n 次試驗中至少成功一次的機率

n 次試驗中至少成功一次的機率

熱門 AI Skill PRO

輸入計算

數學公式

P(至少一次)=1−(1−p)nP(\text{至少一次}) = 1 - \left(1 - \text{p}\right)^{\text{n}}

計算範例

P(至少一次)=1−(1−0.1)10≈1P(\text{至少一次}) = 1 - \left(1 - 0.1\right)^{10} \approx 1
使用統計

廣告

結果

至少成功一次的機率
65.1322%
P(≥1) = 1 − (1−p)n
至少成功一次的機率 65.1322%
完全沒有成功的機率 34.8678%
機率(小數) 0.348678 none / 0.651322 at least one

回報本頁錯誤

這個計算器能做什麼

這個工具可以計算當你重複進行某項獨立試驗 \(n\) 次、且每次成功機率為 \(p\) 時,至少成功一次的機率。它運用了「餘事件法則」:與其逐一加總恰好成功 1 次、2 次、3 次……的機率,不如直接算出完全沒有成功的機率,再用 1 去減,這樣計算簡單得多。

使用方法

請將每次試驗的成功機率 \(p\) 以 0 到 1 之間的小數輸入(例如 10% 的機率就輸入 0.1),接著輸入試驗次數 \(n\)。計算器會回傳「至少成功一次」的機率、「完全沒有成功」的機率,並同時以百分比顯示這兩個結果。

公式說明

如果每次試驗失敗的機率為 \(1-p\),那麼 \(n\) 次獨立試驗全部失敗的機率就是 \(\left(1-p\right)^{n}\)。而「至少成功一次」這個事件,正好是「完全沒有成功」的相反,因此它的機率為:

$$P(\text{at least one}) = 1 - \left(1 - p\right)^{n}$$

此公式的前提是各次試驗彼此獨立,且每次的成功機率 \(p\) 維持不變。

廣告
餘事件法則示意圖:總機率長條被分為「全部失敗」與「至少成功一次」兩個區域
餘事件法則:「至少成功一次」的機率等於總機率(1)減去所有試驗皆失敗的機率。

實際範例

假設某款拉霸遊戲每次轉動的中獎機率為 \(p = 0.1\),而你總共轉了 \(n = 10\) 次。那麼一次都沒中的機率為 \(\left(1-0.1\right)^{10} = 0.9^{10} \approx 0.3487\)。因此至少中獎一次的機率就是 \(1 - 0.3487 \approx 0.6513\),約等於 65.13%。

廣告
曲線顯示隨著試驗次數 n 增加,至少成功一次的機率逐漸上升並趨近於 1
隨著試驗次數 n 增加,至少成功一次的機率持續上升並趨近於 1。

關鍵術語和變數

p — 單次試驗成功的概率
單次試驗導致成功的概率,表示為 0 至 1 之間的小數(例如 0.25 表示 25% 的機率)。假定每次試驗的值相同。
n — 試驗次數
執行的獨立重複次數。隨著 \(n\) 增加,至少一次成功的概率會增加(或保持不變),趨近但永遠無法恰好達到 1。
獨立試驗
試驗結果互不影響的情況;一次試驗的結果不會改變任何其他試驗的概率 \(p\)。獨立性允許將失敗概率相乘,得 \((1-p)^n\)。
補集規則
\(P(\text{事件}) = 1 - P(\text{非事件})\) 的原理。此處「至少一次成功」是「完全沒有成功」的補集,因此 \(P(\ge 1) = 1 - P(\text{沒有成功})\)。
P(≥1) — 至少一次成功的概率
計算器傳回的數值:在給定 \(n\) 次試驗中,一次或多次成功的機率,由 \(1 - (1-p)^n\) 給出。
P(沒有成功)
每次試驗都失敗的概率,等於 \((1-p)^n\)。將其從 1 中減去可得 \(P(\ge 1)\)。

常見問題

為什麼不能直接把每次的機率加總?直接相加會重複計算彼此重疊的結果,甚至可能讓總和超過 1。餘事件法則就能完全避免這個問題。

如果 \(p\) 是百分比怎麼辦?請先換算成小數——例如 25% 要寫成 0.25。

這個公式一定要是獨立試驗嗎?是的。如果各次試驗會互相影響(例如不放回抽樣、機率會改變),這個簡單公式就不再完全適用了。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器