第 1 章 · 样本空间与概率的定义

概率论的起点是一个朴素的账本：所有可能结局的集合，加上每个结局的权重。Feller 从离散情形把这套账目算得明明白白——现代概率的全部直觉都从这里长出来。

样本空间与事件代数

样本空间 $\Omega$ = 一切可能结局；事件 = $\Omega$ 的子集；事件运算（并=或、交=且、补=非）遵循德摩根律 $\overline{A\cup B} = \bar A\cap\bar B$。互斥（$A\cap B = \emptyset$）与穷举（并集盖满 $\Omega$）是后面加法公式的前提——术语的精确性在第一章就要建立。

概率的三层定义史

• 古典定义：等可能时 $P(A) = \frac{|A|}{|\Omega|}$——好用但循环（"等可能"本身是概率陈述）；
• 统计定义：频率的极限——直觉清晰但不可证；
• 公理化（Kolmogorov）：$P$ 是满足 $P(\Omega)=1$、非负、可数可加的函数。公理化终结了定义之争：概率就是测度（与 math-3 呼应），随机变量就是函数。

离散概率的工作技法

容斥原理（多个事件的并）、条件约束下的计数、对称性论证（"抽屉里任意抽两只袜子同色"类问题往往不用枚举，用对称性一步到位）。Feller 的招牌：把"赌徒破产、生日问题"这类小故事做成精确计算——具体可算是他全书的风格底色。

老师的提醒

• 解题第一步永远是写清样本空间：同一句话（"至少一个六"）在不同样本空间里答案不同——"掷一对骰子"按 36 个等可能对数算，别按两数之和 11 种算。
• 等可能性是假设不是事实：伯特朗悖论（圆内随机弦）警示"随机"一词必须指明生成机制。

自检

• 叙述概率的三条公理，可数可加性强在哪里？
• 用容斥计算"三事件至少一个发生"。
• 伯特朗悖论说明了什么？

更深一层：概率的"测度身份证"

柯尔莫哥洛夫公理化（非负、$P(\Omega) = 1$、可数可加）的深意是把概率与面积/长度/质量纳入同一个数学户口：概率就是测度，随机变量就是函数，期望就是积分。这个身份证的复利在后续课程全部兑现——大数定律是"测度论版的分析定理"、条件期望是"关于 σ-代数的投影"、鞅是"公平赌博的测度论刻画"。卷一在离散世界工作，但公理里的可数可加性（不只是有限可加）正是为连续世界预留的接口：$P(\bigcup A_n) = \sum P(A_n)$ 对无穷列成立，才有后面处理极限定理的资格。

伯特朗悖论（圆内"随机弦"长度过半的概率随"随机"的定义而变：端点均匀 1/3、中点均匀 1/2、中点限制在半径内 1/4）是公理化必要性的最佳广告："等可能"必须指明生成机制，否则"概率"一词没有语义。

推导细读：容斥原理的"逐元素审计"证明

$P(\bigcup A_i) = \sum P(A_i) - \sum P(A_iA_j) + \dots$ 的证明只有一步：固定一个样本点 $\omega$，它恰好属于 $k$ 个事件，则它在右端的"计数贡献"为

（二项式恒等式 $\sum(-1)^j\binom{k}{j} = 0$ 减去 $j = 0$ 项）。每个点恰好被计 1 次——容斥就是"重叠退税"的会计学。这个逐元素审计的证明法（把概率陈述翻译成"每个样本点贡献多少"）是离散概率证明的通用语法，Vandermonde 恒等式、Burnside 引理的证明都是它的近亲。

在真实世界里：概率空间的"建模质量"决定一切

同一个物理实验，样本空间的建模方式不同，答案可以不同且都"对"——关键看建模是否反映了真实的随机机制。经典案例：同样的抽奖流程，"按抽奖顺序抽奖是否吃亏"的答案依赖"抽后不放回 + 不看结果"的具体设定（超几何结构下公平）；蒙特卡洛模拟的随机数生成器就是样本空间的工程实现（生成机制有偏 → 结论有偏）。拿到概率问题，第一动作永远是写清 $(\Omega, \text{机制})$——这一步的严谨性是 Feller 全书训练的核心技能。

专题深入：公理化的"测度身份证"完整版

柯尔莫哥洛夫公理化（非负、$P(\Omega) = 1$、可数可加）的深意值得展开：它把概率与面积/长度/质量纳入同一个数学户口——概率就是测度，随机变量就是函数，期望就是积分。这个身份证的复利在后续课程全部兑现——大数定律是"测度论版的分析定理"、条件期望是"关于 σ-代数的投影"、鞅是"公平赌博的测度论刻画"。可数可加性（不只是有限可加）正是为连续世界预留的接口：$P(\bigcup A_n) = \sum P(A_n)$ 对无穷列成立，才有后面处理极限定理的资格。

伯特朗悖论（圆内"随机弦"长度过半的概率随"随机"的定义而变：端点均匀 1/3、中点均匀 1/2、中点限制在半径内 1/4）是公理化必要性的最佳广告："等可能"必须指明生成机制，否则"概率"一词没有语义。

数学细节展开：容斥原理的"逐元素审计"证明完整版

$P(\bigcup A_i) = \sum P(A_i) - \sum P(A_iA_j) + \dots$ 的证明只有一步：固定一个样本点 $\omega$，它恰好属于 $k$ 个事件，则它在右端的"计数贡献"为

（二项式恒等式 $\sum(-1)^j\binom{k}{j} = 0$ 减去 $j = 0$ 项）。每个点恰好被计 1 次——容斥就是"重叠退税"的会计学。这个逐元素审计的证明法（把概率陈述翻译成"每个样本点贡献多少"）是离散概率证明的通用语法，Vandermonde 恒等式、Burnside 引理的证明都是它的近亲。

工程案例细节：样本空间的"建模质量"决定一切（工程版）

同一个物理实验，样本空间的建模方式不同，答案可以不同且都"对"——关键看建模是否反映了真实的随机机制。经典案例：同样的抽奖流程，"按抽奖顺序抽奖是否吃亏"的答案依赖"抽后不放回 + 不看结果"的具体设定（超几何结构下公平）；蒙特卡洛模拟的随机数生成器就是样本空间的工程实现（生成机制有偏 → 结论有偏）。拿到概率问题，第一动作永远是写清 $(\Omega, \text{机制})$——这一步的严谨性是 Feller 全书训练的核心技能。