108課綱
2025-12-01
108課綱高中數學：5分鐘就能搞懂——條件機率與獨立事件全攻略
前言：為什麼機率問題總是算錯？
「條件機率」與「獨立事件」一直都是許多同學心目中的終極Boss，相對地，它們卻也是學測與分科測驗的得分關鍵。許多同學在面對與機率有關的題目時，常會感到頭痛：為什麼分母有時候要變？什麼時候該相乘？「互斥」跟「獨立」到底哪裡不一樣？
其實，機率問題的核心在於「判讀資訊」與「界定樣本空間」，先確實掌握條件機率的定義，理解事件之間的關聯性，遇到相關題目才能迎刃而解。今天這篇文章，便要和同學一起重新梳理條件機率與獨立事件的核心觀念，透過清晰的邏輯架構與範例，幫助大家重建解題信心！
一、 破解條件機率：當樣本空間縮小時
條件機率的核心概念在於「資訊的更新」。當我們獲得一個新的資訊（事件\(B\)發生），樣本空間就不再是原本的所有可能性，而縮小範圍至\(B\)事件當中。
1. 定義與理解
在數學上，對於樣本空間\(S\)中的兩事件\(A\)與\(B\)，若已知\(B\)事件已經發生\(P(B)>0)\)，那麼在此條件下，\(A\)事件發生的機率記為 \(P(A|B)\)。公式如下：
\(P(A|B) = {P(A\bigcap B) \over P(B)}\)
這個公式告訴我們：計算條件機率時，分母應鎖定為「已知事件 $B$ 的機率」，分子則是「$A$ 與 $B$ 同時發生的交集機率」。
2. 重要性質與乘法法則
理解定義後，我們可以推導出幾個關鍵性質，這也是解題時的常用工具：
-
數值範圍： 機率值恆介於 0 與 1 之間。
-
子集關係： 若\(A\subset B\)（\(A\)包含於\(B\)），則\(P(A|B)\)等於\(P(A)\)除以\(P(B)\)。
-
乘法法則 (The Multiplication Rule)： 將條件機率公式移項，可得\(P(A\bigcap B) =P(B)×P(A|B)\)。這表示若要計算兩事件同時發生的機率，可視為「先發生\(B\)，再於\(B\)發生的情況下發生\(A\)」。此法則可延伸至三個以上的事件，例如：
\(P(A\cap B\cap C)=P(A)×P(B|A)×P(C|A\cap B)\)
二、 貝氏定理：由結果反推原因的利器
貝氏定理 (Bayes’ Theorem) 是條件機率的高階應用，主要用於解決「反向機率」問題。當我們觀察到某個結果，想推測其成因來自特定來源的機率時，便需使用此定理。
1. 定義與理解
在使用貝氏定理前，需先建立「完備事件組」的概念。若\(\{B_1, B_2, ..., B_n \}\)是一組互不相交且聯集涵蓋整個樣本空間的事件（即包含了所有可能性），則任意事件\(x = {-b \pm \sqrt{b^2-4ac} \over 2a}\)
的機率可表示為：
的機率可表示為：\(P(A)=\Sigma P(A|B_i)P(B_i)\)
2. 貝氏定理公式解析
當已知事件\(A\)發生，我們想反推是由第\(j\)個原因\(B_j\)所導致的機率\(P(B_j|A)\)時，公式為：\(P(B_j|A)= {P(A|B_j)P(B_j) \over \Sigma P(A|B_i)P(B_i)}\)
簡而言之，分子是「特定路徑的機率」，分母是「所有可能導致\(A\)發生的路徑機率總和」。
3. 經典應用場景
- 醫學檢測： 已知某人檢測呈陽性（結果\(A\)），求此人確實患病（原因\(B\)）的機率。
- 工廠良率： 有產品被檢測為瑕疵品，則求該產品來自某生產線的機率。
三、 獨立事件：互不干擾的數學定義
1. 定義與理解
若事件\(A\)的發生與否，完全不影響事件\(B\)發生的機率，我們稱兩者為獨立事件。其充分必要條件為：\(P(A \cap B)=P(A)×P(B)\)
這也等價於\(P(A|B)=P(A)\)以及\(P(B|A)=P(B)\)，亦即\(B\)的發生不會改變\(A\)的機率。
2. 常見的判斷策略
我們可以透過以下步驟，在考試時進行獨立事件的檢驗：- 分別計算\(P(A)\)與\(P(B)\)。
- 計算兩者交集\(P(A \cap B)\)。
- 檢查\(P(A \cap B)\)是否等於\(P(A)×P(B)\)。若相等即為獨立，否則為相關（不獨立）。
3. 實例對照
- 獨立事件——擲雙骰子：甲骰子擲出偶數，乙骰子擲出 6 點。兩顆骰子物理上互不接觸，數學計算上也符合乘積關係，故為獨立。
- 相關事件——取球不放回：袋中有紅黑球，第一次取紅球後不放回，會改變袋中球數結構，進而影響第二次取球的機率，故兩次事件通常為相關。
四、 避開陷阱：常見誤區與學習建議
透過前文的重點整理，我們已經重新掌握條件機率與獨立事件的核心重點，接下來，「避開常見的邏輯陷阱」將會是我們在考試時拿到高分的關鍵。1. 「互斥」與「獨立」大不同
這是筆者在教學生涯中，發現學生最常混淆的觀念：- 互斥事件 (Mutually Exclusive)： 指兩事件不可能同時發生，\(A \cap B = \emptyset\)，即\(P(A \cap B) = 0\)。
- 獨立事件 (Independent)：指兩事件機率互不影響，\(P(A \cap B) = P(A)P(B)\)。
2. 多事件獨立的嚴格性
對於三個事件\(A, B, C\)，若要稱其為「相互獨立」，必須同時滿足以下條件：- 兩兩獨立：\(P(A \cap B) = P(A)P(B)\)、\(P(B \cap C) = P(B)P(C)\)、\(P(A \cap C) = P(A)P(C)\)。
- 三者獨立：\(P(A \cap B \cap C) = P(A)P(B)P(C)\)。
3. 貝氏定理解題 SOP
遇到反推題型，建議畫出樹狀圖，第一層列出完備事件組（原因），第二層列出各原因下的條件機率（結果），最後套用公式計算。結語
面對機率問題，筆者認為能透過區分「已知條件」來鎖定分母，並利用「乘法法則」處理連續事件，如此一來，就能更從容地應對複雜題型。但是，如果同學在自修的過程中，欠缺充分且有效的練習，或是沒有能更快速、精確引導我們思考與解題的幫手，就會嚴重影響學習效率。這個時候該怎麼辦呢？老師在台上趕進度，同學在台下點頭如搗蒜，只有你卻還在狀況外嗎？
就讓我們的專業實力派教師團隊來拯救你吧！
即日起，STOODY思無敵雲端教育・Live線上互動小班制專案課程 正式上架啦！
.png)
精緻小班教學，確保上課品質
由STOODY思無敵雲端教育所開設的「Live線上互動小班制專案課程」，均採取精緻小班教學，讓同學在維持學習品質的同時，也擁有可以共同討論切磋的線上學習夥伴，一起交流、一起進步、一起成長！
專業師資，為你打好基礎
STOODY的「Live線上互動小班制專案課程」，授課老師均是該科目相關專業出身，也有不少老師是已經在補教界打滾多年的經驗老手，在家長與學生之間累積良好的口碑，絕大部分都是「學長姐tsio學弟妹、樓頂tsio樓腳」！老師們會用最清楚、最易懂的方式，為大家建構課程的核心觀念，透過系統性的教學，讓同學的學習成效更上一層樓！
線上學習，彈性又有效率
相信近年來大家也可以感受到，隨著極端氣候與都市發展的關係，天氣一年比一年熱，空氣也越來越糟！線上學習讓大家不用再辛苦出門，只要在家就可以舒適地學習，減省通勤成本，彈性安排學習時間！
圖文解題APP，遇到不會的問題就拍照PO給老師！
一個月只要再加購990元，就可享有與專案課程對應的APP圖文解題服務！遇到不懂的題目，就把題目拍照上傳，任課老師會以圖文訊息的方式為同學提供解析說明。
- 請同學確認自己購買的解題服務與專案課程相符
- 本解題APP目前尚未提供即時訊息通知，且授課老師可能會安排統一時段為同學解題，未必能夠隨傳隨答，敬請同學體諒
- 授課老師有權利分配每位同學每月解題額度，以確保解題品質
- 如有多於一位同學提問類似題型，授課老師有可能在課堂統一為同學講解
- 如需要更多輔導時間，可與授課老師預約一對一線上輔導，輔導費用另計，以本官網上課點數支付
- 任何解題輔導相關事宜，皆可諮詢STOODY客服人員協助處理
各班專屬LINE社群，有效協助溝通
有效提升課外溝通效率，STOODY客服人員會協助專案課程授課老師開設LINE社群，確保每位參與專案課程的同學、家長的個別需求。
社群管理員由STOODY客服人員擔任，確保有效協助師生溝通，為大家提供最理想的學習服務！
STOODY 思無敵雲端教育推出的「線上小班制專案課程」，專為高中學生設計，結合學習素養、跨科應用與實作導向，讓你在互動式學習中掌握各個科目的核心概念。無論你是想強化基礎、挑戰進階題型，或探索學科與實作應用的連結，STOODY都能幫助你找到適合自己的學習節奏與方向。
【延伸閱讀】
・高中數學矩陣幾何變換全解析：原理、範例與相關應用
・戰勝排列組合（一）：如何計算組合數C(m, n)：從概念到實作，搞懂C的算法！
・戰勝排列組合（二）如何計算排列公式P(m, n)：「重複問題」的概念解釋及範例
.jpg)
| 主題 | 公式 |
|---|---|
| 條件機率 | \(P(A|B)= {P(A \cap B) \over P(B) }\) |
| 乘法法則 | \(P(A \cap B)=P(B)P(A|B)\) |
| 全機率 | \(P(A)= \Sigma_iP(A|B_i)P(B_i)\) |
| 貝氏定理 | \(P(B_j|A)={ P(A|B_j)P(B_j) \over \Sigma_i P(A|B_i)P(B_i)}\) |
| 獨立事件 | \(P(A \cap B)=P(A)P(B)\) |
*