概率论公理：Kolmogorov 的三条规则

所有概率推导的起点——样本空间、事件与概率测度

**预计时间：**20 分钟读 + 10 分钟做习题 = 30 分钟。

一、核心概念定义

概率论公理（Kolmogorov Axioms）

1933 年，苏联数学家安德雷·柯尔莫哥洛夫（Andrey Kolmogorov）出版了《概率论基础》（Foundations of the Theory of Probability），用三条公理把概率论建立在严格的测度论（Measure Theory）基础上。这三条公理是：

1. 非负性：对任意事件 A，P(A) ≥ 0。概率不能是负数。
2. 归一性：P(Ω) = 1，其中 Ω 是样本空间（所有可能结果的集合）。必然事件的概率为 1。
3. 可数可加性：对任意可数个互斥事件 A₁, A₂, A₃, …，P(A₁ ∪ A₂ ∪ …) = P(A₁) + P(A₂) + …。

关键洞察：这三条公理不是从经验中归纳出来的——它们是对”概率”这个词的定义。你不能”证明”它们是对的，但你可以推导出所有已知的概率定理（如条件概率、贝叶斯定理、大数定律）。这就是公理化的威力：少数几条不可证明的假设 → 整个学科的大厦。

样本空间（Sample Space）

样本空间 Ω 是所有可能结果的集合。抛一枚硬币，Ω = {正面, 反面}；掷两个骰子，Ω = {(1,1), (1,2), …, (6,6)}，共 36 个元素。

事件（Event）

事件是 Ω 的子集。A = {掷出两个 6} 是一个事件；B = {掷出至少一个 6} 也是一个事件。事件的运算（并、交、补）对应自然语言中的”或”、“且”、“非”。

二、学科直觉

1. 公理不是真理，是约定：Kolmogorov 公理就像棋子的移动规则——你不能”证明”马走日是对的，但一旦接受这个规则，整盘棋的逻辑就自洽了。概率论同样如此。
2. 可数可加性 vs 有限可加性：允许”可数”无穷（而非仅有限）是公理化的关键一步。它让连续型随机变量的概率密度函数（PDF）有了数学基础——但同时也引入了测度论的复杂性。
3. 概率是”信念的数学化”：无论是频率派的”长期频率”还是贝叶斯派的”主观信念”，只要满足 Kolmogorov 三条，就是合法的概率。公理化不偏袒任何解释，它只是提供了一套推理规则。

三、跨学科应用

投资：概率作为决策框架

芒格说：“概率是决策者的通用语言。“当你评估一笔投资时，你在做的正是概率论的操作：

• 定义样本空间：这笔投资有哪些可能结果？（上涨 50%、下跌 20%、持平……）
• 分配概率：你对每种结果的信念强度是多少？
• 计算期望：Σ P(结果) × 收益(结果)
• 比较替代方案：选择期望值最高的方案（考虑风险调整）

关键点：很多投资者不做显式概率计算，但他们的决策过程隐含了概率推理。芒格对抗这种”直觉概率”的方式是：把概率写下来——迫使自己面对真实的信念强度。

产品设计：A/B 测试的概率基础

当你做 A/B 测试时，你正在应用概率论的公理：

• 样本空间：所有可能的用户分配方式（A 组 vs B 组）
• 事件：A 组转化率 > B 组转化率
• 概率：基于二项分布计算 P(事件)

哲学：公理化的边界

Kolmogorov 公理化在哲学上引发了一个有趣的问题：概率是客观存在，还是人类发明的推理工具？

• 如果概率是客观的（如量子力学中的波函数），那么公理描述的是自然规律。
• 如果概率是主观的（如贝叶斯信念），那么公理只是推理的约定。

数学本身无法回答这个问题——它只提供推理框架。这正是数学的边界：它告诉你如何推导，但不告诉你前提是什么。

练习题

单选题

案例分析

反事实思考题

下一步：Lesson 0002 · 条件概率与贝叶斯定理——从联合概率到贝叶斯更新的关键一步。