概率论:什么是贝特朗悖论?为什么会有?...
数学学习 -
0 Views
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
![[公式]](https://www.zhihu.com/equation?tex=%5Cfrac%7B1%7D%7B2%7D)
- 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
![[公式]](https://www.zhihu.com/equation?tex=%5Cfrac%7B1%7D%7B6%7D)
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:
![[公式]](https://www.zhihu.com/equation?tex=%E6%9C%AA%E7%9F%A5%E7%9A%84%E6%A6%82%E7%8E%87%E9%83%BD%E4%B8%BA%E7%AD%89%E6%A6%82%E7%8E%87%5C%5C)
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
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+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
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+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
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+3)
之间每一种长度都是等可能的。而
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+2)
包含了一半的可能长度:

所以,正方形边长在
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+2)
尺之间的概率为:
2.2 悖论的产生
刚才的问题还可以转为面积来解答,
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+3)
尺边长的正方形面积为
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+9)
平方尺,
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+2)
尺边长的正方形面积为
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+4)
平方尺:

同样,根据不充分理由原则,
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+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
![[公式]](https://www.zhihu.com/equation?tex=1%5Csim+4)
平方尺之间的概率为
![[公式]](https://www.zhihu.com/equation?tex=%5Cfrac%7B3%7D%7B8%7D)
:

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
![[公式]](https://www.zhihu.com/equation?tex=a%5Csim+b)
尺之间随机浮动:

也就是说木方的边长是一个随机变量
![[公式]](https://www.zhihu.com/equation?tex=X)
,符合均匀分布(均匀分布就是等概率的意思):
![[公式]](https://www.zhihu.com/equation?tex=X%5Csim+U%EF%BC%88a%2Cb%29%2C%5Cquad+%280+%3C+a+%3C+b%29%5C%5C)
那么:
![[公式]](https://www.zhihu.com/equation?tex=%5Cquad)
(1)该锯木厂生产出来的正方形边长在
![[公式]](https://www.zhihu.com/equation?tex=c%5Csim+d)
尺之间的概率为多少(其中
![[公式]](https://www.zhihu.com/equation?tex=a+%3C+c+%3C+d+%3C+b)
)?
![[公式]](https://www.zhihu.com/equation?tex=%5Cquad)
(2)它的面积
![[公式]](https://www.zhihu.com/equation?tex=Y%3DX%5E2)
又符合什么分布呢?
解:(1)记
![[公式]](https://www.zhihu.com/equation?tex=X)
的累积分布函数为
![[公式]](https://www.zhihu.com/equation?tex=F_X%28x%29)
,其概率密度函数为
![[公式]](https://www.zhihu.com/equation?tex=p_X%28x%29)
,因为
![[公式]](https://www.zhihu.com/equation?tex=X%5Csim+U%EF%BC%88a%2Cb%29)
,所以:
![[公式]](https://www.zhihu.com/equation?tex=+p_X%28x%29%3D+%5Cbegin%7Bcases%7D+++++%5Cfrac%7B1%7D%7Bb-a%7D%2C+%26a+%3C+x+%3C+b%5C%5C+++++0%2C+%26+%E5%85%B6%E5%AE%83+%5Cend%7Bcases%7D+%5C%5C)
那么要求的正方形边长在
![[公式]](https://www.zhihu.com/equation?tex=c%5Csim+d)
尺之间的概率为:
![[公式]](https://www.zhihu.com/equation?tex=%5Cquad)
(2)假设
![[公式]](https://www.zhihu.com/equation?tex=Y)
的累积分布函数为
![[公式]](https://www.zhihu.com/equation?tex=F_Y%28y%29)
,其概率密度函数为
![[公式]](https://www.zhihu.com/equation?tex=p_Y%28y%29)
。先来求
![[公式]](https://www.zhihu.com/equation?tex=F_Y%28y%29)
:
![[公式]](https://www.zhihu.com/equation?tex=%5Cbegin%7Baligned%7D+F_Y%28y%29+++++%26%3DP%28Y%5Cle+y%29%3DP%28X%5E2%5Cle+y%29+%5C%5C+++++%5C%5C+++++%26%3DP%28X%5Cle+%5Csqrt%7By%7D%29%3DF_X%28%5Csqrt%7By%7D%29+%5Cend%7Baligned%7D+%5C%5C)
将
![[公式]](https://www.zhihu.com/equation?tex=F_Y%28y%29)
对
![[公式]](https://www.zhihu.com/equation?tex=y)
求导就得到了概率密度函数,也就是得到了
![[公式]](https://www.zhihu.com/equation?tex=Y)
的分布:
![[公式]](https://www.zhihu.com/equation?tex=+%5Cbegin%7Baligned%7D+p_Y%28y%29+++++%26%3D%5Cfrac%7B%5Cmathrm%7Bd%7D%7D%7B%5Cmathrm%7Bd%7Dy%7DF_Y%28y%29%3D%5Cfrac%7B%5Cmathrm%7Bd%7D%7D%7B%5Cmathrm%7Bd%7Dy%7DF_X%28%5Csqrt%7By%7D%29%5C%5C+++++%5C%5C+++++%26%3D%5Cfrac%7B%5Cmathrm%7Bd%7D+F_X%28%5Csqrt%7By%7D%29%7D%7B%5Cmathrm%7Bd%7D%5Cleft%28%5Csqrt%7By%7D%5Cright%29%7D%5Cfrac%7B%5Cmathrm%7Bd%7D%5Csqrt%7By%7D%7D%7B%5Cmathrm%7Bd%7Dy%7D%26%26%E9%93%BE%E5%BC%8F%E6%B3%95%E5%88%99%5C%5C+++++%5C%5C+++++%26%3D%5Cfrac%7B1%7D%7B2%5Csqrt%7By%7D%7Dp_X%28%5Csqrt%7By%7D%29%5C%5C+++++%5C%5C+++++%26%3D+++++%5Cbegin%7Bcases%7D+++++++++%5Cfrac%7B1%7D%7B2%5Csqrt%7By%7D%7D%5Ccdot%5Cfrac%7B1%7D%7Bb-a%7D%2C+%26a+%3C+%5Csqrt%7By%7D+%3C+b%5C%5C+++++++++0%2C+%26+%E5%85%B6%E5%AE%83+++++%5Cend%7Bcases%7D%5C%5C+++++%5C%5C+++++%26%3D+++++%5Cbegin%7Bcases%7D+++++++++%5Cfrac%7B1%7D%7B2%5Csqrt%7By%7D%28b-a%29%7D%2C+%26a%5E2+%3C+y+%3C+b%5E2%5C%5C+++++++++0%2C+%26+%E5%85%B6%E5%AE%83+++++%5Cend%7Bcases%7D%5C%5C+%5Cend%7Baligned%7D+%5C%5C)
(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。