1/3
2/3
3/3
著名的"贝特朗悖论"及其产因分析
现代微积分
编辑于 2023年06月29日 03:07

我们先来看一道题目:

这题看似简单,却出现了3种答案!

解法一:

取定边为AB。要满足AC,BC长均<1,则点C需要在以A为圆心1为半径的圆内,且在B为圆心1为半径的圆内,由此可行域即图中的红色部分

要满足C为锐角,则还需满足C在以AB为直径的圆外,即深色部分

因此三角形为锐角三角形的概率就是深色部分面积/红色部分总面积

先求红色部分总面积:

如图,连接交点与两圆的圆心,构成等边三角形

于是S_%7B%5Ctext%7B%E7%BA%A2%7D%7D%3D4S_%7B%5Ctext%7B%E5%BC%93%E5%BD%A2%7D%7D%2B2S_%7B%5Ctext%7B%E7%AD%89%E8%BE%B9%7D%7D

其中

%5Cbegin%7Balign%7D%0AS_%7B%5Ctext%7B%E5%BC%93%E5%BD%A2%7D%7D%26%3DS_%7B%5Ctext%7B%E6%89%87%E5%BD%A2%7D%7D-S_%7B%5Ctext%7B%E7%AD%89%E8%BE%B9%7D%7D%5C%5C%0A%26%3D%5Cfrac%7B1%7D%7B2%7D%20%5Ctimes%201%5E2%5Ctimes%20%5Cfrac%7B%5Cpi%20%7D%7B3%7D%20-%5Cfrac%7B%5Csqrt%7B3%7D%20%7D%7B4%7D%20%5Ctimes%201%5E2%5C%5C%0A%26%3D%5Cfrac%7B%5Cpi%20%7D%7B6%7D%20-%5Cfrac%7B%5Csqrt%7B3%7D%20%7D%7B4%7D%20%0A%5Cend%7Balign%7D

于是

%5Cbegin%7Balign%7D%0AS_%7B%5Ctext%7B%E7%BA%A2%7D%7D%26%3D4S_%7B%5Ctext%7B%E5%BC%93%E5%BD%A2%7D%7D%2B2S_%7B%5Ctext%7B%E7%AD%89%E8%BE%B9%7D%7D%5C%5C%0A%26%3D4%5Ctimes%20(%5Cfrac%7B%5Cpi%20%7D%7B6%7D%20-%5Cfrac%7B%5Csqrt%7B3%7D%20%7D%7B4%7D%20)%2B2%5Ctimes%20%5Cfrac%7B%5Csqrt%7B3%7D%20%7D%7B4%7D%20%5C%5C%0A%26%3D%5Cfrac%7B2%5Cpi%20%7D%7B3%7D-%5Cfrac%7B%5Csqrt%7B3%7D%20%7D%7B2%7D%20%20%0A%5Cend%7Balign%7D

深红色部分面积=红色部分面积-浅红色部分面积(以AB为直径的圆的面积)

%5Cbegin%7Balign%7D%0AS_%7B%5Ctext%7B%E6%B7%B1%E7%BA%A2%7D%7D%26%3DS_%7B%5Ctext%7B%E7%BA%A2%7D%7D-S_%7B%5Ctext%7B%E6%B5%85%E7%BA%A2%7D%7D%5C%5C%0A%26%3D%5Cfrac%7B2%5Cpi%20%7D%7B3%7D-%5Cfrac%7B%5Csqrt%7B3%7D%20%7D%7B2%7D%20%20-%5Cpi%20%5Ctimes%20(%5Cfrac%7B1%7D%7B2%7D%20)%5E2%5C%5C%0A%26%3D%5Cfrac%7B5%5Cpi%20%7D%7B12%7D-%5Cfrac%7B%5Csqrt%7B3%7D%20%7D%7B2%7D%0A%5Cend%7Balign%7D

则概率

P%3D%5Cfrac%7BS_%7B%5Ctext%7B%E6%B7%B1%E7%BA%A2%7D%7D%7D%7BS_%7B%5Ctext%7B%E7%BA%A2%7D%7D%7D%20%3D%5Cfrac%7B%5Cfrac%7B5%5Cpi%20%7D%7B12%7D-%5Cfrac%7B%5Csqrt%7B3%7D%20%7D%7B2%7D%7D%7B%5Cfrac%7B2%5Cpi%20%7D%7B3%7D-%5Cfrac%7B%5Csqrt%7B3%7D%20%7D%7B2%7D%20%20%7D%3D%5Cboxed%7B%5Cfrac%7B5%5Cpi%20-6%5Csqrt%7B3%7D%20%7D%7B8%5Cpi%20-6%5Csqrt%7B3%7D%20%7D%7D%5Capprox%20%2036.1%5Ctext%7B%25%7D

cut-off

解法二:

设C所对边为1(最大的边)。取角A,B研究,要构成三角形,则需:

A%5Cin%20(0%2C%5Cpi%20)%2CB%5Cin%20(0%2C%5Cpi%20)%2CC%3D%5Cpi%20-A-B%5Cin%20(0%2C%5Cpi%20)

根据"大边对大角,小边对小角",还需满足:

A%3CC%3D%5Cpi%20-A-B%2CB%3CC%3D%5Cpi%20-A-B

因此A,B满足约束:

%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%0A%200%3CA%3C%5Cpi%5C%5C%0A%200%3CB%3C%5Cpi%20%5C%5C%0A%20%200%3CA%2BB%3C%5Cpi%5C%5C%0AA%3C%5Cpi%20-A-B%20%5C%5C%0AB%3C%5Cpi%20-A-B%0A%5Cend%7Bmatrix%7D%5Cright.

以A为横轴,B为纵轴画出的可行域如下:

其由直线A%3D0%2CB%3D0%2C2A%2BB%3D%5Cpi%20%2CA%2B2B%3D%5Cpi围成

要让三角形为锐角三角形,还需让最大角C为锐角,即

C%3D%5Cpi%20-A-B%3C%5Cfrac%7B%5Cpi%20%7D%7B2%7D%20%5CRightarrow%20A%2BB%3E%5Cfrac%7B%5Cpi%20%7D%7B2%7D%20(即下图深色部分)

因此三角形为锐角三角形的概率就是深色部分面积/红色部分总面积

先求红色部分面积:

四边形顶点为(0%2C0)%2C(%5Cfrac%7B%5Cpi%20%7D%7B2%7D%20%2C0)%2C(0%2C%5Cfrac%7B%5Cpi%20%7D%7B2%7D%20)%2C(%5Cfrac%7B%5Cpi%20%7D%7B3%7D%2C%5Cfrac%7B%5Cpi%20%7D%7B3%7D%20)

于是S_%7B%5Ctext%7B%E7%BA%A2%7D%7D%3D2%5Ctimes%20(%5Cfrac%7B1%7D%7B2%7D%20%5Ctimes%20%5Cfrac%7B%5Cpi%20%7D%7B2%7D%20%5Ctimes%20%5Cfrac%7B%5Cpi%20%7D%7B3%7D)%3D%5Cfrac%7B%5Cpi%5E2%7D%7B6%7D%20

再求深红色面积:

深红色面积=红色面积-浅红色面积

于是S_%7B%5Ctext%7B%E6%B7%B1%7D%7D%3D%5Cfrac%7B%5Cpi%5E2%7D%7B6%7D%20-%5Cfrac%7B1%7D%7B2%7D%20%5Ctimes%20%5Cfrac%7B%5Cpi%20%7D%7B2%7D%20%5Ctimes%20%5Cfrac%7B%5Cpi%20%7D%7B2%7D%20%3D%5Cfrac%7B%5Cpi%5E2%7D%7B24%7D

则概率

P%3D%5Cfrac%7BS_%7B%5Ctext%7B%E6%B7%B1%7D%7D%7D%7BS_%7B%5Ctext%7B%E7%BA%A2%7D%7D%7D%20%20%3D%5Cfrac%7B%5Cfrac%7B%5Cpi%5E2%7D%7B24%7D%7D%7B%5Cfrac%7B%5Cpi%5E2%7D%7B6%7D%7D%20%3D%5Cboxed%7B%5Cfrac%7B1%7D%7B4%7D%20%7D%3D25%5Ctext%7B%25%7D

cut-off

解法三:

设最大边为c=1,取边a,b研究,要构成三角形,则需满足任意两边之和>第三边,即:

a%2Bb%3E1%2Ca%2B1%3Eb%2Cb%2B1%3Ea

依题意还需满足0%3Ca%3C1%2C0%3Cb%3C1

因此a,b满足约束:

%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%0Aa%2Bb%3E1%20%5C%5C%0Aa%2B1%3Eb%20%5C%5C%0Ab%2B1%3Ea%20%5C%5C%0A0%3Ca%3C1%20%5C%5C%0A0%3Cb%3C1%0A%5Cend%7Bmatrix%7D%5Cright.

以a为横轴,b为纵轴画出的可行域如下:

其由直线a%3D1%2Cb%3D1%2Ca%2Bb%3D1围成

要让三角形为锐角三角形,还需让最大角C为锐角,即%5Ccos%20C%3E0

%5Ccos%20C%3D%5Cfrac%7Ba%5E2%2Bb%5E2-c%5E2%7D%7B2ab%7D%3E0%5CRightarrow%20a%5E2%2Bb%5E2%3E1%20围成(即下图深色部分)

因此三角形为锐角三角形的概率就是深色部分面积/红色部分总面积

先求红色部分面积:

S_%7B%5Ctext%7B%E7%BA%A2%7D%7D%3D%5Cfrac%7B1%7D%7B2%7D%20%5Ctimes%201%5Ctimes%201%3D%5Cfrac%7B1%7D%7B2%7D%20

再求深红色面积:

深红色面积=正方形面积-1/4圆面积

于是S_%7B%5Ctext%7B%E6%B7%B1%7D%7D%3D1%5E2-%5Cfrac%7B1%7D%7B2%7D%5Ctimes%201%5E2%5Ctimes%20%5Cfrac%7B%5Cpi%20%7D%7B2%7D%3D1-%5Cfrac%7B%5Cpi%20%7D%7B4%7D%20

则概率

P%3D%5Cfrac%7BS_%7B%5Ctext%7B%E6%B7%B1%7D%7D%7D%7BS_%7B%5Ctext%7B%E7%BA%A2%7D%7D%7D%20%20%3D%5Cfrac%7B1-%5Cfrac%7B%5Cpi%20%7D%7B4%7D%20%7D%7B%5Cfrac%7B1%7D%7B2%7D%20%7D%20%3D%5Cboxed%7B2-%5Cfrac%7B%5Cpi%20%7D%7B2%7D%20%7D%5Capprox%2042.9%5Ctext%7B%25%7D

cut-off

为什么会出现3种不同的答案?究竟哪种才是对的呢?难度概率学都是骗人的?数学大厦即将倒塌啦!(民科大乐)

其实思考这个问题是颇具价值的,因为这背后代表着概率论完善的一次重要转折

高中时学过古典概型,如抛硬币,抛骰子。问“抛出正面的概率”“抛出6的概率”,相信幼儿园的小孩都能答对。那么这概率是怎么确定的呢?源于古典概率学派的核心思想:不充分理由原则

原则概述: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%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%5Cfrac%7B1%7D%7B6%7D

以不充分理由原则为基础,定义了古典概型(未知的概率皆为等概率)

由等概率为基的古典概型(离散型随机变量)进一步拓展到了几何概型(连续型随机变量)

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。直到贝特朗悖论的出现。

ps:贝特朗悖论的典型例子是:在单位圆内任意作一条弦,求弦长%3E%5Csqrt%7B3%7D的概率,放到后文再讲

我们先以上面的题目分析

不妨以解法二为例分析其他的两种情况

在解法二中,根据"等概率假设&#​34;,变量(A%2CB)在该可行域内随机分布,那么事件%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%0A0%3CA%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%20%20%5C%5C%0A0%3CB%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%0A%5Cend%7Bmatrix%7D%5Cright.和事件%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%0A%5Cfrac%7B%5Cpi%20%7D%7B18%7D%3CA%3C%5Cfrac%7B%5Cpi%20%7D%7B9%7D%20%20%5C%5C%0A0%3CB%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%0A%5Cend%7Bmatrix%7D%5Cright.发生的概率是相等的,也就是下图绿色框框中的这两块面积相等

而事件%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%0A0%3CA%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%20%20%5C%5C%0A0%3CB%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%0A%5Cend%7Bmatrix%7D%5Cright.和事件%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%0A%5Cfrac%7B%5Cpi%20%7D%7B18%7D%3CA%3C%5Cfrac%7B%5Cpi%20%7D%7B9%7D%20%20%5C%5C%0A0%3CB%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%0A%5Cend%7Bmatrix%7D%5Cright.放到解法一的可行域中,则是下面的两块面积:

在这个可行域中,①②的面积是不相等的,即事件%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%0A0%3CA%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%20%20%5C%5C%0A0%3CB%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%0A%5Cend%7Bmatrix%7D%5Cright.和事件%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%0A%5Cfrac%7B%5Cpi%20%7D%7B18%7D%3CA%3C%5Cfrac%7B%5Cpi%20%7D%7B9%7D%20%20%5C%5C%0A0%3CB%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%0A%5Cend%7Bmatrix%7D%5Cright.发生的概率不相等

因此"变量(A,B)在解法二中的可行域随机分布&#​34;与"变量(x,y)在解法一中的可行域随机分布&#​34;是不等效的!

在解法三中,事件%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%0A0%3CA%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%20%20%5C%5C%0A0%3CB%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%0A%5Cend%7Bmatrix%7D%5Cright.和事件%5Cleft%5C%7B%5Cbegin%7Bmatrix%7D%0A%5Cfrac%7B%5Cpi%20%7D%7B18%7D%3CA%3C%5Cfrac%7B%5Cpi%20%7D%7B9%7D%20%20%5C%5C%0A0%3CB%3C%5Cfrac%7B%5Cpi%20%7D%7B18%7D%0A%5Cend%7Bmatrix%7D%5Cright.发生的概率也不相等:

ps:desmos有点bug,方程一多就渲染不清

如图的绿色部分面积与蓝色部分面积不相等

因此"变量(A,B)在解法二中的可行域随机分布&#​34;与"变量(a,b)在解法三中的可行域随机分布&#​34;也是不等效的!

因此这3种假设两两不等效!

这也正是古典概率学派的不充分理由原则(等可能假设)导致的,对点变量(x,y),还是对角变量(A,B),抑或对边变量(a,b)运用不充分理由原则,同一个问题会得到不同的概率

这就愈发引起深思:需要对随机变量的衡量方式进行更明确的限制

因此,如果要是解法一的答案,就需多加限制:点C在对应的可行域内随机分布;其余两种解法也要限制变量在对应可行域内随机分布

cut-off

因此贝特朗悖论反应的并不是概率学知识不自洽,而是题目对条件缺乏严格明确的限制而导致模棱两可。

对于这点典例:在单位圆内任意作一条弦,求弦长%3E%5Csqrt%7B3%7D的概率?

那这就没法操作,这条弦究竟是怎么个任意法?是任意旋转么?是任意平移么?都没有说明,因此我们就无法确定随机变量的衡量方式,这个问题自然就无法解决。因为题目本身就存在问题(条件不够)

想要解决我们就必须对条件加以更明确的限制!于是乎,不同的限制方式就产生不同的结果

(1)

以这条线段的长度为衡量标准

若将这条弦沿着一条直径上下平移,那么这条弦在线段AB上移动时就满足条件,就该以这条线段的长度衡量标准,概率就是%5Cfrac%7B1%7D%7B2%7D

(2)

以转动角度为衡量标准

若固定这条弦的其中一端,绕着这个定点转动,可知当这条弦在%5Cangle%20AOB范围内转动时就满足条件,这时就该以转动角度衡量标准,概率就是%5Cfrac%7B1%7D%7B3%7D

(3)

以中点所在区域的面积为衡量标准

若以弦的中点为参考,当弦心距%3C%5Cfrac%7B1%7D%7B2%7D时就满足条件,于是当弦中点在绿圆(半径为%5Cfrac%7B1%7D%7B2%7D)内部运动的时候就满足条件,这时就该以中点所在区域的面积衡量标准,概率就是%5Cfrac%7B1%7D%7B4%7D

ps:这个典题应该放最前面讲的,有这基础才能更好地引出前文的那道题目,没布局好懒得修改谋篇了()

同一问题有3种不同答案,这便是著名的贝特朗悖论。

在这以前人们都相信只要找到了适当的等概率,就可以得到问题的唯一解。直到该悖论的出现,人们才开始反思古典概率的不合理之处:“等概率”的描述实在是太模糊了,存在歧义

这所谓的悖论其实并不悖,产生的原因正是题目没有指定随机对象的运动方式,这是一道缺少条件的模棱两可的错题。

打个比方,我们要统计某学校中数学成绩大于90分的学生所占比例,这是古典概型。但这没法操作,因为这里的随机变量是不明确的,是期中考试成绩?期末考试成绩?还是平均成绩?都没有讲清楚。如果非去统计,那么不同的人就会有不同的选择(选择不同的衡量标准),那么得出的结果自然也就不同。