PORTRAIT / PIERRE-SIMON LAPLACE

拉普拉斯宇宙的轨道,
和一次检测的答案。

我们经常相信一条看起来很准确的信息,却忘了问:这件事原本有多可能发生?拉普拉斯用概率和分析研究过天体与不确定性的深层问题。

1749—1827PROBABILITY · ASTRONOMY · ANALYSIS故事先行 · 证明可深读2 组交互实验

1749年3月23日出生于法国诺曼底地区;在不同历史资料中曾出现日期差异。本文采用法国学术机构和 MacTutor 常用的日期。

法国数学家拉普拉斯的历史肖像
PIERRE-SIMON LAPLACE / 拉普拉斯的历史肖像作品;详见公共领域图像档案。
查看肖像资料 / Wikimedia Commons ↗
17493月23日 · 生于诺曼底
概率推断不确定性中的规律
天体研究太阳系的运动与稳定性
变换用积分处理微分方程
阅读目录 / 选择章节

01 / A TEST RESULT IS NOT THE WHOLE STORY

明明检查很准确,为什么阳性的人也可能并没病?

你做了一次检测,收到一条醒目的消息:“阳性。”检测机构说,这个检测能识别90%的患病者,听起来很可靠。你会认为自己有90%的概率真的患病吗?

这要看一个容易忽略的问题:你原本患病的概率有多大?如果某种情况在一千个人里只有一个人发生,即使检测很灵敏,只要健康人里有少量假阳性,真正阳性在所有阳性结果中就可能只占很小一部分。

同一条证据,为什么放到不同背景下会得出不同判断?答案在条件概率里。十八世纪的数学家拉普拉斯把概率方法推进到天文学和科学推断中,并参与推动了如今被称为贝叶斯推断的思想。

再换一个问题:假如你知道行星此刻的位置和速度,能不能算出明天、明年甚至一百年后的轨道?拉普拉斯也为太阳系运动建立了强大的数学描述。当时许多人开始相信:只要掌握足够的信息,世界就能够完全被计算。

一条必须保持清醒的界限

真实医学检测需要结合具体疾病、临床条件和医生判断;本文的数字只是为了讲清条件概率。拉普拉斯并非发明了今天的医学诊断,也不是“贝叶斯公式”的唯一作者。

THE QUESTION / 把好奇心带进下一章

当信息出现时,为什么聪明的做法是更新原有判断,而不是只盯着一个结果?

02 / A REAL LIFE IN HISTORY

从诺曼底到巴黎:一个将数学用于宇宙的人

拉普拉斯1749年出生于法国诺曼底地区,后来到巴黎学习和研究。他在微积分、概率论与天体力学方面长期工作,成为法国科学院的重要成员。

他生活在法国大革命、拿破仑时代和王政复辟交错的时期,经历政治制度的巨大变化。他的政治经历与科学职业都相当复杂,不能简单写成一个远离现实的“书斋天才”。

生于诺曼底

从地方教育环境出发,逐渐进入巴黎的学术圈。

研究微积分与天文学

关注重力扰动、行星轨道与概率论问题。

《宇宙体系论》

向较广泛读者解释天文学的整体图景。

《天体力学》

用分析方法系统研究太阳系的运动。

《概率分析论》

深入推进了概率的计算和应用。

在巴黎去世

留下概率、分析与天文学方向的庞大影响。

后世常用“拉普拉斯妖”形容一种假想的全知计算者:若它知道每个粒子的状态和自然规律,便可以推算过去和未来。这是讨论决定论的思想实验,绝不意味着今天的我们真正拥有这样的能力。

03 / UPDATE YOUR BELIEFS WITH EVIDENCE

你看到的“阳性”,究竟意味着多少可能性?

把“一个人患病时更容易检测阳性”与“检测阳性的人更可能患病”混为一谈,会造成严重误解。

让我们假设:一种疾病在总体中患病率为1%,检测对患病者的检出率为90%,对健康者的假阳性率为5%。

在一万人中,约100人患病,其中90人阳性;另外9900人健康,其中约495人也会阳性。因此585个阳性里,真正患病者只有90个,比例大约15.4%,而不是90%。

P(患病 | 阳性) = P(阳性 | 患病) × P(患病) / P(阳性)条件概率反转需要把先验概率和假阳性一起考虑。医学实际数字随人群与检测方法而异。

对拉普拉斯来说,概率不仅仅描述骰子。他关注怎样从有限观测推断未知参数、怎样在证据不足时合理表达判断。

实验 A / 改变患病率,为什么同一检测给出不同判断?

灵敏度固定为90%、特异度为95%,只改变患病率,观察真正阳性比例。

调整滑块查看数学现象。

纯教学算例;不要据此进行个人健康决策。

MATHEMATICS IN THE WORLD / 数学走向现实

垃圾邮件识别、机器学习与医学判断

识别垃圾邮件时,模型需要同时考虑词语出现概率和邮件的基础分布;罕见病筛查、欺诈检测、设备故障预警,也都面对“假警报”和“真实事件”之间的权衡。

有价值的科学训练,是知道何时应该更新判断,还要敢于承认自己的先验可能有错。

如果你想往数学更深处走

把全概率公式写出来:P(+)=P(+|病)P(病)+P(+|健康)P(健康)。再将它代入贝叶斯公式。初学时用一万人表格计算,比直接死记公式更能防止条件倒置。

04 / TURN TIME INTO ALGEBRA

电路中不断变化的电流,为什么能变成一个分式?

同一段变化,有时换个数学“坐标系”,难题就会突然简单。

把一杯热水放在房间里,它的温差可能近似按指数规律下降;一个电容的放电电流,也可能符合类似曲线。微分方程直接处理“随时间如何变化”,但有时我们更想把变化规律改写成容易计算的代数关系。

拉普拉斯变换把时间函数 f(t) 与一个新的函数 F(s) 联系起来:对时间进行带权积分。复杂的导数运算在新表达下常能变成多项式乘法和初值项。

F(s) = ∫₀^∞ e−st f(t) dt积分必须在相应的 s 区域内收敛;例如 f(t)=e^(−kt) 时,F(s)=1/(s+k)。

这不是把真实物理过程“变没了”,而是把同一个问题换成另一种语言。解完以后,还需要逆变换回到时间领域。

实验 B / 改变衰减速度,观察指数函数

调整系数 k,看一条指数衰减曲线怎样变化。

调整滑块查看数学现象。

这是简单的一阶指数模型;真实电路、散热过程可能需要更复杂的方程和边界条件。

MATHEMATICS IN THE WORLD / 数学走向现实

电路控制、反馈系统与信号处理

工程师分析电机启动、RLC电路或控制系统时,常借助拉普拉斯变换处理微分方程和系统响应。它与傅立叶变换关系密切,但两者适用场景和收敛条件不同。

想想看:原来一条描述热水冷却的曲线,能成为工程师设计自动控制的一把数学钥匙。

如果你想往数学更深处走

尝试计算 ∫₀^∞e^(−(s+k)t)dt,在 Re(s+k)>0 时得到1/(s+k)。再研究微分性质:L{f′}=sF(s)−f(0)。这两步就能解简单的初值问题。

05 / MATHEMATICS OF THE SKY

如果宇宙像钟表,为什么预测仍然这么难?

牛顿给了万有引力,拉普拉斯等数学家继续追问:多颗天体彼此影响,会发生什么?

两颗天体相互吸引时,可以在理想条件下得到优美的轨道解。可真正的太阳系不只有一颗行星:木星会拉扯土星,许多小扰动又会累积。数学家需要分析微小影响在长时间里会怎样变化。

拉普拉斯发展了复杂的天体力学分析,研究行星运动与太阳系稳定性,并与拉格朗日等人的工作构成了一段持续的科学传统。这不是用一个公式宣布“宇宙永远稳定”,而是在特定近似中理解许多扰动。

加速度 = 引力作用与多个扰动之和精确多体问题需要求解相互耦合的微分方程;一般并无一个能直接写出的简单闭式答案。

后来的庞加莱又发现,某些动力系统即使由确定方程控制,也可能对初始条件异常敏感。决定论不等于现实中可以无限精确预测。

MATHEMATICS IN THE WORLD / 数学走向现实

卫星轨道、航天任务与天气预测

现代航天计算必须把多体引力、观测误差与计算数值方法结合。天气系统也提醒我们:模型可确定,并不等于预测不受误差限制。

拉普拉斯的时代距离现代超级计算机很远,但他追问的“怎样从方程推断复杂系统”仍是今日科学计算的中心问题。

如果你想往数学更深处走

从一维微分方程 x′=−kx 开始理解预测,再读两体问题的圆锥曲线解。学习微分方程与数值积分之后,再进入三个及更多相互作用物体的运动。

06 / THE NEXT EXPLORER

如果你想继续学数学,从哪里开始?

拉普拉斯提醒我们,数学有两种强大而互补的能力:一是尽可能精确描述已经知道的规律,二是在证据不完整时仍能认真计算不确定性。真正成熟的思考,是既相信模型的价值,也看见模型的边界。

START / 从直觉开始从一个阳性检测的表格开始

画1000个小格,用颜色区分真阳性与假阳性,直观理解贝叶斯。

NEXT / 补上基础学条件概率与指数函数

自己计算 P(A|B);再用积分推导简单拉普拉斯变换。

FURTHER / 深入探索进入概率推断与动力系统

结合线性代数、微分方程和随机过程研究科学模型。

数学不会把不确定性抹去;它让我们知道自己凭什么相信一个判断。

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。