PORTRAIT / JACOB BERNOULLI

伯努利一枚硬币无法预测,
一千枚却有规律。

下一次抛硬币是正面还是反面?没有人可以保证答案。可当抛硬币的次数足够多时,我们偏偏能对正面的长期比例说出相当可靠的话。

1655—1705PROBABILITY · SERIES · CALCULUS故事先行 · 证明可深读2 组交互实验

本篇人物是雅各布·伯努利(Jacob Bernoulli,1655—1705),不是同一家族的约翰、丹尼尔等其他伯努利数学家。家族在不同时代贡献了不同的定理。

雅各布·伯努利历史肖像
JACOB BERNOULLI / 雅各布·伯努利的历史肖像,公共领域资料。
查看肖像资料 / Wikimedia Commons ↗
1655出生于瑞士巴塞尔
1713《猜度术》在其死后出版
概率大数定律的重要证明
螺线对数螺线的自相似性
阅读目录 / 选择章节

01 / WHEN ACCIDENTS BECOME PATTERNS

为什么一枚硬币不可预测,一万枚硬币却有规律?

你把一枚硬币抛起来,看着它在空中翻滚。它落下之前,谁也不能保证一定出现正面。如果你连续抛五次,出现五次正面,也不是什么逻辑上不可能的事情。

然而,假如有一万个学生各自抛硬币,每个人都记录足够多次结果,你会发现一个奇怪现象:每一次都充满偶然,累计起来的正面比例却往往越来越靠近一半。

这件事不会让下一次抛硬币变得更好预测,也不意味着世界突然变得毫无随机性。它说明的是:我们可以用数学研究大量重复试验时频率会如何表现。

十七世纪末,一位来自巴塞尔的数学家雅各布·伯努利对这个问题付出多年思考。他想知道:如果一个事件发生的真正概率未知,能不能通过大量观察逐渐获得可靠估计?在他死后出版的《猜度术》中,大数定律成为最有影响力的成果之一。

“伯努利”不是一个人的名字

雅各布、约翰和丹尼尔·伯努利都在数学与物理中留下贡献。流体力学里常讲的“伯努利方程”主要与丹尼尔·伯努利有关;本文讲的则是雅各布的概率研究,不能把整个家族的成果统统算到他头上。

THE QUESTION / 把好奇心带进下一章

既然每次结果都不确定,为什么我们还能可靠地研究重复后的整体行为?

02 / A REAL LIFE IN HISTORY

一个家族的数学争论,与一门新科学的诞生

雅各布·伯努利1655年出生于巴塞尔,起初曾按家人的期待学习神学,但逐渐转向数学和天文学。1687年他成为巴塞尔大学数学教授,研究无穷级数、微分方程、曲线和概率。

他的弟弟约翰·伯努利也是杰出的数学家。兄弟二人共同接触并推动了新兴微积分的发展,但关系也充满学术争执。数学史中的人物并不完美;真正值得读的是他们如何在争论和验证中推进理论。

出生于巴塞尔

一个与贸易、学术和宗教文化联系密切的城市。

成为数学教授

开始持续研究无穷级数、微分方程和几何曲线。

概率与曲线研究

他对概率估计的严格性与对数螺线的结构充满兴趣。

在巴塞尔去世

生前未完成出版《猜度术》。

《猜度术》出版

由后人整理出版,成为早期概率论的里程碑。

他格外钟爱的对数螺线具有缩放后形状不变的性质。传说中他曾希望这一图形刻在墓碑上。这个细节很迷人,但学术价值并不是“多喜欢一条曲线”,而是他始终在寻找变化中那些不会消失的结构。

03 / THE LAW OF LARGE NUMBERS

随机的硬币,为什么画得出一条稳定曲线?

大数定律讲的是长期频率的趋近,不是下一次结果会被前面的结果“补偿”。

每次抛一枚理想公平硬币,正面概率都是1/2。假设前十次里出现了八次正面,你会觉得接下来一定该多出反面,把总体比例拉回50%吗?

这正是赌徒谬误:对于独立抛掷,下一次正面概率仍然是1/2。大数定律说的是当次数 N 增加时,样本频率偏离真实概率超过某个固定误差的概率越来越小,而不是有一个神秘力量逐次纠偏。

P(|X̄N − p| ≥ ε) → 0N→∞、ε>0;这里把每次成功记为1、失败记为0,且试验独立同分布。这是依概率收敛的表达。

把它翻译成人话:如果我们愿意做足够多次实验,就可以把“频率偏离真实概率很多”的风险压得很低。数值实验能帮助看到趋势,但不能代替对概率上界的数学证明。

实验 A / 一条会摇摆、却逐渐稳定的正面频率曲线

使用固定的伪随机序列,从20次增加到2000次,观察正面频率。

调整滑块查看数学现象。

图示一次模拟,不是所有可能结果;刷新页面仍使用相同随机种子,便于比较。真实重复实验会得到不同曲线。

MATHEMATICS IN THE WORLD / 数学走向现实

民意调查、质量抽检与可靠估计

调查一万个人不意味着能完全无误地代表几千万人的意见,但在合理随机抽样、避免系统偏差的条件下,我们可以估计抽样误差。工厂抽检次品率、医学试验分析、网络系统监测也都在利用大量观测的统计思想。

大数定律只控制随机波动,不会自动纠正选择偏差或造假数据;抽样设计同样重要。

如果你想往数学更深处走

对独立的0–1随机变量,样本均值的方差为 p(1−p)/N。再用切比雪夫不等式,可得 P(|X̄N−p|≥ε)≤p(1−p)/(Nε²),它趋向0。这是从方差出发理解大数定律的入门证明。

04 / A CURVE THAT SURVIVES CHANGE

为什么一条不断变大的螺线,看上去始终像自己?

把整条曲线等比例放大,再适当旋转,它仍能与原来的形状重合。

想象一只不断绕着中心旋转的蚂蚁。它每转过相同的角度,与中心的距离都会乘以同一个倍数。走出来的路线既不是普通的圆,也不是半径匀速增加的阿基米德螺线,而是对数螺线。

伯努利对这种曲线的自相似性非常着迷,因为它把“持续变化”与“总体不变”放进同一个几何对象。

r(θ) = a · ebθa、b 为常数;θ 是角度(弧度)。θ 增加相同量 Δθ 时,半径总乘以 e^(bΔθ)。

自然界有些生长形状呈现近似的螺旋结构,但不是每一片向日葵、每一个贝壳都精确遵循同一条对数螺线。数学模型的妙处不在于硬把世界塞进一个公式,而在于发现它适合解释什么。

实验 B / 转过一圈,半径为什么仍按比例长大?

改变转动角度,看轨迹怎样延展。

调整滑块查看数学现象。

曲线的 b 参数固定为0.15。这是数学曲线图,不是某种贝壳生长过程的实测数据。

MATHEMATICS IN THE WORLD / 数学走向现实

从几何自相似到设计与信号

对数螺线常用于研究某些天线几何、建筑造型和自然形态的近似模型。特别在宽频带天线研究中,尺度不变的形状是重要的设计线索,但实现效果还依赖电磁学细节。

从这条线还可以继续走向极坐标、指数函数和几何变换。

如果你想往数学更深处走

证明自相似很简单:r(θ+Δ)=ae^{b(θ+Δ)}=e^{bΔ}·r(θ)。也就是说,转过固定角度,对应固定比例的放大。这种用代数式解释几何对称的思考方式很值得练习。

05 / HOW MATHEMATICS HANDLES UNCERTAINTY

一场游戏看上去赚很多,为什么长期玩却可能亏?

有时候我们需要的不是“下一次会不会赢”,而是“长期平均得到多少”。

假设有人请你玩一个游戏:你付3元,有10%的机会得到20元,其他情况下什么也拿不到。听起来一次赚20元很诱人,但把许多次游戏放在一起看,平均收益是多少?

E(奖金) = 0.1×20 + 0.9×0 = 2 元每次要先付3元,所以平均净收益是2−3=−1元。

“期望”不是说你某次一定得到2元。你每次只可能得到0元或20元;2元是大量重复且条件固定时的长期平均结果。概率论把偶然的个别结果,转换成可比较的长期数值。

在伯努利的时代,人们讨论赌局、贸易、年金与风险,逐渐发现这些问题需要比口头直觉更精确的语言。《猜度术》是这种发展中的重要作品,但现代期望、保险精算与决策理论后来经历了很长时间的扩展。

MATHEMATICS IN THE WORLD / 数学走向现实

保险公司为何能计算保费?

保险公司不是知道明天哪辆车会出事故,而是希望通过大量风险相对独立的保单,估计总体损失和变动范围。现实定价还需要考虑相关性、极端事件、成本和监管,不是简单照搬“次数越多越稳定”。

如果你想往数学更深处走

把奖金写成随机变量 X,再验证 E(X)=Σx·P(X=x)。接着研究 Var(X)=E[(X−E X)²],看看两种彩票即使期望相同,为什么风险可能完全不同。

06 / THE NEXT EXPLORER

如果你想继续学数学,从哪里开始?

伯努利最值得我们学习的不是“我能预测硬币”,而是承认自己无法预测单次结果,同时努力找到足以支持决策的长期规律。数学不会替你消除所有不确定性,却能让你对不确定性有更诚实的认识。

START / 从直觉开始拿一枚硬币做100次实验

记录每一步正面频率,看看为什么一会儿上升、一会儿下降。

NEXT / 补上基础学会概率与期望

从二项分布、方差到抽样误差,区分可能性和频率。

FURTHER / 深入探索走向统计学与随机过程

研究大数定律、中心极限定理、概率测度和风险模型。

懂得概率,不是相信运气,而是学会在不确定之中诚实地思考。

07 / SOURCES & HISTORICAL CONTEXT

好故事也要经得起追问

历史部分以专业数学史资料为准。传说、后世发展与数学家本人贡献分别交代;各互动图属于教学模型,并非史料重演或严格证明。肖像来源可通过上方链接追溯。

JACKNOTE / MATH · 2026 · 文章、图表与互动实验原创编写;演示在本地浏览器运行,不上传输入数据。