假设将立方体骰子沿单一方向轻微压扁,则与该轴平行的四个面的面积会变窄,位于该轴两端的两个面(例如刻有1和6的面)相对变宽。因此,出现与该轴垂直的两个面的概率升高,而出现其余四个面的概率则降低。

这里“1和6”这两个数字命运相同,并非仅仅因为两数之和为7。在立方体骰子中,1和6物理上位于同一轴的对面。骰子上刻有的“对面之和为7”这一规则,并非单纯的美学对称,而是一种用于识别哪些面在物理上配对的约定。本文将通过具体案例,探讨该规则在概率计算中如何发挥作用,以及骰子何以成为概率论的起点。

“和为7”的物理配对含义

“和为7”的物理配对含义

在立方体骰子中,相对的两个面物理上共享同一轴。作为概率教育资料的randomservices.org中的“赌博与概率”部分,通过“扁平骰子(flat die)”这一变形案例,解释了这种物理结构与概率之间的关系1。

考虑并非普通立方体骰子,而是沿某一轴方向长度较短的扁平骰子,则与该轴垂直的两个面的面积会比其余四个面略大。由此会导致配对的这两个面出现的概率比其余四个面略高。在randomservices.org中,为清晰地说明这一特性,设定了用于教学的虚拟数值:配对面概率为1/4,其余面概率为1/81。

作者在分类概率发生扭曲的此类骰子时,以配对面的数字为基准。若1和6配对,称为“ace-six flat”,2和5配对称为“two-five flat”,3和4配对称为“three-four flat”1。

标准骰子中适用的“相对点数之和为7”规则,明确了哪些数字在物理上位于同一轴的两端。借助这一规则,我们可以逻辑地将特定的物理变形(哪个轴被压扁)通过数字组合加以区分,并据此计算概率变化。

对称性奠定“公平随机”的前提

对称性奠定“公平随机”的前提

骰子要用作概率模型,必须保证每个面出现的概率均匀。考察早期随机装置被采纳为概率标准的过程,可以明白这一条件为何重要。

据SADARI博客所述,骰子的祖先是动物的距骨,即“astragalus”2。这种骨头形状不规则,每个面出现的概率不同,且物理上难以保持平衡。人们为了创造更均匀的概率环境,开始雕刻六个面全等的立方体,目前挖掘出的最古老立方体骰子据传距今约5000年2。

立方体六个面的面积和重心在几何上完全相同。这种物理对称性阻止了特定面变得有利的偏差,从而为保障从1到6所有数字出现的概率维持为1/6奠定了基础2。只有当物理上公平的六个面具备几何对称性时,才能建立“等概率事件”这一简单的概率模型。

利用轴结构简化概率计算

利用轴结构简化概率计算

如果对称性保证了概率的均匀,那么“相对之和为7”的规则则充当了简化复杂可能性的工具。2021年印度大学入学考试(JEE Mains)中出现的一道概率题,就是应用此原理显著减少计算量的案例3。

该题处理的是偏置骰子,其中一个面的概率为1/6−x1/6 - x,其相对面的概率为1/6+x1/6 + x,其余四个面的概率均为均匀的1/61/6。问题是当掷两次骰子,点数之和为7的概率为13/9613/96时,求物理偏置的大小xx3。

掷两次骰子的所有可能情况共36种。但利用立方体骰子的物理结构,可以将特定条件简化为更简单的事件。点数之和为7的组合为(1, 6)、(2, 5)、(3, 4),这也就是“一次投掷骰子的两个面为相对关系”时才成立的组合3。

也就是说,“两次点数之和为7”这一结果,可以在物理上等同于“出现彼此相对的面(相对面)的事件”。应用这一物理配对规则,可以将36种组合归类为三组轴配对(1-6、2-5、3-4)来建立方程。计算偏置面与另外两组配对出现情况的式子如下3。

text
2 × [((1/6) − x)((1/6) + x) + (1/6) × (1/6) + (1/6) × (1/6)] = 13/96

展开并计算该式,可得出偏置值xx为1/81/83。如果未能通过“相对之和为7”这一规则识别物理配对,就需要逐一匹配出现1的情况、出现6的情况等,执行复杂的可能性运算。明确的配对规则为逻辑分类随机事件奠定了基础,从而降低了计算复杂度。

作为概率论标准模型的骰子

作为概率论标准模型的骰子

凭借这种结构上的简洁性,骰子成为了从逻辑上分析随机性的起点。randomservices.org的作者提到,赌博游戏是理解随机实验的“最清晰、最洁净的示例之一”1。

早期概率论的发展也源于分析此类赌博问题的过程。卡尔达诺(Cardano)的《论赌博的游戏之书(Liber de Ludo Aleae)》或蒙莫尔(Montmort)的《论机会游戏之分析随笔(Essay d'Analyse sur les Jeux de Hazard)》,通过分析与骰子类似的赌博问题,奠定了现代概率理论的基础1。

掷骰子可将结果缩减为6个有限且可控制的状态,因此也便于验证和数字化随机性本身。在randomservices.org中,说明若生成服从0到1之间均匀分布的随机数UU,并应用X=⌈6U⌉X = \lceil 6U \rceil公式,即可产生与实际骰子相同的1~6等概率样本1。

屏幕中的数字骰子没有磨损或重心偏移,每个面均以完美的1/6概率出现,因此随着试验次数累积,各个数字的比例趋向统计平均值,形成观察“大数定律”的理想环境。SADARI博客在说明这一数字环境时也强调,骰子并非具有“记忆”来平衡结果,而是随着试验累积自然收敛于平均值2。

最终,骰子的点数配置和相对之和为7的规则,并非单纯雕刻数字的审美设计。该规则是用于识别物理上配对的面并进行概率分类的结构约定。通过物理对称性保证概率均匀,并通过明确的配对规则简化事件组合,因此骰子在现代概率论和统计中发挥着标准模型的作用。

参考资料

  1. Introduction · randomservices.org
    ↩
  2. ↩
  3. ↩