讲解稿 · 第 05 章 第 01 节 · 计数¶
口播时长：约 18 分钟｜建议语速：中速，公式处停两拍｜字数：约 3800 字
承 Ch04 §05 统计推断 → Ch05 §01 计数 → Ch05 §02 概率公理
导语（约 80 秒）¶
先做一道只凭直觉的题。
一个房间里有 23 个人。忽略闰年，假设每个人的生日独立、均匀地落在 365 天中。请问：至少两个人生日相同的概率有多大？
很多人会猜 10% 左右。理由听起来很自然：23 比 365 小得多，怎么会那么容易撞上？但准确结果约为
23 个人，碰撞概率已经超过一半。这就是生日悖论。它并不违反逻辑；“悖论”只表示结果违反直觉。直觉盯着“某个人是否和我同生日”，计算却要看房间里所有人的两两关系，更稳妥的办法则是先数“所有人生日都不同”的情形，再取补集。
今天不急着背概率公式。我们先学概率论的地基：怎样不重不漏地数清结果。乘法原理负责沿步骤展开，加法原理负责在互斥类别间汇总；排列解决有序选择，组合解决无序选择；二项式定理说明组合数为什么自然出现。最后，我们把这些有限计数放进 \((\Omega,\mathcal F,P)\) 的严格框架，为下一节概率公理搭桥。
复习昨日 & 今日路线（约 45 秒）¶
Ch04 §05 统计推断从样本走向总体：点估计给出一个数，置信区间量化不确定性，极大似然选择最能解释数据的参数，蒙特卡罗用重复抽样近似难算的量。那些方法一直在使用概率，却主要站在应用层。
今天反向下潜：先回答“结果一共有多少种”，再说明“哪些结果可以称为事件、概率究竟作用在哪些集合上”。路线是：乘法 → 加法 → 排列 → 组合 → 二项式 → 测度论三件套。下一节 §02 将正式研究 Kolmogorov 三公理、\(\sigma\)-代数以及由公理推出的概率规则。
核心概念一 · 乘法原理：沿步骤把选择乘起来（约 2 分钟）¶
直觉。 想象一棵决策树。第一步的每个分支后面，还会长出第二步的若干分支；总方案数就是最底层叶子的数量。沿一条路径完成全部步骤，所以各层选择数相乘。这里的“分步”不是概率里的“相互独立”，而是每个完整结果都能被唯一拆成一串选择。
定义。 一项任务按顺序分成 \(n\) 步；若第 \(i\) 步在此前选择确定后始终有 \(k_i\) 种可选方式，那么总方法数为
若某一步的可选数依赖前面的选择，就按决策树逐支计算，再把各支叶子数汇总，不能机械套固定乘积。
例子。 制作一个“字母—数字”编号：第一位从 26 个英文字母中选，第二位从 10 个数字中选，允许重复。每个字母后都能接 10 个数字，因此共有 \(26\times10=260\) 个编号。生日问题同理：若暂不限制碰撞，23 个人各有 365 种生日，总分配数是 \(365^{23}\)。
反例。 两位字母码若禁止重复，不能写成 \(26^2\)。第一位有 26 种，第二位只剩 25 种，应为 \(26\times25\)。更不能因为步骤看起来“有关联”就拒绝相乘；乘法原理要求的是每条路径被唯一计数，不要求随机事件独立。
一句话总结。 一个结果要依次完成多步，就沿路径乘；每步选项数变化时，就分支后再乘。
核心概念二 · 加法原理：互斥分类后相加（约 1.8 分钟）¶
直觉。 乘法原理回答“先做这个，再做那个”；加法原理回答“要么走这条路，要么走那条路”。只要每个结果恰好落入一个类别，把各类数量相加就能得到总数。
定义。 若完成一项任务的方案被分成两两互斥的 \(n\) 类，第 \(i\) 类有 \(k_i\) 种方法，则
“互斥”表示任一方案不能同时属于两个类别。若类别重叠，需细分成互斥类，或使用容斥原理减去重复部分。
例子。 一个盒子里有 5 个红球和 8 个蓝球，只取一个球，并要求“取红球或取蓝球”。红、蓝两类互斥，所以共有 \(5+8=13\) 种取法。这里单位是“种取法”，不是概率；计数结果是非负整数。
反例。 某班有 18 人参加数学社，12 人参加编程社，其中 5 人两个社都参加。若问“至少参加一个社团”的人数，直接算 \(18+12=30\) 会把这 5 人数两遍。正确结果是 \(18+12-5=25\)。不先检查互斥性，加法就会制造重复计数。
一句话总结。 互斥类别可以直接加；类别有交集，先拆开或减掉重复。
核心概念三 · 排列：从 \(n\) 个不同元素中有序选 \(k\) 个（约 2 分钟）¶
直觉。 领奖台上的第一、第二、第三名不仅关心“选了谁”，还关心“站在哪一位”。同样三个人，只要次序变化，就是另一个结果。排列本质上是“不放回的连续选位”。
定义。 从 \(n\) 个互不相同的元素中，不放回地选出 \(k\) 个并排定顺序，方案数记为 \(P(n,k)\)：
其中 \(n!=n(n-1)\cdots1\)，并约定 \(0!=1\)。当 \(k=n\) 时，\(P(n,n)=n!\)，称为全排列。
例子。 从 10 个人中选 3 人依次担任队长、副队长、记录员。三个职位不同，顺序必须保留：
这个数字三步内可验：队长 10 种，副队长剩 9 种，记录员剩 8 种，最后相乘。
反例。 若题目只说“选 3 人组成没有分工的小组”，用 \(P(10,3)=720\) 就把同一组三个人按 \(3!=6\) 种内部顺序重复计算了。另一个前提是元素彼此可区分；含重复元素的字符串排列不能直接套 \(n!\)。
一句话总结。 选中的身份或位置有区别，用排列；核心判断是交换两人后是否算新方案。
核心概念四 · 组合：从 \(n\) 个不同元素中无序选 \(k\) 个（约 2 分钟）¶
直觉。 组成三人小组时，甲乙丙和丙甲乙仍是同一个小组。排列把内部顺序全部数了出来，组合要把这些重复顺序折叠成一个结果。
定义。 从 \(n\) 个互不相同的元素中，不放回地选出 \(k\) 个，不计顺序，方案数记为
除以 \(k!\) 的原因是：每个无序集合在排列中恰好出现 \(k!\) 次。它还满足对称性 \(\binom nk=\binom n{n-k}\)，因为“选出 \(k\) 个”与“留下 \(n-k\) 个”一一对应。
例子。 从 10 个人中选 3 人组成无分工小组：
排列数 720 除以每组三人的 6 种内部顺序，得到 120，数字关系可立即互相验算。
反例。 “从 10 人中选 3 人，并指定其中 1 人做组长”不能只算 \(\binom{10}{3}\)。组内角色重新引入了区别，应为 \(\binom{10}{3}\times3=360\)；也可先选组长再选两名组员，得到 \(10\binom92=360\)。两条路径给出同一结果，正好构成校验。
一句话总结。 只问选了谁，用组合；还问谁先谁后、谁担任什么角色，就要把顺序乘回来。
核心概念五 · 二项式定理：组合数成为展开系数（约 2 分钟）¶
直觉。 展开 \((a+b)^n\)，相当于从 \(n\) 个括号里各选一次 \(a\) 或 \(b\)。若最终项里出现 \(k\) 个 \(b\)，就要从 \(n\) 个位置中选出哪 \(k\) 个位置贡献 \(b\)，因此系数自然是组合数 \(\binom nk\)。
定义。 对非负整数 \(n\)，二项式定理为
每项总次数都是 \(n\)。令 \(a=b=1\)，还得到 \(\sum_{k=0}^{n}\binom nk=2^n\)：从 \(n\) 个元素中任选一个子集，总数为 \(2^n\)。
例子。 取 \(a=x,b=1,n=5\)：
系数依次为 \(1,5,10,10,5,1\)，左右对称正对应 \(\binom5k=\binom5{5-k}\)。例如 \(x^3\) 表示五个括号中选两个贡献 \(1\)，所以系数是 \(\binom52=10\)。
反例。 二项式系数本身不是二项分布的概率。\(\binom nk\) 只数“哪些位置成功”；若每次独立成功概率为 \(p\)，恰有 \(k\) 次成功的概率还必须乘权重 \(p^k(1-p)^{n-k}\)。漏掉权重，除非特殊归一化，否则各项不会构成概率分布。
一句话总结。 二项式系数数的是从 \(n\) 个位置中挑出 \(k\) 个位置，展开式与二项概率都由同一计数结构驱动。
核心概念六 · 测度论铺垫：\((\Omega,\mathcal F,P)\) 严格三件套（约 3 分钟）¶
直觉。 “有利结果数除以总结果数”只适用于有限且等可能的古典概型。现实中还会遇到加权硬币、无限次试验、连续温度。此时不能只数点，而要先规定三件事：所有可能结果装在哪里，哪些结果集合允许提问概率，怎样给这些事件分配概率。它们就是 \((\Omega,\mathcal F,P)\)。
定义。 第一件是样本空间 \(\Omega\)，即全部可能结果的集合。它可以是有限的，如掷骰子 \(\Omega=\{1,\ldots,6\}\)；可以是可数无限的，如直到首次正面所需次数 \(\Omega=\{1,2,3,\ldots\}\)；也可以是连续的，如等待时间 \(\Omega=[0,\infty)\)。第二件是 \(\sigma\)-代数 \(\mathcal F\)，即事件域：\(\mathcal F\subseteq2^\Omega\)，包含 \(\Omega\)，对补集封闭，并对可列并封闭。第三件是概率测度 \(P:\mathcal F\to[0,1]\)。Ch04 的 K1/K2/K3 母版在这里升级为测度论严格版：
- K1 非负性：对每个 \(A\in\mathcal F\)，\(P(A)\ge0\)；
- K2 规范化：\(P(\Omega)=1\)；
- K3 可列可加性：若 \(A_1,A_2,\ldots\in\mathcal F\) 两两互斥，则 $\(P\!\left(\bigcup_{i=1}^{\infty}A_i\right)=\sum_{i=1}^{\infty}P(A_i).\)$
随机变量也在此获得严格身份：\(X:\Omega\to\mathbb R\) 是可测函数。也就是说，对任意 Borel 集 \(B\subseteq\mathbb R\)，逆像 \(X^{-1}(B)=\{\omega:X(\omega)\in B\}\) 必须属于 \(\mathcal F\)，这样“\(X\) 落入 \(B\)”才是可赋概率的事件。
例子。 抛一枚硬币，取
这是两点空间最小而完整的示例事件域。公平硬币定义 \(P(\{H\})=P(\{T\})=1/2\)、\(P(\varnothing)=0\)、\(P(\Omega)=1\)。再令 \(X(H)=1,X(T)=0\)，则 \(X:\Omega\to\mathbb R\) 可测；事件 \(\{X=1\}\) 的逆像就是 \(\{H\}\in\mathcal F\)。
反例。 若取 \(\mathcal G=\{\varnothing,\{H\},\Omega\}\)，它不是 \(\sigma\)-代数，因为 \(\{H\}\) 的补集 \(\{T\}\) 不在其中。若令 \(P(\{H\})=-0.1\)，违反 K1；若令 \(P(\Omega)=0.9\)，违反 K2；若对互斥的 \(\{H\},\{T\}\) 分别赋值 \(0.6,0.6\)，却令 \(P(\Omega)=1\)，违反 K3。计数再熟，也救不了不合法的概率模型。
一句话总结。 \(\Omega\) 列结果，\(\mathcal F\) 定事件，\(P\) 赋概率，\(X\) 把结果可测地翻译成实数；这就是 Ch04 应用版 K1/K2/K3 的测度论升级。
符号与单位：\(|A|、P(n,k)、\binom nk\) 的单位都是“种”，\(P(A)\) 无量纲；\(X\) 的单位继承所测对象，例如等待时间用秒。后续信息论若出现 \(I=-\log P\)，以 \(\log_2\) 计算时单位为 bit，以自然对数 \(\ln\) 计算时单位为 nat，底数不可省略。
一个走完全程的例子 · 生日悖论（约 2.5 分钟）¶
现在把开场的 50.7% 完整算出来。假设一年 365 天，不计闰日；23 个人的生日相互独立，每一天等可能。令 \(A\) 表示“至少两人生日相同”，则 \(A^c\) 表示“23 人生日全不同”。直接数 \(A\) 很容易重叠计数，所以数补集。
第 1 步：数总数与补集。 23 人各有 365 种生日，总分配数是 \(365^{23}\)；全不同的分配数是
第 2 步：转成补集概率。 因所有生日分配等可能，
第 3 步：用 1 减去。
三步里，乘法原理数出逐人可选生日，排列数记录“生日全不同”，补集把难数的“至少一次碰撞”改写成容易数的“零次碰撞”。注意，0.507 依赖独立、均匀、365 天这些模型假设；真实生日有季节性，但不会改变这道题展示的计数方法。
易错点回头看（约 80 秒）¶
第一条：很多人以为“分步骤就要求各步独立”，其实乘法原理是计数规则，不是独立性假设。 禁止重复时，后一步选择数会改变，但仍可沿决策树相乘。概率独立要到下一节用 \(P(A\cap B)=P(A)P(B)\) 定义。
第二条：很多人以为“选 3 个”一定用组合，其实要看交换位置后是否产生新结果。 无分工小组用 \(\binom{10}{3}=120\)；三个不同职位用 \(P(10,3)=720\)。题目中的“排队、名次、密码、角色”通常提示有序，“小组、集合、任选”通常提示无序。
第三条：很多人以为“有利结果数除以总结果数”就是概率的普遍定义，其实它只适用于有限等可能结果。 加权骰子、可数无限样本空间和连续样本空间都需要概率测度。严格对象不是孤零零的 \(P\)，而是概率空间 \((\Omega,\mathcal F,P)\)。
与下节的钩子（约 30 秒）¶
今天我们会数有限结果，也第一次见到了 \((\Omega,\mathcal F,P)\)：样本空间给舞台，\(\sigma\)-代数规定哪些集合是事件，概率测度给事件分配大小。
但为什么合法概率恰好只需要 K1 非负性、K2 规范化、K3 可列可加性？为什么 K3 必须管“可列无穷”，而不只管有限个事件？补集公式、一般加法公式又怎样从三公理推出？
下一节 §02，我们正式进入 Kolmogorov 公理体系与 \(\sigma\)-代数，把今天的有限计数升级为适用于离散、连续和无限试验的概率论。