歡迎來到機率的世界！
你好，未來的數學家！這一章要探討的是機率 (Probability)——即關於可能性的數學。別擔心，「統計」這類字眼聽起來可能很嚇人；機率其實深深植根於我們的日常生活中，從查看天氣預報到安排你的日程，都離不開它。
我們將學習如何計算、視覺化並理解事件發生的可能性。這些筆記旨在將每個概念拆解為簡單的步驟。讓我們開始吧！
1. 基礎：定義與測量機率
什麼是機率？
機率是用來衡量一個事件發生可能性的大小。我們通常用 0 到 1 之間的一個數值（或 0% 到 100%）來表示。
- 0 代表該事件是不可能發生的（永遠不會發生）。例子：擲一顆標準骰子得到 7。
- 1（或 100%）代表該事件是必然發生的（一定會發生）。例子：明天太陽從東方升起。
- 0.5（或 50%）代表該事件的機率均等（發生與不發生的機會各半）。
計算理論機率
當我們假設所有結果出現的可能性都相等時（例如公平的硬幣或骰子），我們使用理論機率 (Theoretical Probability)。
基本公式為：
\(P(A) = \frac{\text{有利結果的數量}}{\text{所有可能的結果總數}}\)
例子：擲一顆標準 6 面骰子，擲出偶數的機率是多少？
- 有利結果（2, 4, 6）：3 個
- 所有可能的結果（1, 2, 3, 4, 5, 6）：6 個
- \(P(\text{偶數}) = \frac{3}{6} = \frac{1}{2}\) 或 0.5
實驗機率（相對頻率）
有時候我們無法輕易計算理論機率（例如預測複雜運動賽事的結果），這時我們會依賴真實世界的數據，也就是實驗機率 (Experimental Probability)。這也被稱為相對頻率 (Relative Frequency)。
相對頻率 (RF) 基於試驗或實驗：
\(\text{RF} = \frac{\text{成功試驗的次數}}{\text{進行的試驗總次數}}\)
你知道嗎？ 當你進行越來越多次的試驗，實驗機率通常會越來越接近理論機率。這是一個非常重要的概念，稱為大數定律 (Law of Large Numbers)！
重點複習：關鍵筆記
機率是一個測量值（0 到 1 之間）。理論機率使用基於可能性的公式；實驗機率則使用觀察到的數據（相對頻率）。
2. 機率的基本法則
法則一：所有機率之和
如果你列出實驗中所有可能的結果（這個列表稱為樣本空間 (Sample Space)），所有結果的機率總和必須等於 1。
\(\sum P = 1\)
法則二：互補法則（「非」法則）
事件發生的機率加上該事件不發生的機率必須等於 1。
我們使用記號 \(A'\) (A Prime) 或 \(A^c\) (A Complement) 來表示「非 A」。
\(P(A') = 1 - P(A)\)
類比： 如果你的巴士遲到的機率是 0.25 (\(P(L)\))，那麼它準時到達的機率 (\(P(L')\)) 就是 \(1 - 0.25 = 0.75\)。
3. 視覺化結果：樣本空間圖
當實驗涉及兩個獨立動作時（例如擲兩顆骰子，或擲硬幣後再擲骰子），樣本空間圖 (Sample Space Diagram)（通常是一個表格）是列出所有可能結果最清晰的方法。
步驟：建立樣本空間表
- 在上方（x 軸）列出第一個動作的結果。
- 在側面（y 軸）列出第二個動作的結果。
- 填寫表格中的組合結果（通常是兩個結果的總和或乘積）。
例子：擲兩顆標準骰子並將點數相加。
表格將顯示 36 個總結果 (6 x 6)。
要找出 \(P(\text{總分是 7})\)：
你需要計算總和為 7 的格子（共有 6 個：(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)）。
\(P(\text{總分是 7}) = \frac{6}{36} = \frac{1}{6}\)
避開這個常見錯誤！
擲兩顆骰子時，學生有時會誤以為 \(P(\text{總分 7})\) 和 \(P(\text{總分 2})\) 是相同的。這是不對的！樣本空間圖顯示，總分 7 的出現機率遠高於 2，因為得到 7 有 6 種方法，但得到 2 只有 1 種方法 (1 + 1)。
4. 事件類型與關鍵法則
4.1. 互斥事件（加法法則）
互斥 (Mutually Exclusive) 事件是指不能同時發生的事情。它們沒有重疊。
- 例子： 擲一次硬幣，同時得到「正面」和「反面」是互斥的。
如果事件 A 和 B 是互斥的，那麼 A 或 (OR) B 發生的機率就是它們各自機率的總和。
P(A 或 B) = P(A) + P(B)
例子：袋子裡有 5 個紅球、3 個藍球和 2 個綠球（總共 10 個）。抽出紅球或綠球的機率是多少？
\(P(\text{紅}) = 5/10\)
\(P(\text{綠}) = 2/10\)
\(P(\text{紅或綠}) = 5/10 + 2/10 = 7/10\)
4.2. 獨立事件（乘法法則）
獨立事件 (Independent Events) 是指第一個事件的結果不會影響第二個事件結果的事件。
- 例子： 擲硬幣然後擲骰子。擲硬幣的結果不會改變擲骰子的機率。
如果事件 A 和 B 是獨立的，那麼 A 且 (AND) B 同時發生的機率就是它們各自機率的乘積。
P(A 且 B) = P(A) \(\times\) P(B)
例子：擲出 6 點且硬幣出現正面的機率是多少？
\(P(6) = 1/6\)
\(P(\text{正面}) = 1/2\)
\(P(6 \text{ 且 正面}) = (1/6) \times (1/2) = 1/12\)
5. 使用樹狀圖進行順序事件
樹狀圖 (Tree Diagrams) 是用於按順序（一個接一個）發生的實驗的絕佳視覺工具。
如何建立並使用樹狀圖
- 從分支開始： 為第一個事件繪製分支，在每個分支上標註結果及其機率。
- 次級分支： 從每個第一分支的末端，為第二個事件繪製新分支，並標註它們的機率。
- 找出最終機率： 要找出順序事件的機率（例如：先事件 A 再事件 B），你需要將路徑（或分支）上的機率相乘。
- 計算總機率： 如果你是在尋找多個成功的結果（例如：正面-反面 或 反面-正面），你需要將相關終點的機率相加。
情境：有放回與無放回
這是學生最容易出錯的地方！深呼吸——關鍵在於檢查樣本空間是否發生了變化。
5.1. 有放回（獨立事件）
如果你取出一件物品然後放回去，物品總數和第二個事件的機率保持不變。這些事件是獨立的。
例子：取出一個球，記錄顏色，然後放回去再取第二個。
5.2. 無放回（相依事件）
如果你取出一件物品並且沒有放回去，總數會減少 1，且第二個事件的機率會隨之改變。這時事件變為相依 (Dependent)。
例子：袋子裡有 4 個紅球和 6 個藍球（總共 10 個）。你在無放回的情況下取兩次。
- \(P(\text{第一次是紅}) = 4/10\)
- 如果第一次是紅球，袋子現在剩 3 個紅球和 6 個藍球（總共 9 個）。
- \(P(\text{第二次是紅}) = 3/9\)
- 因此，\(P(\text{紅且紅}) = (4/10) \times (3/9) = 12/90\)
樹狀圖記憶口訣
沿著分支乘（用於「且」）。
在終點處加（用於「或」）。
6. 使用文氏圖 (Venn Diagrams) 視覺化機率
文氏圖用於視覺化不同集合或事件之間的關係。它們對於非互斥事件（可能重疊的事件）特別有用。
- 大矩形代表樣本空間 (\(\mathcal{E}\) 或 S)—總體或結果總數。
- 圓圈代表特定事件（A、B 等）。
機率中的關鍵集合符號
6.1. 交集 (\(A \cap B\)) - 且 (AND)
這是 A 和 B 同時發生的中央重疊區域。
\(P(A \cap B)\) 代表 A 且 B 發生的機率。
6.2. 聯集 (\(A \cup B\)) - 或 (OR)
這包含了 A 中的所有內容、B 中的所有內容，以及重疊部分。
\(P(A \cup B)\) 代表 A 或 B（或兩者）發生的機率。
6.3. 補集 (\(A'\)) - 非 (NOT)
這是圓圈 A 外面的區域（但仍在矩形 \(\mathcal{E}\) 內）。
一般加法公式
如果事件 A 和 B 不是互斥的（它們有重疊），我們不能單純相加 \(P(A) + P(B)\)，因為這樣會把交集 (\(A \cap B\)) 重複計算兩次！
我們必須使用一般公式：
\(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)
例子： 如果 10 個人喜歡蘋果 (A)，8 個人喜歡香蕉 (B)，且有 3 個人兩者都喜歡 (\(A \cap B\))，我們透過計算 \(10 + 8 - 3 = 15\) 來找到喜歡 A 或 B 的唯一人數總和。
文氏圖步驟
- 務必先填寫交集 (\(A \cap B\))。
- 計算獨特的部分：若只計算 A，則從總數 A 中減去重疊部分：\(P(\text{只有 A}) = P(A) - P(A \cap B)\)。
- 計算圓圈外的區域（聯集的補集）：這代表那些既不是 A 也不是 B 的人。
7. 最後複習與鼓勵
機率快速檢核清單
- 答案是否在 0 到 1 之間？（如果不是，請重新檢查你的計算！）
- 事件是否互斥？如果是，請加（用於「或」）。
- 事件是否獨立？如果是，請乘（用於「且」）。
- 如果使用樹狀圖，是否記得在「無放回」問題中更新總結果數？
- 如果使用文氏圖，在計算聯集時是否減去了重疊部分？
你已經掌握了 IGCSE 機率的基本概念！請記住，機率的核心在於邏輯計數。持續練習樹狀圖和樣本空間，你會發現這些題目其實很直接。你一定做得到的！