第二节　入门知识

自然界发生的现象不外乎两类，一类称为决定性现象，这类现象的特点是：在一组条件下，其结果完全被决定，要么完全肯定，要么完全否定，不存在其它的可能性。决定性现象实际上就是事前可以预言结果的现象。

还有一类现象称为非决定性现象，这类现象的特点是：条件不能完全决定结果，每次所发生的结果可能是不同的。非决定性现象实际上就是事前不能预言结果的现象，只有事后才能确切知道它所发生的结果，在概率论中，这类现象称为随机现象。要注意，随机现象不能理解为杂乱无章的现象，我们说一种现象是随机的，有两方面的意思，第一，对这种现象进行观察，其结果不是唯一的，可能发生这种结果也可能发生那种结果，究竟出现哪一种结果，事前是不能预言的，只有事后才能得知；第二，在一次观察中，这种现象发生哪一种结果往往带有偶然性，但通过对这种现象的大量观察，会发现这种现象的各种可能结果在数量上呈现出一定的统计规律性。

一　随机试验

概率论就是研究随机现象的科学，是描述不确定性的数学语言。

为了研究随机现象内部存在的数量规律性，必须对随机现象进行观察或实验，举一个最简单的随机现象例子——扔硬币，硬币我们想扔多少次就可以扔多少次；所有可能的结果就只有两种：正面或反面；在每一次扔之前我们并不能知道到底是出现正面或反面。这类试验有三个特点：

一、在相同的条件下试验可以重复进行；

二、每次试验的结果具有多种可能性，而且在实验之前可以明确试验的所有结果；

三、在每次试验之前不能准确地预言该次试验将出现哪一种结果。

我们称这类游戏为随机试验。在每次试验中可能发生也可能不发生的随机试验的结果称为随机事件，如在扔硬币考察它的哪一面朝上的随机试验中，“正面朝上”和“反面朝上”都是随机事件。在随机事件中，有些事件不能分解为其它事件的组合，这种不能分解成其它事件组合的最简单的随机事件称为基本事件。而有些事件可以看成是由某些事件复合而成的，这样的事件称为复合事件。

概率论研究的是随机现象量的规律性。因此仅仅知道实验中可能出现哪些事件是不够的，还必须对事件发生的可能性大小进行量的描述。　　对于事件A，若在n次试验中，事件A发生的次数为μn，则称μn/n为事件A在n次试验中发生的频率。

某个随机事件在一次试验中是否发生是偶然的，但在大量的实验中，事件发生的频率却随着试验次数的增大总在某一确定的常数附近摆动，这种规律性称为频率的稳定性。而且一般说来，试验次数越多，事件的频率就越接近那个确定的常数。这就是概率这一概念的经验基础，确定常数就称为随机事件的概率。

事件频率的稳定性是概率的经验基础，但并不是说概率取决于实验，一个随机事件发生的概率完全取决于其本身的结构，是先于实验而客观存在的。电既看不见也摸不着十分抽象，但却是我们十分熟悉的一个概念，因为电能让灯泡发光，让电视机产生图像，让洗衣机为我们洗衣服，我们能感觉到它的存在；与随机现象有关的概率也是一个十分抽象的数学概念，也看不见摸不着，与电不同的是，概率不会“发光”，不能让人一眼就看到它，但只要发挥人的主观能动性，在观察大量随机现象的基础上并加上理性思维的作用，的确就能实实在在地感受到它的存在，一旦理解了，其实十分简单和自然。

直接计算某一事件的概率有时是非常困难、甚至是不可能的。仅在某些情况，才可以直接计算事件的概率。

有一类实验，每次试验只有有限种可能的结果，即组成试验的基本事件总数为有限个；每次试验中，各基本事件出现的可能性完全相同。具有上述特点的实验称为古典概型试验。

在古典概型试验中，如果能够知道某一事件的基本事件数，就可以通过这个数与试验的基本事件总数之比计算出概率。

在扔硬币的例子中，随机事件有两种：“出现正面”和“出现反面”，出现正面和反面的可能性是一样的，因此，“出现正面”和“出现反面”这两种随机事件发生的概率都等于1/2，即50％。为进一步研究随机现象的数量规律性，需要将随机试验的结果数量化，这就是随机变量，简单地说随机变量就是一个随试验结果而变化的量，是随机事件的数量化。

随机变量所有取值发生的概率称为随机变量的概率分布，它是对随机变量的一种完整的描述。

所有随机变量的取值乘以随机变量的概率的总和称为随机变量的数学期望，通俗地讲，就是随机变量的加权平均值，用数字表示了随机变量分布的特点，是随机变量最常用的数字特征之一。

下面介绍概率论中与赌博有重要关系的大数定律的概念。

测量一个长度a，一次测量的结果不见得就等于a，量了若干次，其算术平均值仍不见得等于a，但当测量的次数很多时，算术平均值接近于a几乎是必然的。

掷一颗均匀的正六面体的骰子，出现幺点的概率是1／6，在掷的次数比较少时，出现幺点的频率可能与1／6相差得很大，但是在掷的次数很多时，出现幺点的频率接近1／6几乎是必然的。

转动轮盘的小球，出现36点的概率是1／37，在转动的次数比较少时，出现36点的频率可能与1／37相差得很大，但是在掷的次数很多时，出现36点的频率接近1／37几乎是必然的。

从二十一点的牌盒中取出一张牌，出现牌“K”的概率是1/13，在取的次数比较少时，出现“K”的频率可能与1/13相差得很大，但是在取的次数很多时，出现“K”的频率接近1/13几乎是必然的。

在一副牌中随机的抽出五张牌，出现一对的概率是0.42，在抽的次数比较少时，出现一对的频率可能与0.42相差得很大，但是在抽的次数很多时，出现一对的频率接近0.42几乎是必然的。

类似的例子还可以举出很多。　　这些例子说明，在大量随机现象中，不仅看到了随机事件频率的稳定性，而且还看到平均结果的稳定性，即无论个别随机现象的结果如何，或者它们在进行过程中的个别特征如何，大量随机现象的平均结果实际上与每一个别随机现象的特征无关，并且几乎不再是随机的了。这就是概率论中大数定律的概念，由“频率稳定性”导出的“大数定律”，成为整个概率论的基础。

以上知识在有关概率论的书籍中均可以查到，这些内容都在书的前半部分，欲了解详情的读者可以参考相关书籍。