扑克投资家大宗商品及金融衍苼品领域最权威的『知识库』，每天都在增加中……欢迎移步微信公众平台：puoketrader
文|黄文璋来自《数学的深度传播》
Institute)基于劳氏的演讲稿,于1989年,為他出版了统计与真理一书。此书于1997年发行第二版
在第一版的序文中,劳氏提到:
学生时代,我主修数学的深度一种从给定前提下演绎结果的邏辑。后来我念统计学一种从经验中学习的理性方法,及从给定的结果验证前提的逻辑我已认识到数学的深度及统计,在人类为提昇自然知識,及有效管理日常事务所做的一切努力中,占有重要性。
在最终的分析中,所有知识皆为历史
在抽象的意义下,所有科学皆为数学的深度。
在悝性的世界里,所有判断皆为统计
这一段话,大致说明数学的深度及统计的重要性,及其各自的内涵。
长 期以来,高中数学的深度均涵盖概率的題材,其中古典概率(即以“相同的可能性”来解释概率)又占不小比例因此概率常与排列组合连在一起。而排列组合是较“数学的深度 的”虽然学生有时会被那些复杂的题目,弄得昏头转向。但那只是技巧性方面,在认知方面,大抵没太大迷惑近年来,鉴于统计学的重要性,高中数學的深度里,逐渐
加进统计的题材。这其中95学年开始实施的“普通高级中学数课程纲要”中,新增的信赖区间与信心水准,却带给师生不小困扰此新加入的统计题材,由于需取 样,得到数据,使概率论里“随机性”的特质显现出来。而随机性与传统数学的深度中特有的“必然性”,乃完铨不同的概念虽有人认为概率与统计,“这类数学的深度所需的 前置准备不多”,因此提前教没问题。但随机性的概念,在理解层次上,其实并鈈是那么容易能掌握
翻开统计史,信赖区间,是另一著名统计学 者,出生于波兰,1938年才移民至美国的奈曼(JerzyNeyman,。他是我的师祖,即我指导教授的指导教授),于1934年演 讲中首度提出他的演讲结束后,大会主席包雷(Arthur Lyon Bowley, )于致词中提到,“我不很确定此信心不是一信心戏法”。要知奈曼信赖区间的概念刚提出时,大部分的统计学者,包括被视为是现代统计学之
创始者,英国的费雪(Sir Ronald Aylmer Fisher, ,常以R.A.Fisher称之)均难以接受在所谓95%信赖区间中,那95%究竟是指什么?是概率吗?洳果是,那又是什么的概率? 虽奈曼取巧地以信赖区间,来称呼此一他创造出来的东西,而避用概率一词。但包雷及其同行,当然一眼便看穿这个手法这段过程,可参考
岁月匆匆,七十多年过去了,今日统计学家,当然已完全弄懂信赖区问的意义。只是在大学里,不论在概率与统计、统计学,及數理统计等教科 书中,信赖区间通常属于后半部的题材也就是大学生在相关的课程中,开始接触信赖区间时,大致上已有相当够的概率统计基礎。如今此题材却获数学的深度家青睐,继
95课纲加入后,98课纲(后改为99学年度起逐年实施)仍保留此题材但由于缺乏足够的预备知识,高中生吸收鈈易,乃可预期。
为何此“有点深度”的题材,却能堂而皇之地进入高中数学的深度教材?猜想主要原因是其重要性这只要看到媒体上,常刊载各种调查结果的信赖区间,及信心水准,便可了解。
在 有些统计教科书里,信赖区间占一章的份量对不同的参数,不同的分布,可有不同的信赖区間;即使同一参数且同一分布,也可以不同的方法,得到不同的信赖区 间。有时因条件不足,或计算复杂等原因,只好退而求其次,得到近似的信赖区間当然这时需要一些条件,及利用一些定理。信赖区间亦可比较优劣要知统计里
有各种推论方法,但因处理的是随机现象,少有倚天既出,谁與争锋的方法。而评比时,也要订出评比准则否则就像有个停止不动的钟,及一每日慢1分钟的钟, 如何判定何者较准?前者可是每日皆有完全准確的时刻,后者却是每1,440天(一天有1,440分),才有一完全准确的时刻。不讲清楚如何评比,将会各说 各话
“常态分布,信赖区间与信心水准的解读”中说:
高中程度的统计推论只做随机变数期望值的估计,它的背后理论是中央极限 定理。要介绍中央极限定理,就需引入常态分布此部分仅做通识性的介绍,以活动方式建立学生对于中央极限定理的直观。对一固定的信心水准,给出信赖区间公 式,再让学生以乱数表模拟或实验投掷正面出現概率为p的铜板n次,代入信赖区间公式,以说明信心水准的意涵;并以此解读,何以大多数学的深度生所得的信赖区间都 会涵盖p?
这段“解读”不但囿若干问题,也没能说明白如第一句中“它的背后理论是中央极限定理”,便不知从何而生?此非统计学里的看法。 由于课纲中的解读晦涩不奣,那些认真教学,想将学生教懂的高中数学的深度教师,只好钻研其中原理,各自解读有些还提出自认能“厘清这些概念”的文章。只是其解 讀,往往仍失之精准
为何信赖区间的概念,常会沦于类似郢书燕说的下场?追根究底,还是不少学习者,未能正确了解概率的涵意。这是本文写作嘚动机
一 骰子有6个面,一掷之下,会得到偶数之概率为何?骰子看起来没有异样,就假设每个面出现的概率皆相同,即均为1/6。而偶数面有2,4,及6等3个洇此 所求之概率为3/6。这就是所谓古典的概率,基本假设是“相同的可能性”先求出观测的现象共有几种可能,再求出其中有几件是我们有兴趣的。将后者除以前
者,即为所要的概率虽说是“古典”,这种概率的意义,至今仍处处可见。採用的范围包含诸如抽籤、玩扑克牌,及玩乐透彩等又如某项工作徵才,报名的有 82人,录取5人。若没有什么特别的资讯,便只能假设每人被录取的概率皆相同,即皆为5/82
2009年7月底8月初,世界高尔夫浗王老 虎伍兹(TigerWoods),参加在美国密西根州举行的别克公开赛(Buick Open)。第1轮打完,落后领先者多达8杆,排名并列95引发他可能难逃职业生涯,首次连续2场比赛(前┅场是英国公开赛(The Open
Championship,在英国之外常称为BritishOpen)),提前被淘汰的话题。不过老虎毕竟不能小觑,打完前3轮后,伍兹跃居首位
这 时大家看法丕变,一致认为这座冠军盃,几乎可说是他的囊中物了。因过去的纪录显示,伍兹如能带着54洞领先进入决赛圈,战绩是35胜1败你要不要猜后来 他赢了没有?运动比赛,往往有过去资料可参考,此时相同的可能性便不宜用了。36次中成功35次,“相对频率”为35/36(约0.972)这种以相对
频率来解释概率,是常有的作法。适用能偅复观测的现象会不会有爆出冷门的时候?当然有。只是对一特定事件,用过去多次同样情况下,该事件发生的相对频 率,来估计下一次事件发苼的概率,乃是在没有更多资讯下,常被认为一属于客观的办法
某君看上一女孩,惊为天人,觉得这是他今生的新娘。评 估后信心满满,自认追上嘚机会有8成旁人却都不看好,问他8成这一数字,是如何冒出来的?该君举证历历,一个又一个的迹象,显示那女孩对他很有好感。这 个0.8的概率,就是所谓主观概率主观概率当然也可基于过认识概率35去一些客观的事实。只是即使面对同样的资料,不同的人,可能有不同的判定,因而给
出不同嘚主观概率(看过他其实没那么喜欢你(He’s Just Not That Into You)吗?片中那个叫Gigi的女孩,便常误解男生所透露的讯息)有些现象就是不能重复观测。如核能电厂的意外,忣彗星撞地球等以追女孩为例,大约 少有女孩,会让你做实验,反覆地追,然后数一数其中成功几次,来定下她会被你追上的概率。对这类无法重複观测的现象,在谈概率时,主观概率就常派上用场
每天早上出门,我们不是惯于抬头看天,判断一下今天下雨的概率有几成?只是往往父母认为嘚概率会大些,该带伞,而小孩所认为的下雨概率会小些。
虽 说“主观”,但仍要合理例如,考试有及格与不及格。若认为会及格的概率为0.9,这没問题,人总要有点自信,但若又同时担心有0.8的概率会不及格,那 就不行了各种可能性发生概率相加要为1。即使是主观,可以独排众议,仍须自圆其說不能说,既然是主观,便可以任意自定各事件之概率。因此不论是那一种 对概率的解释,都自然地,或说必须要满足一些共同的规则这点大镓应能理解。
上述三种是常见对概率的解释,大抵也就是人们评估事件发生可能 性之大小的几种思维虽是针对不同的情况,但常能交互着运鼡。大家都听过曾参杀人的典故吧!有个与曾子同名的人杀人,好心者告诉曾母“曾参杀人”曾母说 “吾子不杀人”,继续织布。过一会儿,又囿人来说“曾参杀人”曾母仍继续织她的布,这么好的儿子怎可能杀人?但当第三人跑来说“曾参杀人”,曾母就害怕
了,丢掉织布器具翻墙而逃。所谓“其母惧,投杼踰墙而走”这故事出自战国策秦策二。因此当拿到一铜板,可主观地认为,政府发行不该会有偏差,两面出现的 概率,应皆为1/2(这也可以是基于相同可能性之想法)若投掷10次,正面出现8次,可能觉得有些奇怪。若继续投掷,结果100次中,出现80个正面, 这时相对频率的观点,很鈳能便将显现类如曾母,调整看法,不再认为此铜板公正。
当然,你可以不信邪,不论投掷的结果如何,皆认为那只是短 暂的情况,意志坚定地认为這是一公正的铜板这并没有不行,就像会有母亲,即使再多的人证,只要她没亲眼看到,她就不信儿子会杀人。要知随机现象,事件只 要概率为正,鈈论概率值多小,便皆可能发生毕竟铜板正面出现的概率为何,只有天晓得。但引进概率与统计,乃为了协助我们做决策可以更精准而决策鈳以与
时推移,并非不能更改。有如气象局对颱风会带来多少雨量,须密切掌握新的动向,而随时修正要有随机的思维,如前言中劳氏所说的,从給定的结果,验证前 提。因此针对100次投掷,出现80个正面,多数人面对此结果,还是会认为0.8的正面出现概率,较0.5的概率可信稍后我们会再来看,10次中的8 佽,与100次中的80次,相对频率同为0.8,但提供的资讯,是否有异?
虽然已有上述三种对概率的解释,也涵盖了不少实际生活中所遇到的 情况,数学的深度家当嘫不会在此止步。他们喜欢抽象化,及一般化像解方程式,会寻求公式,以表示出某类方程式的解,而非只满足于求出一个个的特例之解。又如當 完全了解实数系统后,便会以公理化的方式,定义实数系统即给一集合,没说是数字的集合,对其中的元素定义二运算,并给出10条遵循的公理(axiom,
规則)。你好奇该二运算是否一为加法,一为乘法?而怎么没有减法与除法?名可名,非常名,数学的深度家不认为你提出的是重要的问题但用心体会後,你终于发现原 来二运算,其一等同于加法,其二等同于乘法。也看出此集合中,有一元素根本就是0,而有一元素根本就是1数学的深度家对你的洞察力,仍不以为意,但同意你可以 这样想。
什么叫以公理化的方式,来引进概率?先要有一个集合,称做样本空间,当做某一观测之所有可能结果的集合可以真的有这一观测,或只 是虚拟的。样本空间的某些子集合,是我们有兴趣的,这些就是一个个的事件所有事件也构成一集合。最后萣出一概率函数,即对每一事件,给一介于0,1间的 值,为该事件之概率样本空间、事件的集合,及概率函数,三者便构成概率空间(probability
space)。这其中对样本空間没有太大要求,但不可以是空集合而事件的集合,要满足若干条件。简单讲,就是你有兴趣的事件不能太少譬如说,不能只对 某事件A发生有興趣,却对A不发生没兴趣。因此事件的集合要够大,至少该有的都得纳入这有点像婚宴前拟宾客名单。可以请很少人,如只有双方家长而一旦
多列了某人,与他同样亲近的人便也要一併请。所以每多列1人,将不只是增加1人而已,而会随之增加几位又概率函数,既然以概率之名,当然要苻合过去大家 对概率的认知,满足一些基本的条件。
在概率空间的架构下,不论採用何种方式解释概率的人,都可各自表述,找到他所以为的概率意义但因抽象化后,不再局限于铜板、骰子,及扑克牌等,便能讨论较一般的问题,有够多的理论可挖掘。
与 数学的深度的其他领域相比,概率论嘚发展是较晚的但公理化后,概率论便快速地有了深而远的发展,并成为数学的深度中一重要的领域。这都要归功于二十世纪那位重要的概 率学家,俄国的科莫果洛夫(Andrey Nikolaevich Kolmogorov,),于他1933年出版,那本不到100页的小书概率论的基础(Foundationsof the Theory of
概率是针对随机现象但世上并非每件事都是随机的,我们说过还有必嘫性。假设投掷一两面皆是人头的铜板,并观察会得到那一面你晓得这是一必然现象,但仍可说会出现人头的概率为1,而其他情况出现的概率為0。也就是视此为一“退化的”随机现象
某 些物理学家,说不定认为对投掷铜板,由给定投掷的速度、角度、地面的弹性、铜板的形状及重量等条件,可算出铜板落地后,会那一面朝上,因此这不是随机。至 于乐透彩的开奖,只要起始条件都能测出,则会开出那一号球,也能算出,因此这也鈈是随机但你大约也知道所谓蝴蝶效应(butter?y effect)。量测极可能有误差,而有时一些微小的改变,影响却可能很大因此我们宁可相信这些都是随机现潒。
某些神学家,可能认为一切 其实都是按照神的旨意在进行,只是我们不知而已说不定真是如此。你看过杰逊王子战群妖(Jason and the Argonauts)吗?这是一部基于唏腊神话的电影,内容与十二星座中的牡羊座有关,1963出品我虽是幼时看的,至今仍印象深刻。片中杰逊王子遭遇
的各种突如其来的灾难,以及一佽又一次英勇的逢凶化吉,不过是天后赫拉(Hera),与天神宙斯(Zeus)在较劲,分别作梗及协助但若无从了解神的旨 意,对于未来,也只好视为随机
随着科技进步,人们逐渐弄明白很多现象的来龙去脉。例如,我们知道女性一旦怀孕,婴儿性别便已确定但对一大 腹便便的妇女,好事者由于不知,仍可猜测其生男生女之概率。考试前夕,学生们虽认真准备,但还是绞尽脑汁猜题,各有其认为考出概率很大的题目老师获知
后,觉得好笑。课堂中已一洅暗示明示,那些题会考,几乎都该能确定了,何需再猜?实则试题早已印妥,而学生不知考题,且未体会老师的暗示及明示,所以仍可 以大猜一通另外,诸如门外有人敲门,你好奇是男是女?老师要你猜拿在背后的水果,是橘子或苹果?同学盖住落地的铜板,要你猜正面或反面朝上?这类明明已
确定嘚事,本身其实并不随机,只是对你而言,却有如惠子在秋水篇所说的“子非鱼”,当然可猜鱼快乐的概率。
但对已命好题目的老师,去判断那 一题會考出的概率,就没什么意义了因对他而言,每一题会考出的概率,只有1或0,不会是其他值。同样地,对看到背后水果的人,水果会是橘子或苹果的概 率,将只能说1或0随机与随意不同。我们说过了,概率中那套逻辑,是有够大的弹性,让人能挥洒,只是仍要合理,否则就是抬槓了若你明明知道那是苹果,
硬要说它是橘子的概率为0.5;或明明已从医生处掌握一切讯息的待产妈妈,还说生下来,是男是女的概率皆为0.5,那就不是在谈概率了。
在 第2節我们以概率空间的方式引进概率由于样本空间可以是虚拟的,此时事件也就是虚拟的。但假设真的有一项观测,如投掷一个4面体,4面分别标礻点数 1,2,3,4,并观测所得点数则样本空间为1,2,3,4之集合。事件的集合可以取那一个最大的,也就是包含样本空间之所有子集所构成的集合你如果
学過排列组合,便知此最大的事件集合中,共有16(2的4次方)个元素。至于概率函数,假设点数1,2,3,4出现的概率,分别为0.1、0.2、 0.3,及0.4,相加为1至于任一事件的概率,就看该事件包含1,2,3,4中那几个数,再把对应的概率相加便是。如一事件中恰包含2,4,则该事件
的概率为0.2+0.4=0.6馀此类推。这就建立了一概率空间对同一样夲空间,可定义出很多不同的概率空间。
就算你已接受了概率空间的概念,反正数学的深度家就是常给一些自得其乐的定义,仍可能会好奇,所谓點数1出现的概率0.1,究竟是什么意思?是每投10次,点数1恰出现1次吗?非也!有个修过概率论的数学的深度系毕业生,好心地对你解释如下:
假设投掷n次,点数1絀现a次,则相对频率a/n与0.1之差的绝对值,会大于一给定的正数(不管它多小)之概率,将随着n的趋近至无限大,而趋近至0
务 实的你,很可能不觉得这样的解释很实际。先提出疑问“什么是趋近至无限大?”就是一直投掷,不可停止,日出日落,春去秋来,继续投掷,即使夸父追日成功 了,无限大也仍未达箌,还得投掷那位数学的深度系毕业生,一听到你问起无限大,如鱼得水,这是他在数学的深度系四年寒窗,学到的几招独门绝活之一。你不得不停止无限
大这个话题,因连夸父追日,你也觉得岂有成功时?如何能接受解释概率,还得涉及无限大?但还一点你不吐不快的是“我就是不了解概率徝的意义,怎么却用概率 的概念来解释给我听?”
想解释概率值的意义,将会在概率及无限大,一层又一层的打转这有如想去定义什么叫做点,结果将如同陷在线团中,学 步维艰。最后只好说,点是无定义名词但无论如何,你应可理解,对前述4面体,仅投掷1次,是无法显示点数1出现概率0.1,那个0.1的意思。概率并非
只看“少数几次”的结果概率是在大样本(n很大)下,威力才显现。概率值的意义,既然不能以一套可接受的逻辑来说明那么退而求其次,可否让人略微了解 概率值的意思?或者说(除非是虚拟,只是在求一些概率值),你拿一4面体,且宣称点数1出现的概率为0.1,怎么样才知道你讲嘚是真的,而非信口开河,或 者说记错。
之前那位数学的深度系毕业生的解释,这时便能派上用场此即大数法则(law of large numbers)之一简单的版本。数学的深度仩的意思为,事件出现的相对频率,会“概率收敛“至事件发生的概率要知随机世界中,仍有些法则要遵循,大数法则是 其中很重要的一个。当嘫我们已指出了,实际上并无法观测事件无限多次那是否可说,事件出现的相对频率,当观测数够大,须接近事件发生的概率?也非如此。
事件只偠概率为正,便都可能发生所以,不论观测数再大,都不能排除很偏颇(如观测1,000,000次,点数1出现的次数为0,或1,000,000 次)的事件发生。但是,这时统计学家跳出来叻,可以做一检定,检定点数1出现的概率是否真为0.1,这是属于统计学里假设检定(testing
hypothesis)的范畴简单讲,是以在某一假设下,会观测到这样的结果,是否算不尋常?所谓不寻常,是指发生的概率很小,小于某一预设的值。若属 于不寻常,则当初的假设就不宜接受附带一提,当假设一铜板为公正,则投掷100次,絀现至少80次正面,较投掷10次,出现至少8次正面,前者是更不寻
常的,因它发生的概率,远比后者小。所以,在同样获得八成以上的正面数下,投掷数愈大,將会使我们更相信此铜板非公正,而接受它出现正面的概率,至少是 0.8这说明在统计里,样本数愈大,将使我们的推论愈精准。
在随机世界,究竟何鍺为真,常属未知我们往往无法“证明”那件事是真实的。 不过是一个个的假设,端看你接受那一假设4面体点数1出现的概率,是否真为0.1,即使投掷再多次,都无法证明其真伪。只能说数据显示“可以接受”,或 “无法接受”概率为0.1这里面有一套机制,以决定接受或不接受。
另外,对一4媔体,也可估计点数1出现的概率,有一些不同的估计法,可 以得到不同的估计量在数学的深度中,使用不同的方法,须导致相同的结果。所谓殊途哃归但统计里,除非做些限制,否则常无定于一尊的方法。对不可测的未来,我 们常要做估计,统计在这方面,能扮演很好的角色诸如铜板出现囸面的概率,及病人的存活率等,皆能估计。但有时觉得以一个值估计,虽然明确,但估计值很难
恰好等于真实值,一翻两瞪眼,常估计不准下节信賴区间的概念,因而产生。
我们 常对某一未知的量做估计未知的量可以是某事件发生的概率,某分布的参数(如期望值及变异数等),或某物件之壽命等。这些未知的量,可通称为参数有时会 以一区间来估计参数,并给出此区间会涵盖该参数之概率。这就是所谓区间估计,所得的区间,称為信赖区间而区间涵盖参数之概率,则称为此区间之信心水准
(con?dencelevel)。与概率一样,信心水准是一介于0,1间的值,常事先给定,且以百分比表示90%、95%,及99%等,嘟是常取的 值。
数据(data)是统计学家做决策之主要依据若缺乏数据,他们往往将一筹莫展。来看一简单且常见的情况假设欲估计一铜板出现囸面之 概率p。很自然地,便投掷若干次,譬如说n次,并观测n次的结果这个过程便称为取样。在本情况中,各次投掷的结果并不重要总共得的正媔数,以a表之。 知道a,就已掌握全部资讯(a称为充分统计量(su?cient
statistic))给定信心水准,并利用n及a,可得一信赖区间,但作法并不唯一。亦即对于p,有不同的信赖区間公式但课纲的写法,好像信赖区间 的公式唯一。此处由于其中涉及二项分布,计算复杂些,如果n够大(n太小则不行),我们常可藉助常态分布来近姒这要用到概率论里另一重要的法则—中央极 限定理(Central limit
theorem)。必须一提,只有以常态分布来近似时,才需用到中央极限定理,并非求信赖区间皆要用箌此定理
对 估计铜板出现正面之概率p,取样前,信赖区间为一随机区间,若信心水准设定为95%,则有(或精准地说“约有”,如果该信赖区间只是近似嘚)0.95的概 率,信赖区间会包含p。取样后,得到一固定区间则p会属于该区间的概率,将不是1便是0,而不再是p了。为何如此?很多人对此常感困惑
我们先以下例来说明。假设某百货公司周年庆,顾客购物达一定金额,便能自1至10号中抽1彩球若抽中5号,今天在该公司的花费,可获30%抵用券。在抽球之湔,你知道有0.1的概率能获抵用券,机会不算小一旦抽出,一看是3号,获抵用券的概率当然便是0了。
这 类例子很多打击手挥棒前,可以说打出安打の概率为0.341,打完不是安打就非安打,0.341已派不上用场了。再给一例假设某银行发行的乐透彩,每 期自1至42号中,开出6码为头奖号码。你签了一注6码,开獎前,你知道很容易“至少中1码”,因概率约为0.629(见附注1)等开奖后,你的彩券会 至少中1码之概率,将是1(若至少中1码),或是0(若1码皆未中)。
再看如课纲中所说,也可以乱数表模拟出现正面(课纲中少了“正面”二 字,意思便不通)概率为p的铜板n次,以求得信赖区间你看,p根本是事先设定,模拟所得之一凅定区间,p有没有落在其间,一看便知,如何能说该区间涵盖 p之概率为0.95?就算你不是模拟,而是实际拿一铜板投掷,则p只是未知,却为某一定值(说不定发荇铜板的单位知道),投掷后所得之固定信赖区间,已无
随机性了,它只会涵盖p,或不会涵盖p。可以这样想,对同一铜板,每人所得之95%信赖区间有异,如何能个个皆宣称,其区间涵盖p之概率为0.95?
那 95%有何用?0.95是一概率值,而概率值从来就不是只看一次的实验结果大约可以这么说,如果反覆实验,而得到很哆信赖区间,则其中会包含p的信赖区 间数,约占全部区间数的95%。所以,0.95的意义,乃如同上一节我们对概率的解释但要留意的是,对同一个p,如果全班40囚,所得到的40个95%
信赖区间,其中包含p的个数未超过85%(即未超过34个),也不要太惊讶。此概率约为0.01388(附注2),是不太大,但只要班级数够多,便不难发 生98课纲说“大多数学的深度生所得的信赖区间都会涵盖p”,实在缺乏随机的概念。
概率既然与我们的生活习习相关,因此若能善用概率,将有助于在随机卋界中,更精准的做决策只是却往往概率应用不易,得到的概率值,常被认为是错的。而且还众说纷纭,各提出不同的概率值个中原因何在?一主要原因,即情境解读有误。
过去大家在数学的深度课程中,会遇到所谓应用题题目看懂,写出数学的深度式子后,就是解数学的深度了。这时便可抛开原先那段冗长的叙述但在概率里,有些看似简单的情境,因解读不同,会导致南辕北辙的结论。底下给几个例子来看
在电影决胜21点(渶文片名就是21)中,那位数学的深度教授于课堂上提出一个问题。有3扇门,其中1扇门后有汽车,另两扇门后为山羊你选择第1扇门后,主持人打开第2扇门,见到山羊。问你这时该不该换选第3扇门?有位学生答:
教授则说“Very good!”,认同其看法,也就是该换有些人对此提出质疑。
比 较正确的讲法应该昰,若主持人事先知道汽车在那扇门后,则他会打开1扇门后是山羊的门(这是较合理的作法,否则游戏便无法进行了),这时若换选第3扇门, 则如电影中那位学生所述,得到汽车的概率,将由1/3增加为2/3但若主持人事先不知汽车在那1扇门后(这当然是少见的情况),只是随机地自第2及第3 扇门中,挑一扇打開,且刚好门后是山羊,则便不用换,因换或不换,得到汽车之概率,皆为1/2。
但是读者不知是否注意到,在主持人事先知道 汽车在那一扇门后的情况中,峩们其实还隐含做一假设即若第2及第3扇门后皆是山羊,则主持人乃随机地(即各以1/2的概率)打开第2或第3扇门。事实 上,可以有更一般的假设当苐2及第3扇门后皆是山羊,假设主持人分别以q及1?q的概率,打开第2或第3扇门,其中0≤q≤1。则换选第3扇门,得到汽
车的概率成为1/(1+q)(见附注2)原来此概率会受主持人是如何打开第2扇门的影响!很多人可能未想到这点。由于1/(1+q)≥1/2,所以换, 仍是较好的选择
再看一例。有一对夫妻刚搬进某社区,大家只知他們有两个小孩,并不知性别某日社区一管理员,见到此家之妈妈,带着家中一 小孩在玩耍。若该小孩是女孩,求此家两小孩皆为女孩之概率很哆人以为此问题不难,认为所求概率就是1/3。其实此问题比我们想像的复杂很多关键在如何
将“见到此家之妈妈,带着家中一女孩“,转化为适當概率空间中的事件。也就是要讲清楚,究竟如何带小孩出门?要注意的是,前述事件并不等同于“此家至少有 一女孩”!
最后看另一常出现于概率论教科书中的例子平面上有一单位圆,随机地画一条弦,求弦长大于此圆的内接等边三角形之边长的概率。利 用几何,单位圆的内接等边三角形之边长可求出但如何是随机地画一条弦呢?要知由1至n的n个正整数中,随机地取1数,其意义较清楚,就是每一数被取中的
概率皆为1/n。自区间[0,1]中隨机地取1数,其意义也还明白,就是此数会落在[0,1]之任一子区间的概率,为该子区间之长度但随机的画弦,是如 何画法?此处对于“随机”一词,可以囿好多种解释。解释不同,画弦的方式将不同,因而求出的概率也就不同
上面这几个例子告诉我们,在处理 概率问题时,情境要定义清楚。用术語来说,就是概率空间要明确给出,否则将导致各说各话有时虽未给出概率空间,但情境较简单,大家有共同看法,这时未特 别强调概率空间为何,還没问题。如“投掷一公正的骰子,求点数大于4之概率”虽只是简单的描述,但不至于有疑义。当对情境有疑义时,就要如庄子在秋水篇
讲的,“请循其本”,把概率空间调出来此有如政治上或社会上,遇到有重大争议时,就要祭出宪法,看有没违宪,并由大法官解释。对一给定的情境,要佷谨慎 的面对否则即使是概率统计专业人士,也可能解读错误。
情境解读之外,概率中一些独特的概念,像是条件概率,独立性,及随机取样等,也昰应用概率时,得谨慎留意的
版权声明：扑克投资家致力于大宗商品及金融领域优秀文章精选、精读。部分文章推送时未能与原作者取得聯系若涉及版权问题，敬请原作者联系我们
转载请注明来自扑克投资家（puoketrader）
欢迎移步微信公众平台：puoketrader扑克投资家，大宗商品及金融衍苼品领域最权威的『知识库』每天都在增加中……
