互斥的。它們會互相排斥。
類比：當你擲一枚骰子時，你不可能同時擲出「4」和「5」。擲出 4 和擲出 5 是互斥事件。
加法規則 (OR)
如果你想找出事件 A **或** 事件 B 發生的概率，且它們是互斥的，你只需將它們各自的概率相加。
\[P(A \text{ 或 } B) = P(A) + P(B)\]
例子：袋子裡有 4 個紅色、3 個藍色和 5 個綠色的籌碼。選出一個紅色或藍色籌碼的概率是多少？（籌碼總數 = 12）
- \(P(\text{紅}) = \frac{4}{12}\)
- \(P(\text{藍}) = \frac{3}{12}\)
\(P(\text{紅或藍}) = P(\text{紅}) + P(\text{藍}) = \frac{4}{12} + \frac{3}{12} = \frac{7}{12}\)
記憶法：ME + A
Mutually Exclusive（互斥）意味著你需要 **A**dd（相加）概率。
第 4 節：獨立事件（「且」規則）
什麼是「獨立」？
如果第一個事件的結果不會影響第二個事件的結果，則兩個事件是獨立的。
例子：拋兩次硬幣。第一次拋出正面，並不會改變第二次拋出正面的概率。
乘法規則 (AND)
如果你想找出事件 A **且** 事件 B 發生的概率，且它們是獨立的，你只需將它們各自的概率相乘。
\[P(A \text{ 且 } B) = P(A) \times P(B)\]
例子：拋一枚硬幣並擲一枚骰子。得到正面且擲出 6 的概率是多少？
- \(P(\text{正面}) = \frac{1}{2}\)
- \(P(\text{6}) = \frac{1}{6}\)
\(P(\text{正面且6}) = \frac{1}{2} \times \frac{1}{6} = \frac{1}{12}\)
記憶法：I \(\times\)
Independent（獨立）事件意味著你需要 **M**ultiply（相乘）概率。
第 5 節：使用樹狀圖
樹狀圖是可視化並計算兩個或多個順序事件概率的最佳方法。
如何繪製與使用樹狀圖
樹狀圖由每個可能結果的分支組成。
第一步： 繪製第一個事件的分支，並在每個分支上寫下概率。
第二步： 從每個分支的末端，繪製第二個事件的分支，並寫下它們的概率。
（檢查：從任何單一點出發的分支概率總和必須等於 1。）
第三步： 若要找出事件序列的概率（「且」的情況），沿著所需的路徑（分支）將概率相乘。
第四步： 如果你在尋找多個成功的序列（「或」的情況），先算出每條路徑的概率（第三步），然後將這些最終概率相加。
例子：兩個獨立事件（放回抽樣）
袋子裡有 3 個紅球 (R) 和 7 個藍球 (B)。取出一個球，記錄後放回。然後取出第二個球。
總球數 = 10。\(P(R) = \frac{3}{10}\)。\(P(B) = \frac{7}{10}\)。
問題：找出取出兩個紅球的概率。
即 \(P(\text{紅且紅})\)。
由於球被放回，事件是獨立的。
\(P(\text{紅且紅}) = P(\text{第一次紅}) \times P(\text{第二次紅}) = \frac{3}{10} \times \frac{3}{10} = \frac{9}{100}\)
問題：找出取出一紅一藍（不分順序）的概率。
我們需要 \(P(\text{先紅後藍})\) 或 \(P(\text{先藍後紅})\)。
- 路徑 1（紅後藍）：\(\frac{3}{10} \times \frac{7}{10} = \frac{21}{100}\)
- 路徑 2（藍後紅）：\(\frac{7}{10} \times \frac{3}{10} = \frac{21}{100}\)
總概率（將路徑相加）：\(\frac{21}{100} + \frac{21}{100} = \frac{42}{100}\) 或 \(\frac{21}{50}\)
非獨立事件的樹狀圖（不放回抽樣）
當選取一個物體後不放回，第一次選擇的結果會改變第二次選擇的樣本空間（結果總數）。現在，這些事件是相依的。
例子：箱子裡有 3 個紅球 (R) 和 7 個藍球 (B)。取出兩個球，不放回。
第一次選取的概率：
\(P(R) = \frac{3}{10}\) 且 \(P(B) = \frac{7}{10}\)
第二次選取的概率（概率必須改變！）：
如果第一次選的是紅球 (R)，現在剩下 9 個球，其中 2 個是紅球。
\(P(\text{第二次紅} | \text{第一次紅}) = \frac{2}{9}\)
問題：找出取出兩個紅球的概率。
\[P(R \text{ 且 } R) = P(R \text{ 第一次}) \times P(R \text{ 第二次})\] \[P(R \text{ 且 } R) = \frac{3}{10} \times \frac{2}{9} = \frac{6}{90} = \frac{1}{15}\]
小貼士：分支檢查
處理「不放回」問題時，務必確保第二組分支上的分子和分母能反映出新的總數和已被移除的項目。
例如：如果你開始有 10 個項目，所有第二次選擇的概率分母都必須是 9。
快速複習總結：該用哪個規則？
了解何時相加、何時相乘是概率成功的關鍵。
何時相加 (ADD)：
如果題目涉及 **「或」(OR)** 且事件是互斥的（不能同時發生）。
例子：擲一次骰子擲出 1 或 2。
何時相乘 (MULTIPLY)：
如果題目涉及 **「且」(AND)**（兩個或多個事物順序發生或同時發生）且事件是獨立的，或是樹狀圖中連鎖的序列。
例子：得到正面且擲出 6。
結語
概率不是猜測，而是結構化的計算！透過運用理論概率公式、利用圖表組織結果，並掌握何時相加（用於 OR）或相乘（用於 AND），你一定能精通這一章。繼續練習那些樹狀圖吧——它們是解開複雜難題的關鍵！加油，你一定可以的！