所有大学生都应该学的两门课程，一是经济学，二是概率论，这两门课分表代表着一种生活中的思维方式。来测试一下你的概率论学得怎么样吧。题目作者: wzz12346@newsmth, 原发 Mathematics@newsmth。解答亦来自 wangzz。题目顺序和答案经过调整。
如果有题不会的话，就用你的直觉吧，看看最后你的直觉与真实的概率相差有多大。
解答颜色为白色，在每个题目下面，选中即可显示。
- 在打桥牌的时候，如果你和对家共持有某门花色的 9 张牌，则剩余的 4 张牌怎样分布的概率最大
A. 2-2
B. 3-1
C. 4-0
B. 可以简单计算得到这个结果。3-1 的概率应该是 50%。2-2 的概率是 37.5%。4-0 的概率是 12.5%。
- 如果有 3 个门，有一个背后有大奖。你选中一个，主持人知道哪个门后面有奖，并且总会打开另外两个中的某个没奖的。现在你有一次换得机会，你应该
A. 换
B. 不换
C. 换不换都一样
A ，三门问题，详细情况见三门问题及相关
- 100 个球随机的放在 100 个箱子里，最后空箱子的数量大约是
A. 0-10
B. 10-20
C. 20-30
D. 30-40
D. 这个题可以用简单的概率论计算。结论是不管多少个球， c*n 个球放到 n 个箱子里，最后空箱子的个数约为$ n(1-1/n)^{cn}=ne^{-c}$ ，现在的情况是箱子数和球数一样多，那么就约为$ 100e^{-1}$ .
- 打 10000 副拱猪，总共持有 9500-10500 个 A 的概率大约在
A. 80%-90%
B. 90%-95%
C. 95%-99%
D. 99%以上
D. 这个可以用中心极限定理计算。事实上这个题也不需要计算，只是要考察大家的一个感觉，实际上这个概率大于 0.99...9 ，一共有 9 个 9。不过有时候我们打牌仍然觉得牌总是很差。
- 台湾大选，假定马英九最终得到 600000 票，谢长廷得到 400000 票，如果一张一张的唱票，则过程中马英九一直领先谢长廷的概率为
A. 0.1
B. 0.2
C. 0.3
D. 0.4
- 有以下几个国家，每个国家有自己的习俗。问哪个国家长期以后男人的比例最大
A. 每个家庭不断的生孩子直到得到第一个男孩为止
B. 每个家庭不断的生孩子直到得到第一个女孩为止
C. 每个家庭不断的生孩子直到得到一男一女为止
D. 以上几个国家最后男女比例基本一样
D. 我们只需要考察一个家庭最后产生多少男女即可以。用概率的方法可以得到不管哪个方法都是 1:1。事实上，我们只是把一个很长的男女的序列按照不同的方式来截断。当然这个序列本上包含多少男女是不变的。我每次都愿意以另外一个例子来说明，那就是如果我们在网上下棋，可以每天下到第一盘输为止或是第一盘赢为止或是有输有赢为止，显然不管怎样，因为你的实力是恒定的，你永远都是你本来应有的胜率。
- 给一个 1 到 100 的排列，与原来位置相同的数字的个数的期望大约是 （如 1 到 5 的排列 51324 与原来位置只有 3 是相同的）
A. 1
B. 5
C. 10
A. 在第 1 个位置，这个排列的第 1 个数字为 1 的概率为 1/100 ，而期望是可加的，所以总共与原来位置相同的数字的个数的期望应该是 1。也就是说不管是多少的数字，平均恰好有一个数与顺序是相同的。
- 美国的 25 分硬币共有 50 种，上面有 50 个州的图案，如果我们每次得到的硬币是随机的，则期望大约收集多少可以收集全
A. 200
B. 300
C. 400
D. 500
A. 这是所谓的收集硬币问题。具体解法不是很容易。不过结论是要收集齐 n 种硬币，需要大约$ \sum_{i=1}^n\frac{n}{i}=n\log n$ 个。
- 假设有 1000 次 100m 短跑大赛，每次比赛的冠军成绩都在 9.7-10 之间均匀分布，问期望有多少次比赛打破了之前的纪录
A. 7
B. 10
C. 15
D. 32
A. 假设均匀分布,则最后 n 次比赛之后这 n 个成绩形成一个排列。第 k 次创纪录的概率是这个排列中第 k 个在前 k-1 个之前的概率，也即 1/k ，所以 n 次比赛大约有$ 1+1/2+1/3+...1/n=\log n$ 次破纪录。
- 扔 10000 次硬币，其中最长一次连着正面的次数大约会是多少
A. 100
B. 13
C. 9
D. 4
B.这也是一个特殊的概率问题，叫做 Head Runs。答案应该是$ log_2^n$ 。大约为 13。或者大于 13 是显然的，但不太可能有 100。所以必定是选 B。
- 以下那件事情发生的期望时间最短
A. 在第 0 秒，一个物体从原点出发，每一秒以概率 1/2 向左走， 1/2 向右走，第一次回到原点的时间
B. 一只猴子，每秒种随便按键盘上的一个键，第一次打出"Beijing Welcomes You"的时间
C. 在第 0 秒，一个物体从原点出发，每一秒以概率 1/2 向左走， 1/2 向右走，第一次到达 1 的时间
B. A 和 C 两个事件发生的时间的期望都是+inf. 只有 B 是有限的。A 和 C 说明了等概率的赌博不可能赢钱（如果 C 是有限的则参加赌大小的游戏总能赢钱了）。而 B 说明的是另外一条概率上的定理,"What always stands a reasonable chance of happening will almost surely happen, sooner rather than later",也就是说从任何时刻开始，总有一个固定的概率发生的事情(比如一个猴子打出 beijing welcomes you, 这个概率可能是 1/26^20 左右)，不过这个概率是多少，这件事情早晚能发生。
- 如果一个物体在 3 维随机游动，也即每一刻他可以向左，右，上，下，前，后等概率的走，长久来看，则会发生什么情况
A. 此物体无穷多次回到原点
B. 此物体无穷多次回到任何一条坐标轴上，但不会无穷多次回到原点
C. 此物体不会无穷多次回到任何一条坐标轴上
B. 1 维和 2 维的随机游动是常返的，也就是说会无穷多次回到起点（但回来的平均时间期望是无穷的），而 3 维以上的随机游动是非常返的。因此对于 2 维德某改革坐标，此物体会无穷多次经过，但是不会无穷多次经过原点。对一个完全没有方向感的人，在平面上不会迷路，但在宇宙中是会迷路的。
- 一支股票，初始价为 1 ，每天的价值变化率独立同分布，且期望为 0 ，不恒为 0。则
A. 股票在任何时刻期望价值为 1
B. 股票以概率 1 变成 0
C. A 和 B 都对
D. A 和 B 都不对
C. 也就是说对于很多投机的东西，平均值总是不变的，但是多数人都会倾家荡产。其实仔细想想很有道理，比如说你的股票第一天涨 10%。第二天跌 10%或是第一天跌 10%，第二天涨 10%，最后的结果都是跌了 1%。所以要保持增长所需要的是远大于 0 的平均变化率，这个才是一般人难以做到的。
- 如果一个群体里，每个个体以 0.2 的概率没有后代， 0.6 的概率有 1 个后代， 0.2 的概率有两个后代，则
A. 这个群体最后会灭绝
B. 这个群体最后将稳定在一个分布，即种群大小在一定范围内震荡
C. 这个群体最后将爆炸，人口将到无穷
D. 不一定会发生什么
A. 这是个简单的人口模型。这个可能直觉比较困难，但是这个实际上和上次的一道题是一样的。注意到每一代的期望总是 1。因此根据上次的答案，这个群体最后会灭绝。对于这种模型，当每一代的期望小于等于 1 时，最后的结果都是会灭绝。对于期望大于 1 的情况，我们也可以很简单的通过解方程得到灭绝的概率。
- 当我们考虑一种可能重复发生的事件时，哪种方式更科学
A. 按照第一次发生这个事件的时间作为一个起点，考虑从其本身出发之后的性质
B. 按照最后一次发生这个事件的时间作为一个起点，考虑从其本身出发之后的性质
C. 以上都可以
D. 以上都不可以
A. 这个问题深一些的背景在于 Kolmogorov 向前向后微分方程。很多人知道向后微分方程更通用，但是并不知道原因。事实上，向后微分方程是基于 A 的方法对事件进行分解得到的，而向前微分方程是基于 B 的方法对事件进行分解的。但是有很多重复发生的事情会越发生越频繁，以致没有最后一次发生的事件。但是我们总能找到第一次发生的时间。所以 A 更科学。
-
实验室测试灯泡的寿命，在灯泡不断的换新灯泡。灯泡寿命约为 1 小时。考察 10000 小时时亮着的那个灯泡
A. 那个灯泡的寿命期望也约为 1 小时
B. 那个灯泡的寿命期望约为其他灯泡的 2 倍
C. 那个灯泡的期望寿命约为其他灯泡的 1/2
D. 以上说法都不对B. 这个题可能是稍难的。如果具体的算需要一点本科高年级的知识。不过我们仍然可以从直觉得到结果。事实上，当每个灯泡或是我们观测的事物的生命是随机的时候。在时间足够久以后的一点，那个事物的寿命要长于这个事物本身平均的寿命。因为正是因为它寿命长导致我们容易观测到。简单的说，如果灯泡有两种，一种只能坚持 1 小时，一种能坚持 100 小时，那我们在后面观测到的 99%都可能是 100 小时那个。所以观测到的平均寿命较长。通常我们认为灯泡的寿命是指数分布的，在这个情况下，答案是 2 倍。对于一般的分布，甚至有可能平均寿命有限，而观测的那个寿命期望是无限的。这个问题在美国一次监狱调查中被发现，即被调查的囚犯的平均判刑年数要远大于全美平均判刑的年数
Q. E. D.
