- 说明概率论为"不确定性"提供的精确数学语言，识别随机试验(random experiment)的三个特征；
- 分别用频率解释、古典解释与主观解释对同一个概率断言赋值，并指出各解释的适用场合与局限；
- 验证频率数据的三条基本性质（非负、规范、可加），并说明它们与概率公理的一一对应；
- 对一组主观概率进行相容性(coherence)检验，指出不相容信念将导致的矛盾；
- 按顺序说出本章的路线：样本空间与事件 → 三条公理 → 基本命题 → 等可能模型。
1. 概率：不确定性的精确语言
第 1 章我们准备了组合计数这一工具箱；从本章起，正式面对概率论的根本问题：概率究竟是什么？当气象台说"明日降水概率为 30\%"、当工程师说"该元件一年内失效的概率为 0.05"、当分析师说"这个项目成功的概率超过七成"——这些说法之所以有意义，是因为"概率"二字背后存在一套无歧义的数学规则。本章的任务，就是把这套规则从各种直观解释中提炼出来：概率论为不确定性提供精确的数学语言，而这套语言的"语法"，就是概率的公理(axioms of probability)。
这套语言描述的对象是随机试验。它有三个特征：可以在相同条件下重复进行；全部可能结果事先明确；而单次试验究竟出现哪个结果(outcome)无法预先确定。"随机"并不意味杂乱无章——恰恰相反，个别结果不可预知的现象，在大量重复观察之下往往呈现出稳定的比率，这种"个别不可预言、整体呈现规律"的性质称为统计规律性(statistical regularity)，它是概率论得以建立的经验基础。
满足以下三个条件的试验称为随机试验(random experiment)：(1) 可以在相同条件下重复进行；(2) 试验的全部可能结果事先明确，全体结果构成的集合称为样本空间(sample space)，记作 \(S\)；(3) 单次试验出现哪一个结果无法预先确定。
例如：掷一颗骰子是随机试验，\(S=\{1,2,3,4,5,6\}\)；测量一只灯泡的寿命，\(S=(0,\infty)\)。我们关心的某些结果组成的子集称为事件(event)，如"掷出偶数点"。样本空间与事件的严格讨论见 2.2 节。
统计规律性最直观的展示，是重复试验中"发生比率"的稳定性。先看一个贯穿本节的例子。
将一枚硬币分别抛 \(n=100\)、\(1000\)、\(10000\) 次，正面出现的次数依次为 \(52\)、\(515\)、\(5003\)（模拟数据）。计算每次试验中"正面"的频率，并描述随 \(n\) 增大而呈现的规律。
| 试验次数 \(n\) | 正面次数 \(n(E)\) | 频率 \(f_n(E)\) | 与 \(1/2\) 之差 |
|---|---|---|---|
| 100 | 52 | 0.5200 | +0.0200 |
| 1000 | 515 | 0.5150 | +0.0150 |
| 10000 | 5003 | 0.5003 | +0.0003 |
2. 三种概率解释
那么，"概率"到底是什么？对这一问题的回答至少有三种，分别称为频率解释、古典解释与主观解释。它们的语义不同、适用的场合不同，但本章最重要的信息是：无论采用哪种解释，概率的数值都必须按同一套规则运算——这套规则就是 2.3 节的公理。
频率解释(frequentist interpretation)：事件 \(E\) 的概率是大量重复试验中 \(E\) 发生频率的稳定值，直观地写作 \[ P(E)=\lim_{n\to\infty}\frac{n(E)}{n}, \] 其中 \(n(E)\) 为 \(n\) 次试验中 \(E\) 发生的次数（此式的严格含义由第 8 章的大数定律阐明）。这种解释适合可在相同条件下大量重复的试验：次品率、射击命中率、新生儿性别比等都属于此类。
古典解释(classical interpretation)：若试验的全部 \(N\) 个结果等可能(equally likely)——通常由对称性保证，如骰子均匀、洗牌充分、抽签公平——而事件 \(E\) 恰包含 \(m\) 个结果，则 \[ P(E)=\frac{m}{N}. \] 概率问题于是化为计数问题，第 1 章的排列组合工具将在 2.5 节大显身手。古典解释的软肋在于"等可能"本身如何界定：若用"概率相等"来定义等可能，便陷入循环定义——这是推动公理化的动力之一（见本节注记）。
主观解释(subjective interpretation)：概率是相信程度(degree of belief)的度量，因而可以对不可重复的一次性事件赋概率，例如"某候选人当选的概率为 0.7"。主观绝不等于随意：一整套信念必须彼此相容，否则决策者会接受一组必输的赌约（见定义 2 与例 3）。
下列说法中的"概率"，分别最适合用哪种解释来理解？(a) 掷一枚结构均匀的骰子，出现 6 点的概率；(b) 某品牌电池连续使用超过 1000 小时的概率；(c) "本公司下一财年利润增长超过 10\%"的概率。
频率解释之所以特殊，在于它的三条性质可以直接验证，而这三条性质恰好就是概率公理的原型。
设 \(f_n(E)=n(E)/n\) 为事件 \(E\) 在 \(n\) 次重复试验中发生的频率，则：(a) \(0\le f_n(E)\le 1\)；(b) \(f_n(S)=1\)；(c) 若 \(E\) 与 \(F\) 互斥(mutually exclusive，即不能同时发生)，则 \(f_n(E\cup F)=f_n(E)+f_n(F)\)。
把这三条性质与 2.3 节对照：非负且不超过 1、总概率为 1、对互斥事件可加——公理正是把"频率的稳定性质"从经验事实抽象为概率函数必须满足的规则，从而摆脱了"必须能重复试验"的限制。主观解释也必须遵守同样的规则，这就引出相容性概念。
一组主观概率赋值若与概率公理不矛盾——例如不会推出 \(P(E)>1\)，也不会对互斥事件 \(E,F\) 给出 \(P(E\cup F)\ne P(E)+P(F)\)——则称这组赋值是相容的(coherent)；否则称为不相容。
相容性有一个等价的打赌判据：一组信念相容，当且仅当不存在使对手无论结果如何都稳赢的赌约组合（所谓"荷兰赌"，Dutch book）。因此"主观"的底线是：可以自由选择初始数值，但不得与公理冲突。
某政治观察员认为：候选人甲当选的概率 \(P(E)=0.3\)，候选人乙当选的概率 \(P(F)=0.35\)，且甲、乙恰有一人当选（即 \(E\) 与 \(F\) 互斥）。若他进一步断言"甲或乙当选"的概率为 \(0.7\)，这组信念是否相容？
三种直观解释各有困难：古典解释用"等可能"定义概率，而"等可能"最自然的说法又是"概率相等"，构成循环；频率解释依赖"无限重复"与"频率趋于稳定"，但试验无法真正无限进行，稳定性的严格表述本身需要定理（大数定律）；主观解释若不加约束，则每个人的概率无法参与公共运算。柯尔莫哥洛夫(Kolmogorov) 1933 年的方案绕开了"概率是什么"的哲学争论，只规定"概率如何运算"：凡满足三条公理的集合函数都叫概率。三种解释于是成为同一公理体系的不同语义（模型）。本教程（Ross）采取的正是这一立场。
3. 简史：从赌桌问题到公理体系
概率论的起点通常定于 1654 年：法国贵族德·梅雷(De Méré)向帕斯卡(Pascal)请教赌博中断后的"赌金分配"问题，帕斯卡与费马(Fermat)的通信首次用数学方法系统处理不确定性，被视为这门学科的开端。1657 年，惠更斯(Huygens)在二人工作的基础上出版《论赌博中的计算》——第一部概率论教材，"期望"的思想在此萌芽。此后近两个世纪，伯努利(Bernoulli)、拉普拉斯(Laplace)等人不断把分析方法引入概率论：1812 年拉普拉斯的《概率的分析理论》将古典定义 \(P(E)=m/N\) 系统化，并应用于科学与误差理论。最终，柯尔莫哥洛夫(Kolmogorov)于 1933 年出版《概率论基础》，以三条公理加测度论语言为概率论奠定严格基础，概率论自此成为现代数学的一个分支。本章"从直观解释走向严格公理"的展开次序，正是重走这条三个世纪之路。
4. 本章路线
有了以上准备，本章将按"舞台 → 规则 → 推论 → 应用"四步展开：
- 2.2 样本空间与事件：用集合语言为随机试验建模——样本点、事件，以及并、交、补、差与对偶律；
- 2.3 概率的公理：三条公理正式登场，概率被定义为满足公理的集合函数；
- 2.4 几个简单命题：从公理出发推出补公式、单调性、容斥原理以及 Bonferroni 与 Boole 不等式；
- 2.5 等可能结果的样本空间：古典概型全面展开，第 1 章的计数与本章的公理在此合流，解决扑克牌型、生日问题等经典应用。
先搭好舞台（样本空间与事件），再立规则（公理），继而推演（基本命题），最后回到应用（等可能模型）——这既是本章的结构，也是整个概率论的缩影。
5. 本节小结
- 概率论为不确定性提供精确的数学语言，研究对象是结果事先不可预知的随机试验；"个别不可预言、整体呈现统计规律性"。
- 三种概率解释：频率解释（大量重复下发生频率的稳定值）、古典解释（等可能结果的比值 \(m/N\)）、主观解释（相信程度的相容标度），各有适用场合。
- 频率的三条性质（非负、规范、可加）是概率公理的原型；无论采用哪种解释，概率都必须满足同一组公理。
- 主观概率必须通过相容性检验：与公理矛盾的信念组会导出必输的赌约组合（例 3）。
- 简史：1654 帕斯卡–费马 → 1657 惠更斯 → 1812 拉普拉斯 → 1933 柯尔莫哥洛夫公理化。
- 本章路线：样本空间与事件 → 三条公理 → 基本命题 → 等可能模型。
练习
练习 2-1-1
下列说法中的"概率"更适合哪种解释？(a) 掷一枚均匀硬币出现正面；(b) 明天本市降水概率 60%；(c) 从流水线上随机抽一件产品是次品；(d) 人类在 2100 年前登陆火星的概率。
答案与提示(a) 古典解释——硬币的对称性保证两个结果等可能；(c) 频率解释——抽样可大量重复，用稳定频率估计次品率；(b) 与 (d) 均为一次性事件，宜用主观解释（降水概率是依据气象资料作出的专家判断，常按贝叶斯观点理解）。判断的关键：能否重复（频率）、是否有对称性（古典）、是否一次性未来事件（主观）。
练习 2-1-2
为什么主观概率也必须满足公理？设某人对事件 \(E\) 同时断言 \(P(E)=0.6\) 与 \(P(E^c)=0.6\)，说明这组信念为何不相容，以及它会带来什么实际后果。
答案与提示由公理应有一 \(P(E)+P(E^c)=P(S)=1\)，而 \(0.6+0.6=1.2>1\)，与公理矛盾，故不相容。打赌角度看：此人若按这两个数字接受赌约，对手可就 \(E\) 与 \(E^c\) 同时下注，无论结果如何都能稳赚 \(0.2\) 单位——这正是"荷兰赌"(Dutch book) 套利。相容性(coherence)就是排除此类套利的条件，也是主观概率必须服从公理的理由。
练习 2-1-3
掷一颗骰子 600 次，6 点出现 107 次；再掷 6000 次，6 点出现 983 次。分别计算频率，并与古典值 \(1/6\) 比较，说明你观察到的规律。
答案与提示\(107/600\approx 0.178\)，\(983/6000\approx 0.164\)，而 \(1/6\approx 0.167\)。频率先偏离古典值较多，随试验次数增大而更接近 \(1/6\)，印证了"频率随 \(n\) 增大趋于概率"的统计规律性——其严格表述即第 8 章的大数定律。