機率是什麼？
機率（Probability）是數學中描述隨機事件發生可能性的度量，也是統計學和數據分析的根基。它的值介於 0 和 1 之間，其中 0 表示事件絕對不會發生，1 表示事件必然發生。
基本公式非常直觀：
P(A) = 有利事件數 / 總事件數
例如，一顆標準六面骰子擲出 3 的機率為 1/6，約等於 16.67%。這裡「有利事件」是擲出 3（只有 1 種），「總事件」是 1 到 6 共 6 種可能。
怎麼使用這個計算機？
- 有利事件數：你期望發生的結果有幾種。例如骰子擲出偶數，有利結果為 2、4、6 共 3 種。
- 總事件數：所有可能的結果總數。例如六面骰有 6 種可能結果。
計算機會自動算出機率值、百分比表示、互補機率（不發生的機率）以及賠率。
互補機率的概念
互補機率（Complementary Probability）是機率論中最實用的概念之一。如果事件 A 發生的機率是 P(A)，那麼 A 不發生的機率就是：
P(A’) = 1 - P(A)
這個概念在實務上非常有用。例如，某產品的良品率是 98%，那不良率就是 2%。生產 1000 件產品，預期會有約 20 件不良品。
為什麼互補機率重要？
很多時候，直接計算「至少發生一次」的機率很困難，但計算「一次都不發生」的機率卻很容易。這時可以用互補事件：
P(至少一次) = 1 - P(一次都不發生)
例如擲骰子 4 次，至少出現一次 6 的機率：先算 4 次都不出現 6 的機率 (5/6)^4 = 0.482，再用 1 - 0.482 = 0.518，約 51.8%。
賠率的意義
賠率（Odds）是博弈和統計中常用的表達方式，將機率轉換為「有利 : 不利」的比值：
| 機率 | 賠率 | 意義 |
|---|---|---|
| 50% | 1 : 1 | 公平賭注 |
| 25% | 1 : 3 | 每 4 次預期 1 次 |
| 10% | 1 : 9 | 每 10 次預期 1 次 |
| 1% | 1 : 99 | 每 100 次預期 1 次 |
賠率在運動博彩、保險精算和風險評估中廣泛使用。
常見的機率計算範例
骰子機率
| 事件 | 有利數 | 總數 | 機率 |
|---|---|---|---|
| 擲出 6 | 1 | 6 | 16.67% |
| 擲出偶數 | 3 | 6 | 50% |
| 擲出 5 以上 | 2 | 6 | 33.33% |
撲克牌機率
| 事件 | 有利數 | 總數 | 機率 |
|---|---|---|---|
| 抽到紅心 | 13 | 52 | 25% |
| 抽到 A | 4 | 52 | 7.69% |
| 抽到人頭牌 | 12 | 52 | 23.08% |
常見的機率誤解
賭徒謬誤
許多人認為「連續出現正面後，下一次更可能出現反面」。事實上，每次拋硬幣都是獨立事件，機率始終是 50%。過去的結果不影響未來的發生機率。
生日悖論
在 23 人的群體中，至少有兩人同一天生日的機率超過 50%。這個反直覺的結果是因為要比較的「配對數」遠多於人數（23 人有 253 對可比較）。
大數法則
雖然短期結果可能偏離期望值，但隨著嘗試次數增加，實際比例會越來越接近理論機率。這就是為什麼賭場長期必然獲利的根本原因。
機率在日常生活中的應用
- 保險精算：評估各類風險事件的發生機率，計算合理保費
- 品質管控：計算產品不良率，決定抽樣檢驗的數量
- 投資決策：評估投資報酬的期望值與風險
- 醫療判斷：評估疾病篩檢的準確率（敏感度與特異度）
- 遊戲設計：設定遊戲內抽獎、掉寶的機率機制
本計算機假設所有結果的發生機率相等（古典機率模型）。實際情況中，各結果的機率可能不同，需要根據具體條件調整。