Probability

欢迎来到概率的世界！

你有没有想过今天下雨的概率有多大，或者保险公司是如何决定保费的呢？这就是概率（Probability）的实际应用！在单元 S1 的这一章里，我们将学习如何使用数字来衡量不确定性。别担心如果你过去觉得数学有点“靠运气”；我们会将这些概念拆解成简单、合乎逻辑的步骤，每个人都能轻松掌握。

1. 基本概念：结果与样本空间

在我们开始计算之前，需要先熟悉概率的术语。

样本空间（Sample Space, S）是指在一个实验中，所有可能发生的结果的集合。而事件（Event）则是我们感兴趣的特定结果。

例子：如果你掷一颗标准的六面骰子：
样本空间为 {1, 2, 3, 4, 5, 6}。
一个事件可以是“掷出偶数”，这对应的结果就是 {2, 4, 6}。

黄金法则：
事件 \( A \) 的概率，记作 \( P(A) \)，永远介于 0 和 1 之间：
\( 0 \le P(A) \le 1 \)
- 如果 \( P(A) = 0 \)，则该事件为不可能事件（Impossible）。
- 如果 \( P(A) = 1 \)，则该事件为必然事件（Certain）。

互补事件（Complementary Events）

事件 \( A \) 的补集（Complement）是指事件 \( A \) 不发生的情况。我们将其写作 \( A' \)。

关键公式： \( P(A') = 1 - P(A) \)

类比：如果下雨的概率是 30%，那么“不下雨”的概率就是 70%。因为必然是其中一种情况，所以两者相加必须等于 100%（即 1）。

快速回顾：

• 概率可以用分数、小数或百分比表示。
• 样本空间中所有可能结果的概率之和必须等于 1。

2. 文氏图（Venn Diagrams）与加法定理

文氏图是可视化不同事件重叠情况的绝佳工具，能帮助我们理解事件 \( A \) 与 \( B \) 之间的关系。

关键符号：
• 交集 \( (A \cap B) \)： 这是“重叠”的部分，代表 \( A \) 且 \( B \) 同时发生。
• 并集 \( (A \cup B) \)： 这是“总区域”，代表 \( A \) 或 \( B \)（或两者皆）发生。

一般加法定理（General Addition Law）

当我们想求 \( A \) 或 \( B \) 发生的概率时，我们使用以下公式：
\( P(A \cup B) = P(A) + P(B) - P(A \cap B) \)

为什么要减去交集？
想象在统计教室里的学生。如果你先数戴眼镜的人，再数戴手表的人，那么那些两者都戴的人就被重复计算了一次！减去交集就是为了消除这种重复计数。

互斥事件（Mutually Exclusive Events）

如果两个事件无法同时发生，我们称之为互斥事件。它们没有任何重叠。

例子：同时向左转和向右转，这是不可能的！

对于这些事件：
• \( P(A \cap B) = 0 \)
• \( P(A \cup B) = P(A) + P(B) \)

常见错误： 除非题目明确说明，或是物理上绝对不可能重叠，否则不要随意假设事件是互斥的！

3. 条件概率：“已知”因素

条件概率是指在已知某些信息的情况下，某事发生的概率。

符号标记为 \( P(B | A) \)，读作“在 \( A \) 已经发生的前提下，\( B \) 发生的概率”。

乘法定理（Multiplication Law）

要计算两者同时发生的概率（\( A \) 且 \( B \)），我们使用：
\( P(A \cap B) = P(A) \times P(B | A) \)

类比：想象一个“不断缩小的世界”。如果我问“你穿外套的概率是多少？”，这是一个一般性问题。但如果我说“在下雪的前提下，你穿外套的概率是多少？”，样本空间已经缩小到只有下雪的日子，因此该概率会大大提高！

关键重点：

当你在考试中看到“已知”（given that）这类字眼时，你处理的就是条件概率。这通常意味着你需要将分母更改为“已知”条件下的群体。

4. 独立事件（Independence）

如果一个事件的发生不会改变另一个事件发生的概率，那么这两个事件就是独立的。

例子：掷硬币后再掷骰子。硬币的结果不会影响骰子的结果。

独立性的检验：
事件 \( A \) 与 \( B \) 独立的充要条件是：
\( P(A \cap B) = P(A) \times P(B) \)

此外，若为独立事件：
\( P(B | A) = P(B) \)
\( P(A | B) = P(A) \)

你知道吗？“互斥”与“独立”是完全不同的概念！互斥意味着两者不能同时发生；独立则意味着它们互不影响。

5. 树状图（Tree Diagrams）

树状图是解决涉及一系列事件的问题（例如：从袋子里连续取出两个球）的最佳方式。

如何绘制树状图：

1. 分支： 每组分支的概率之和必须等于 1。
2. 沿线相乘： 要找出特定路径的概率（例如：先红后蓝），请将分支上的概率相乘。
3. 向下相加： 如果有多条路径能达成你想要的结果（例如：“一红一蓝”），分别计算每条路径的概率，然后将它们相加。

抽样：有放回 vs. 无放回

这是考试的热门考点！请留意这些关键词：
• 有放回（With Replacement）： 你将物品放回袋中。第二次抽取的概率保持不变。（属于独立事件）
• 无放回（Without Replacement）： 你取走物品。总数减少了，该物品的数量也减少了。概率会改变。（属于条件概率）

例子：袋中有 3 个红球和 7 个蓝球。你无放回地取出两个球。
- P(第一个是红球) = \( 3/10 \)
- P(第二个是红球 | 第一个是红球) = \( 2/9 \)（红球少了一个，总数也少了一个！）

关键公式总结

考试前请务必牢记这张“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： \( P(A \cap B) = P(A) \times P(B | A) \)
• 独立性检验： \( P(A \cap B) = P(A) \times P(B) \)
• 条件概率： \( P(B | A) = \frac{P(A \cap B)}{P(A)} \)

如果刚开始觉得很难，别担心！概率的关键在于多练习。每遇到问题时，试着先画出文氏图或树状图——这会让数学运算变得清晰许多！