以直接计算事件的概率。

有一类实验，每次试验只有有限种可能的结果，即组成试验的基本事件总数为有限个；每次试验中，各基本事件出现的可能性完全相同。具有上述特点的实验称为古典概型试验。

在古典概型试验中，如果能够知道某一事件的基本事件数，就可以通过这个数与试验的基本事件总数之比计算出概率。

在扔硬币的例子中，随机事件有两种：“出现正面”和“出现反面”，出现正面和反面的可能性是一样的，因此，“出现正面”和“出现反面”这两种随机事件发生的概率都等于1/2，即50％。为进一步研究随机现象的数量规律性，需要将随机试验的结果数量化，这就是随机变量，简单地说随机变量就是一个随试验结果而变化的量，是随机事件的数量化。

随机变量所有取值发生的概率称为随机变量的概率分布，它是对随机变量的一种完整的描述。

所有随机变量的取值乘以随机变量的概率的总和称为随机变量的数学期望，通俗地讲，就是随机变量的加权平均值，用数字表示了随机变量分布的特点，是随机变量最常用的数字特征之一。

下面介绍概率论中与赌博有重要关系的大数定律的概念。

测量一个长度a，一次测量的结果不见得就等于a，量了若干次，其算术平均值仍不见得等于a，但当测量的次数很多时，算术平均值接近于a几乎是必然的。

掷一颗均匀的正六面体的骰子，出现幺点的概率是1／6，在掷的次数比较少时，出现幺点的频率可能与1／6相差得很大，但是在掷的次数很多时，出现幺点的频率接近1／6几乎是必然的。

转动轮盘的小球，出现36点的概率是1／37，在转动的次数比较少时，出现36点的频率可能与1／37相差得很大，但是在掷的次数很多时，出现36点的频率接近1／37几乎是必然的。

从二十一点的牌盒中取出一张牌，出现牌“k”的概率是1/13，在取的次数比较少时，出现“k”的频率可能与1/13相差得很大，但是在取的次数很多时，出现“k”的频率接近1/13几乎是必然的。

在一副牌中随机的抽出五张牌，出现一对的概率是0.42，在抽的次数比较少时，出现一对的频率可能与0.42相差得很大，但是在抽的次数很多时，出现一对的频率接近0.42几乎是必然的。

类似的例子还可以举出很多。 这些例子说明，在大量随机现象中，不仅看到了随机事件频率的稳定性，而且还看到平均结果的稳定性，即无论个别随机现象的结果如何，或者它们在进行过程中的个别特征如何，大量随机现象的平均结果实际上与每一个别随机现象的特征无关，并且几乎不再是随机的了。这就是概率论中大数定律的概念，由“频率稳定性”导出的“大数定律”，成为整个概率论的基础。

以上知识在有关概率论的书籍中均可以查到，这些内容都在书的前半部分，欲了解详情的读者可以参考相关书籍。

二 赌博是随机试验

世界上大大小小的赌场里时时刻刻都在进行着各种各样的赌博游戏，如轮盘、二十一点、拉号子……等等，各显神通的赌客想方设法要对游戏的每一次结果进行预测，尽管看起来有的时候似乎做到了，但事实上，赌客不可能对赌博试验的任何一次施加影响。例如你可以一次猜中轮盘出哪一个号码，但重复多次后就会发现猜中的概率其实只有1/37。 赌场里的各种赌戏体现为随机现象，赌博就是做随机试验。大家仔细想一想，又有哪一种赌戏不符合随机试验的三个条件呢？以轮盘为例，只要你的钱足够，想让轮盘转多少次就可以转多少次；轮盘转动的结果是小球掉到37个标有0～36等数字的小方格之一；在每一次轮盘转动之前我们并不能知道小球会掉到哪一个数字中，尽管有的轮盘爱好者以为自己似乎有这样的特异功能——能预知小球的去向。

在此需要指出的是，只要满足前面提到的三个条件的试验就是随机试验，这可以帮助我们澄清很多似是而非的问题。下面这段文字择自网络上的一个论坛，是笔者在网上和人谈论赌博时一位网友贴出来的，反映了不少人对赌场的想法，很具有代表性：“每天的赌场里，不可能每一个人都输钱，其中必然会有人赢，只是赢钱的少于输钱的，假设有65％的人输，有25％的人赢，另有10％的人不输不赢，我的概率比较简单，就是要尽可能地提高自己的水平，寻找一种方法，把自己加入到那不到25％的行列中去，那么赌博就取得了初步的成功。”这听起来似乎蛮有道理，能迷惑不少人。

其实谁又在赌场没赢过钱？的确，某一天的赌场，有人在输钱也有人在赢钱，一般说来，输钱的是大多数，赢钱的是少数，不妨把一个人在赌场里赌一天看成是一次试验，由于无法预知结果，这也是一种随机试验，有人赢钱是赌一天固有的特性，但就和某一注押下去根本无法预知到底是输还是赢一样，究竟是谁能成为这其中的一员也完全是随机的，谁也无法把自己硬性加入到这个行列中去，如果有人要为此作出努力，无异于想把硬币扔出正面比反面多，显然是荒唐和徒劳的。

任何人都可以对赌博中的各种事件进行猜测，如果猜中了也没什么希奇的，就和扔硬币出了正面或反面一样正常，如果你对猜中和猜不中的比例心中无数，通过事件概率的计算就能准确地知道，这是不确定性中的确定性，除非有特异功能，一般来说这个数据是无法改变的，对谁都一样。

随机试验中的任何一次，在实验之前其结果是不可准确预测的，这在概率论中是一个无须证明的结论，作为一门精确的数学学科，概率论研究的是大量随机试验的规律性。就拿轮盘来说，每一次轮盘出什么号是不可准确预测的——这是轮盘的基本功能，但在无数次的试验中或实验的次数足够多时，轮盘的出号是完全有规律的，从大量的轮盘出号数据中以及很多人的轮盘赌实践中都可以发现久赌必输、不赌就是赢这个轮盘的真理。

赌博是随机现象是指赌博中每一次的输赢都与预测无关，不管由谁来猜，其猜中的概率与猜的人无关，是一个常数，因此赌场从来不猜，而绝大多数赌客却无休止地猜来猜去。其实爱好赌博的人都很聪明，都很努力，但普通赌客的最大误区在于，以为用赌场提供的记录纸记录轮盘出的号，就能从出号数据中发现每次轮盘出号的规律，并用它反过来指导预测小球会掉到哪个号上或者是哪个区域里；以为在这个相互作用的过程中不断地修正提高技术，总有达到能赢赌场的一天。普通赌客由于指导思想和研究的方法不正确，得出的结论自然就很荒唐，反而以为输钱是因为自己技术不精所致，从而更加勤学苦练，希望能有达到目的的一天，在不知不觉中陷入愈赌愈输、愈输愈赌的怪圈，这是一个没完没了的恶性循环。赌场为普通赌客准备了轮盘记录纸和百家乐记录纸，倒不是因为赌场有多么的高尚，它是在误导赌客，让你进入怪圈，自制力强者可能从此少与或者干脆不与赌场来往，少数人可能因此走火入魔、患上病态赌博症。

赌博不仅是随机试验，而且是古典概型试验，因而赌博中的各种概率都可以准确计算，只是有的简单，几乎不需要思考；有的复杂，必须借助于计算机和巧妙的算法。例如，轮盘赌中出现号码“0”、“1”、‘“2”……直到“36”等都是基本事件，而大小、红黑、单双则是由基本事件组成的复合事件；拉号子中，任意五张牌都是基本事件，共有2598960种，而对子、双批、三条……一直到同花大顺等则是由基本事件组成的复合事件；二十一点的情形比较复杂，荷官从牌盒中每发出一张牌都是基本事件，而出现“2”、“3”、“4”……直到“k”、“a”等牌则是复合事件（因为每种牌都有四种花色）；同样的，荷官从牌盒中先后取出两张牌也是基本事件，而这两张牌的点数则是复合事件；一般地，从牌盒中依次取出某个数量的牌是基本事件，而这些牌的点数则是复合事件。在所有的赌戏中，输或赢更是非常复杂的复合事件。

每一种赌戏都有很多随机变量，其中有些是独有的。如，二十一点中下一张牌的面值就是一个随机变量，它的取值可以是从1到11之间的任何一个整数；荷官按规则补牌，其牌点也是一个随机变量，它的取值可以是从“17”到“21”之间的任何一个整数，此外还包括“blackjack”和“爆牌”两个点数；又例如，百家乐中下一张牌的面值也是一个随机变量，它的取值可以是从0到9之间的任何一个整数；庄闲的点数也是一个随机变量，其取值可以是从“0”到“9”之间的任何一个整数。

不管什么赌戏，都是以输或赢作为赌博的结果，输和赢都是随机事件，把它们数字化，其中，输为负数，赢为正数，就得到了取值随赌博结果的变化而变化的一个随机变量——赔率，这是赌博中最重要的一个随机变量，是任何一种赌戏都必不可少的。

赌博作为随机试验，概率分析才是我们研究赌博的有效方法，它涉及到概率论的一些初步知识和现代计算手段，只要不是赌神，其赌博就必然服从于由各种概率所确定的胜负关系，赢赌场的关键在于要洞察概率上是否有有利赌客的情形出现。

第三节 概率与预测

古人云：凡事预则立，不预则废，强调无论做什么事都要预先谋划，事前设计，这离不开对事物和现象的规律的认识。对确定性现象，只有清楚其中的因果关系才能准确地预测结果。而对随机现象，却只要知道了概率就能进行预测，但应该注意的是，概率要预测的不是随机事件的结果，而是大量随机事件的结果在数量上的规律性。例如，扔一次硬币，你无法说出是正面还是反面朝上，对此你毫无把握，只能说：“出正面的机会有二分之一”，如果这时还有人说：“出正面的机会有三分之一”，不管这次出的是哪一面，这两个结论都不能体现出来；但如果扔的是一百次或更多的次数，如一万次，那么“有三分之一机会出正面”的说法就明显站不住脚，而“有二分之一机会出正面”的说法却可以得到相当程度的体现。下面我们详细地阐述用概率进行预测的原理。一 大数定律 在同样的条件下进行大量试验时，根据频率的稳定性，事件a的频率必然稳定在某一个确定的常数p附近，则定义事件a的概率为： p(a)＝p 这称为事件概率的统计定义，相应得到的概率称为统计概率，概率的统计定义给出了计算事件概率的近似方法，即当试验次数充分大时，可用事件的频率作为该事件概率的近似值。然而不能理解为，试验的次数越多，事件的频率就越接近事件的概率。例如，对于扔硬币这样的试验，一个人扔了两次，正好一次正面一次反面，出现正面的频率为0.5，正好等于出现正面的概率；而另一个人做同样的实验，扔了10000次，出了4985次正面，出现正面的频率为0.4985，反而不等于出现正面的概率，这扔10000次还不如扔两次的结果精度高，那这多出的9998次是不是就白扔了呢？要解释这个现象，必须更详细地研究频率和概率之间的关系。

实际上，频率是一个随机变量，有多种以至无数种可能的取值，可以是0－1之间的任何一个数字。而概率是一固定的常数，是0－1之间的一个确定数字。我们对以概率为中心的某一区域感兴趣，频率可能落在这个区域内，也可能落在这个区域之外；对于确定的试验次数n，频率落在区域内这个事件也有一个概率，当试验次数n增大时，这个概率也增大；当试验次数无限增加时，这个区域将变得无限小，频率落在区域内的概率将等于1。

一般地，频率和概率之间的关系不是以普通的等式来表达，而是以事件的频率和概率之差落在某个范围之内的概率来表示，即： p(

| μn/n―p|<e) 指定e的大小，运用概率论中有关切比雪夫不等式的知识就可以计算出这个概率的大小。

当试验次数n无限增加时的结论，就是大数定律。大数定律是概率论中一系列定律的总称，又称“大数法则”或“平均法则”，是概率论主要定律之一。

历史上，贝努里第一个提出大数法则。通俗地说，这个定理就是，在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率。

除了文字表述形式，大数定律还有精确的数学表示形式。

在贝努利试验中，当试验次数n无限增加时，事件a的频率μn/n（μn是n次试验中事件a发生的次数），依概率收敛于它的概率p。即对任意e>

0，都有： lim p( | μn/n―p | <e) =

1 n→∞ 这就是贝努利大