Probability

歡迎來到概率的世界！

你有沒有想過今天下雨的機率有多大，或者保險公司是如何決定保費的呢？這就是概率（Probability）的實際應用！在單元 S1 的這一章裡，我們將學習如何使用數字來衡量不確定性。別擔心如果你過去覺得數學有點「靠運氣」；我們會將這些概念拆解成簡單、合乎邏輯的步驟，每個人都能輕鬆掌握。

1. 基本概念：結果與樣本空間

在我們開始計算之前，需要先熟悉概率的術語。

樣本空間（Sample Space, S）是指在一個實驗中，所有可能發生的結果的集合。而事件（Event）則是我們感興趣的特定結果。

例子：如果你擲一顆標準的六面骰子：
樣本空間為 {1, 2, 3, 4, 5, 6}。
一個事件可以是「擲出偶數」，這對應的結果就是 {2, 4, 6}。

黃金法則：
事件 \( A \) 的概率，記作 \( P(A) \)，永遠介於 0 和 1 之間：
\( 0 \le P(A) \le 1 \)
- 如果 \( P(A) = 0 \)，則該事件為不可能事件（Impossible）。
- 如果 \( P(A) = 1 \)，則該事件為必然事件（Certain）。

互補事件（Complementary Events）

事件 \( A \) 的補集（Complement）是指事件 \( A \) 不發生的情況。我們將其寫作 \( A' \)。

關鍵公式： \( P(A') = 1 - P(A) \)

類比：如果下雨的機率是 30%，那麼「不下雨」的機率就是 70%。因為必然是其中一種情況，所以兩者相加必須等於 100%（即 1）。

快速回顧：

• 概率可以用分數、小數或百分比表示。
• 樣本空間中所有可能結果的概率之和必須等於 1。

2. 文氏圖（Venn Diagrams）與加法定理

文氏圖是視覺化不同事件重疊情況的絕佳工具，能幫助我們理解事件 \( A \) 與 \( B \) 之間的關係。

關鍵符號：
• 交集 \( (A \cap B) \)： 這是「重疊」的部分，代表 \( A \) 且 \( B \) 同時發生。
• 聯集 \( (A \cup B) \)： 這是「總區域」，代表 \( A \) 或 \( B \)（或兩者皆）發生。

一般加法定理（General Addition Law）

當我們想求 \( A \) 或 \( B \) 發生的概率時，我們使用以下公式：
\( P(A \cup B) = P(A) + P(B) - P(A \cap B) \)

為什麼要減去交集？
想像在統計教室裡的學生。如果你先數戴眼鏡的人，再數戴手錶的人，那麼那些兩者都戴的人就被重複計算了一次！減去交集就是為了消除這種重複計數。

互斥事件（Mutually Exclusive Events）

如果兩個事件無法同時發生，我們稱之為互斥事件。它們沒有任何重疊。

例子：同時向左轉和向右轉，這是不可能的！

對於這些事件：
• \( P(A \cap B) = 0 \)
• \( P(A \cup B) = P(A) + P(B) \)

常見錯誤： 除非題目明確說明，或是物理上絕對不可能重疊，否則不要隨意假設事件是互斥的！

3. 條件概率：、「已知」因素

條件概率是指在已知某些資訊的情況下，某事發生的機率。

符號標記為 \( P(B | A) \)，讀作「在 \( A \) 已經發生的前提下，\( B \) 發生的概率」。

乘法定理（Multiplication Law）

要計算兩者同時發生的概率（\( A \) 且 \( B \)），我們使用：
\( P(A \cap B) = P(A) \times P(B | A) \)

類比：想像一個「不斷縮小的世界」。如果我問「你穿外套的機率是多少？」，這是一個一般性問題。但如果我說「在下雪的前提下，你穿外套的機率是多少？」，樣本空間已經縮小到只有下雪的日子，因此該機率會大大提高！

關鍵重點：

當你在考試中看到「已知」（given that）這類字眼時，你處理的就是條件概率。這通常意味著你需要將分母更改為「已知」條件下的群體。

4. 獨立事件（Independence）

如果一個事件的發生不會改變另一個事件發生的概率，那麼這兩個事件就是獨立的。

例子：擲硬幣後再擲骰子。硬幣的結果不會影響骰子的結果。

獨立性的檢驗：
事件 \( A \) 與 \( B \) 獨立的充要條件是：
\( P(A \cap B) = P(A) \times P(B) \)

此外，若為獨立事件：
\( P(B | A) = P(B) \)
\( P(A | B) = P(A) \)

你知道嗎？「互斥」與「獨立」是完全不同的概念！互斥意味著兩者不能同時發生；獨立則意味著它們互不影響。

5. 樹狀圖（Tree Diagrams）

樹狀圖是解決涉及一系列事件的問題（例如：從袋子裡連續取出兩個球）的最佳方式。

如何繪製樹狀圖：

1. 分支： 每組分支的機率之和必須等於 1。
2. 沿線相乘： 要找出特定路徑的機率（例如：先紅後藍），請將分支上的概率相乘。
3. 向下相加： 如果有多條路徑能達成你想要的結果（例如：「一紅一藍」），分別計算每條路徑的概率，然後將它們相加。

抽樣：有放回 vs. 無放回

這是考試的熱門考點！請留意這些關鍵詞：
• 有放回（With Replacement）： 你將物品放回袋中。第二次抽取的概率保持不變。（屬於獨立事件）
• 無放回（Without Replacement）： 你取走物品。總數減少了，該物品的數量也減少了。概率會改變。（屬於條件概率）

例子：袋中有 3 個紅球和 7 個藍球。你無放回地取出兩個球。
- P(第一個是紅球) = \( 3/10 \)
- P(第二個是紅球 | 第一個是紅球) = \( 2/9 \)（紅球少了一個，總數也少了一個！）

關鍵公式總結

考試前請務必牢記這張「小抄」：
• 非 A： \( P(A') = 1 - P(A) \)
• A 或 B： \( P(A \cup B) = P(A) + P(B) - P(A \cap B) \)
• A 且 B： \( P(A \cap B) = P(A) \times P(B | A) \)
• 獨立性檢驗： \( P(A \cap B) = P(A) \times P(B) \)
• 條件概率： \( P(B | A) = \frac{P(A \cap B)}{P(A)} \)

如果剛開始覺得很難，別擔心！概率的關鍵在於多練習。每遇到問題時，試著先畫出文氏圖或樹狀圖——這會讓數學運算變得清晰許多！