機率是什麼？直覺理解機率，看穿「百萬分之一」的騙局
天氣預報說降雨機率 30%。一項針對罕見疾病的醫療檢驗結果是陽性。樂透頭獎累積到兩億美元，你的同事正買下一疊彩券。在這每一種情況裡，你的直覺都有一個意見，而你的直覺通常是錯的。機率是數學直覺讓最多人、最常失靈的地方，連聰明人、連教這門學科的人也不例外。這些數字並不難，會誤導人的是圍繞著它們的本能。
這篇文章要呈現機率實際上是什麼樣子、為什麼熟悉的直覺會失靈，以及如何修正。數學本身很簡單，思考方式的轉變才是比較難的部分，而它幾乎在一個人會碰到的每個領域都有回報：天氣、醫療、運動、金融、賭博、機器學習，甚至是搭飛機和開車之間這類日常的風險抉擇。
唯一的概念：數數
剝掉其他一切，機率就是數數。要求一個事件的機率，你數出事件發生的結果有幾個，再除以你一開始的所有結果總數。這就是整個定義。這一章的每一條公式，都是一種謹慎的數法。
擲一顆公正的六面骰子。擲出 4 的機會是一個結果（4）除以六個結果總數（1 到 6），也就是 1/6。擲出偶數的機會是三個結果（2、4、6）除以六個總數，也就是 3/6，即 1/2。擲出大於 7 的數字的機會是零個結果除以六，也就是 0，因為不存在這樣的結果。
如果這聽起來像分數，那是因為它就是分數。就像我們在分數那篇文章裡說明的，分數是等著發生的除法。機率就是把完全相同的想法用在結果上：符合的結果除以所有的結果。整個學科從頭到尾都是分數。
問題在於，隨著情況變得更複雜，「數出結果」會越來越難。這一章其餘的部分，排列、組合、條件機率、貝氏定理，都只是在情況不像骰子那麼單純時，教你如何把數法算得妥當。
獨立事件：機率相乘的時候
假設你把一枚公正的硬幣擲兩次。連續兩次正面的機率是多少？
很多人猜 1/2 加 1/2，也就是 1，而這顯然不可能對。有些人回答 1/2，感覺比較保險，但也是錯的。正確的答案是 ，而理由值得想一下，因為這正是讓多數初學者的直覺破功的一步。
當兩個事件是獨立的（一個的結果對另一個的結果沒有影響）時，兩者同時發生的機率，就是它們各自機率的乘積。為什麼要相乘？列出兩次擲硬幣所有可能的結果：正正、正反、反正、反反。總共四種，其中只有一種是正正，所以答案是 1/4。乘法只是這份列表的捷徑。
同樣的想法也解釋了為什麼長串的連續紀錄這麼罕見。連續擲出十次正面的機會是 (1/2) 的十次方，約為 1024 分之一。不是不可能，但也不常見。而隨機猜中一組六位數密碼的機會是 (1/10) 的六次方，也就是百萬分之一。這是真正的「百萬分之一」。我們接下來就要見到幾個不是真的。
事件不獨立的時候
獨立性這個假設，讓機率題出錯的次數比任何其他假設都多。如果你從一副牌中抽兩張，而且不把第一張放回去，第二張牌的機率就和第一張不同，因為牌組已經改變了。一副牌有 52 張，其中 4 張是 A，所以先抽到 A 的機率是 4/52。抽到一張 A 之後，牌組剩下 51 張，其中有 3 張是 A，所以第二張也是 A 的機率是 3/51。因此連續抽到兩張 A 的機率是 。
這就是條件機率：在另一個事件已經發生的前提下，某個事件的機率。它寫成 ，而這正是多數現實世界的推理真正想要的東西。「明天下雨的機會是多少？」是一個數字。「在雷達顯示城市上空有一個雷雨胞的情況下，明天下雨的機會是多少？」則是另一個高得多的數字。新的資訊重新整理了相關結果的數量。
機率中多數的「悖論」，都是條件機率問題，只是條件被悄悄藏起來了。把條件理清楚，悖論通常就消失了。
生日悖論
下面這個問題幾乎讓每個人都栽跟頭。在一個有 23 個人的房間裡，至少有兩個人同一天生日的機率是多少？
直覺的答案很小，因為一年有 365 天，卻只有 23 個人。實際的答案剛好超過百分之五十。房間裡有 50 個人時，它升到 97%。有 70 個人時，超過 99.9%。這就是生日悖論，它不是宇宙的故障，而是直覺數數方式的故障。
陷阱在於，你問的不是「有人和我同一天生日的機率是多少」，而是「任意兩個人同一天生日的機率是多少」。有 23 個人時，不同的人兩兩配對共有 對，而每一對都有一點點機會相符。那是很多次機會，而小機率加起來的速度比直覺預期的快。
這個教訓很普遍。當一個事件的機會數量以平方的速度增長（每一對、每一次互動）時，罕見的事件很快就變得普遍。每一對 365 分之一的機會，一旦有 253 對，整體就變成超過一半的機會。
基本率與「百萬分之一」的把戲
一項醫療檢驗對一種每 10,000 人中有 1 人罹患的疾病「準確率達 99%」。你的檢驗結果是陽性。你真的患病的機率是多少？
很多人，包括醫生，猜在 99% 左右。正確的答案更接近 1%。
理由如下。想像 10,000 個隨機的人。其中約有 1 人患病，檢驗大概會抓到他。其餘 9,999 人沒有患病，但準確率 99% 的檢驗，會把 1% 的健康人誤判為陽性，也就是約 100 個偽陽性。所以每 101 個陽性結果中，100 個是誤報，只有 1 個是真的。在檢驗為陽性的前提下，你真的患病的機率大約是 101 分之 1，也就是約 1%。
這就是基本率謬誤。當背後的事件很罕見（基本率很低）時，就算檢驗非常準確，產生的陽性結果多半還是偽陽性。多數人完全跳過基本率，只想著檢驗的準確率，這讓他們得出的數字差了兩個數量級。
這個教訓遠遠超出醫療。「百萬分之一」是一個應該永遠引發後續提問的數字：百萬分之一，是什麼的百萬分之一？每天、每年、每次嘗試，還是每個人的？如果世界有足夠多的日子，一個每日百萬分之一的事件，一年大約會發生 365 次，如果世界有足夠多的人，一年大約會發生 80 億次。一旦把人口與時間範圍都算進去，「百萬分之一」通常就不再讓人覺得罕見。開頭那個標題的道理也一樣：新聞報導的多數「奇蹟」，都是百萬分之一的事件，卻有幾十億次的機會可以發生。
賭徒謬誤
輪盤已經連續八次開出紅色。黑色一定快出了吧？
並不會。輪盤沒有記憶。下一次轉動出黑色的機率，和第一次一樣。這就是賭徒謬誤，也就是相信過去獨立事件會改變未來事件的機率。其實不會。
同一個錯誤的鏡像版本是熱手謬誤：相信一位剛剛連續投進好幾球的球員，更有可能投進下一球。對擲硬幣和輪盤來說，這顯然是錯的，因為裝置沒有記憶。對人類的表現來說，情況確實更複雜（真實的技術存在，有時真實的氣勢也存在），但底層的教訓依然成立：多數連續紀錄，是一種演化成不論有沒有規律、都要找出規律的動物，所做的模式比對。
機率出現在哪裡
一旦你掌握了數數這個框架，機率就無所不在。
天氣預報：降雨機率 30% 的意思是，在大量相似的大氣條件中，約有 30% 的情況下真的下了雨。它不是保證，也不是擲硬幣。
醫療：每一項檢驗、篩檢與風險評分，都牽涉到上面的基本率把戲。「陽性」對常見與罕見的疾病，意思非常不同，而沒有基本率的「準確率 99%」幾乎毫無意義。
保險與金融：每一份保費、預期報酬與風險模型，都是對所有可能結果的加權平均。數學只是機率乘以報酬，再對所有可能的情境加總。
標準化考試：SAT、ACT、GRE、AP 統計與 GCSE 都有機率題，其中許多是偽裝起來的條件機率問題。就像我們在 SAT 備考指南中提到的，訣竅不在算術，而在認出結構。
機器學習：每一個分類器都在產生機率，而每一個指標（精確率、召回率、ROC 曲線）都是條件機率與基本率的謹慎應用。基本率謬誤又在這裡出手：一個對罕見事件準確率達 99% 的模型，在實際運作時仍可能毫無用處。
快速估計機率
多數現實生活中的機率問題不需要精確的答案，需要的是快速而站得住腳的估計。以下這幾招能讓你走完大部分的路。
先換成分數，再換成百分率或小數。「100 個中有 1 個」就是 1/100，就是 1%，就是 0.01。就像我們在心算技巧裡談過的，熟練這些轉換，是你能培養的最高槓桿的能力之一，因為幾乎每個機率問題都以不同記法之間的轉換收尾。
永遠找基本率，尤其是在有人遞給你罕見事件的準確率數字時。如果基本率很小，那個準確率數字就具有誤導性。
仔細檢查獨立性。兩個事件看起來獨立，實際上卻是其中一個驅動了另一個（同一位病人的檢驗結果、同一個產業的股票、同一個班級的學生）。當事件共享一個隱藏的原因，把機率相乘得到的答案會太小或太大。
替「百萬分之一」做壓力測試。問：是每什麼、涵蓋多少人、經過多久？多數「罕見」的事件，一旦算上機會的數量，就不再罕見。
練習如何養成反射
機率是模式辨認最重要的主題，因為同一道題會穿著二十種不同的服裝出現。反覆見過這些結構的學生（獨立或相依、有放回或不放回、條件或聯合），幾秒內就會開始認出結構，而算術是從這份辨認中自然而然得出來的。
Math Zen 的階段式進程，與這個主題實際想被學習的方式貼合得很自然。最早的階段涵蓋簡單試驗（骰子、撲克牌、硬幣）的結果計數。中間的階段用混合練習來訓練乘法規則與聯集的加法規則，讓大腦學會辨認情境，而不是盲目套用公式。後面的階段處理條件機率、期望值與經典謎題（生日悖論、蒙提霍爾問題、基本率問題）。因為練習短而有間隔，你會得到反覆辨認結構的機會，這最終就是把規則變成反射的原因。
結論
機率是一個概念：數出符合的結果，除以存在的所有結果，並且誠實面對你所數的事件是不是真的獨立。「悖論」只是直覺數的東西和數學數的東西不一樣的情況。事件獨立時用乘法。想要兩者之一的機會時用加法（減去重疊的部分，才不會重複計算）。有新資訊進來時用條件。永遠要找基本率，尤其是在有人給你一個「百萬分之一」的時候。
一旦你開始問「是什麼的百萬分之一、每什麼、涵蓋多少人？」，日常世界就不再以同樣的方式顯得隨機。樂透變成一筆小小的預期損失，搭配罕見的頭獎。醫療檢驗變成一個關於基本率的問題。手氣正旺變成一個被大腦套上因果外衣的巧合。數字沒有變，但你解讀它們的方式變了，而這個改變的回報是一輩子的。
