概率论：什么是贝特朗悖论？为什么会有？

和所有的数学分支类似，概率论的也是经历了从直觉到严格的过程。其中的一个转折点就是贝特朗悖论。 1 古典派 古典派也就是高中时候学的概率论。它的核心哲学思想是：不充分理由原则。 1.1 不充分理由原则 雅各布·伯努利（1654－1705）：

提出，如果因为无知，使得我们没有办法判断哪一个结果会比另外一个结果更容易出现，那么应该给予它们相同的概率。比如：

硬币：由于不清楚硬币哪一面更容易出现，那么应该给予正面、反面相同的概率，即为 $\frac{1}{2}$
骰子：我们不清楚骰子哪一面更容易出现，那么应该给予每一面相同的概率，即为 $\frac{1}{6}$

此称为 不充分理由原则（Insufficient Reason Principle）。 1.2 古典概率 以不充分理由原则为基础，经由皮埃尔-西蒙·拉普拉斯侯爵（1749－1827）：

之手，确立了古典概率的定义，即： $未知的概率都为等概率\\$ 整个19世纪的人们都广泛接受这个定义，并发展出了一系列的定义和定理。 2 贝特朗悖论 法国数学家贝特朗（也翻译为“伯特兰”）于1888年在他的著作《Calcul des probabilités》中提到了这个悖论：

原始的悖论比较复杂，下面我们给出一个等价的形式。 2.1 锯木厂的木头 问：有一家锯木厂，它会把木头切成不同的木方，木方的截面都是正方形，边长会在 $1\sim 3$ 尺之间随机浮动：

那么根据古典概率，该锯木厂生产出来的正方形边长在 $1\sim 2$ 尺之间的概率为多少？解：根据不充分理由原则，因为不知道哪一种边长更容易出现，那么就应该给予它们相同的概率，也就是说 $1\sim 3$ 之间每一种长度都是等可能的。而 $1\sim 2$ 包含了一半的可能长度：

所以，正方形边长在 $1\sim 2$ 尺之间的概率为： $\frac{2-1}{3-1}=\frac{1}{2}\\$ 2.2 悖论的产生 刚才的问题还可以转为面积来解答， $1\sim 3$ 尺边长的正方形面积为 $1\sim 9$ 平方尺， $1\sim 2$ 尺边长的正方形面积为 $1\sim 4$ 平方尺：

同样，根据不充分理由原则， $1\sim 9$ 平方尺之间的正方面面积是等可能的，那么正方形面积在 $1\sim 4$ 平方尺之间的概率为 $\frac{3}{8}$ ：

选择对“长度”还是对“面积”运用不充分理由原则，同一个问题会得到了不同的概率：

那么哪个是对的？ 3 现代概率论 3.1 反思 19世纪不少人相信只要找到适当的等概率，就可以得到问题的唯一解。直到贝特朗悖论出现，人们才开始反思古典概率中的不合理之处：“等概率”的描述实在是太模糊了，存在歧义。在后来数学家的不断努力中，概率论变得越来越严谨，大学中学习的公理化的现代概率论就是集大成者。下面用现代的概率论重新来审视贝特朗悖论，你会发现其实根本没有矛盾之处。 3.2 重解贝特朗悖论 问：有一家锯木厂，它会把木头切成不同的木方，木方的截面都是正方形，边长会在 $a\sim b$ 尺之间随机浮动：

也就是说木方的边长是一个随机变量 $X$ ，符合均匀分布（均匀分布就是等概率的意思）： $X\sim U（a,b),\quad (0 < a < b)\\$ 那么： $\quad$ （1）该锯木厂生产出来的正方形边长在 $c\sim d$ 尺之间的概率为多少（其中 $a < c < d < b$ ）？ $\quad$ （2）它的面积 $Y=X^2$ 又符合什么分布呢？解：（1）记 $X$ 的累积分布函数为 $F_X(x)$ ，其概率密度函数为 $p_X(x)$ ，因为 $X\sim U（a,b)$ ，所以： $p_X(x)= \begin{cases} \frac{1}{b-a}, &a < x < b\\ 0, & 其它 \end{cases} \\$ 那么要求的正方形边长在 $c\sim d$ 尺之间的概率为： $P(c\le X\le d)=\int_c^d p_X(x)\mathrm{d}x=\frac{d-c}{b-a}\\$ $\quad$ （2）假设 $Y$ 的累积分布函数为 $F_Y(y)$ ，其概率密度函数为 $p_Y(y)$ 。先来求 $F_Y(y)$ ： $\begin{aligned} F_Y(y) &=P(Y\le y)=P(X^2\le y) \\ \\ &=P(X\le \sqrt{y})=F_X(\sqrt{y}) \end{aligned} \\$ 将 $F_Y(y)$ 对 $y$ 求导就得到了概率密度函数，也就是得到了 $Y$ 的分布： $\begin{aligned} p_Y(y) &=\frac{\mathrm{d}}{\mathrm{d}y}F_Y(y)=\frac{\mathrm{d}}{\mathrm{d}y}F_X(\sqrt{y})\\ \\ &=\frac{\mathrm{d} F_X(\sqrt{y})}{\mathrm{d}\left(\sqrt{y}\right)}\frac{\mathrm{d}\sqrt{y}}{\mathrm{d}y}&&链式法则\\ \\ &=\frac{1}{2\sqrt{y}}p_X(\sqrt{y})\\ \\ &= \begin{cases} \frac{1}{2\sqrt{y}}\cdot\frac{1}{b-a}, &a < \sqrt{y} < b\\ 0, & 其它 \end{cases}\\ \\ &= \begin{cases} \frac{1}{2\sqrt{y}(b-a)}, &a^2 < y < b^2\\ 0, & 其它 \end{cases}\\ \end{aligned} \\$ （1）（2）两个问题回答下来，可见边长符合均匀分布时，面积并不符合均匀分布。 4 总结 贝特朗悖论产生的原因在于，古典概率中的“等概率”非常模糊：

边长的分布是未知的，所以是等概率的
面积的分布是未知的，所以是等概率的

进而导出了矛盾。现代概率论通过分布来描述边长的随机性后，这种模糊性消失了，贝特朗悖论中的矛盾也就不存在的。同学们还可以试试假设面积符合均匀分布，试求一下边长符合什么分布。

本站内容收集整理于网络，多标有原文出处，本站仅提供信息存储空间服务。如若转载，请注明出处。

概率论：什么是贝特朗悖论？为什么会有？

相关文章

学而行努力学习网

随机推荐

热门标签