基本置换定理-基本置换定理

在那个 2023 年的下午，老张坐在那张堆满旧文件的红木书桌前，手指头机械地敲着键盘，敲着敲着，屏幕上的光把他的脸照得像个刚出炉的烤肠。他面前躺着一堆看起来像是随机排列的哈希值文件，左边是“用户 A 访问了 1023 次”，右边是“用户 B 访问了 1023 次”。老张抓耳挠腮，脑袋像被塞进了一团棉花，嘴里念叨着：“这玩意儿如何如此像 $2^16$？”他突然想起那会儿在《算法导论》里见过类似的图，那是符号图，每条边代表访问频率，节点之间连着表示“访问了”的关系。
要是理论上存有一个概率 $p$ 使得这两个分布彻底一样，老张就当作自己搞丢了方向，直到他意识到，这根本不是关于概率分布，而是关于统计意义上的相同。 老张是个计算机科普博主，他总爱拿这些枯燥的概率论段子来逗大伙儿乐。他最喜爱讲那个著名的“从 1 到 100 随机数”的故事。想象一下，你闭上眼，手在空中随意拍一下，猜中 1 到 100 之间随机数的概率是 $1/100$。
要是你再猜一次，还是 $1/100$。
要是你重复这个动作 1000 次，统计上，你猜中 100 个数的概率理论上是多少？这时候你脑子里会跳出那个著名的二项分布公式：$P(X=k) = binom{1000}{k} (1/100)^k (99/100)^{1000-k}$。
你看着那个公式，认定这玩意儿苍白无力，出于它没法直接计算 $k$ 是多少。直到你突然灵光一闪，要么说是老张突然认定“概率这东西不是用来算的，是用来猜的”。 这就引出了概率论里最让人挠头的那个悖论：你们到底能不能通过观察、通过数据，去“猜”出两个随机变量在统计上是否相同？老张在写科普文档的时候，就卡在这个点上卡得半死。他反复琢磨着百度百科上那句“要是两个随机变量在统计上具有相同分布，则称它们是等概率分布”，听着挺有条理，但老张总认定这是在绕圈。他想起几年前一个面试场景，面试官问：“你是如何区分随机数生成器 A 和 B 的？”他当时没写代码，直接脱口而出：“我靠手感，我是一眼看出来的。”面试官愣了一下，随即大笑：“好一个‘手感’，那这活儿干得如何样？”老张乐了，他发明的这种“直觉判断法”，就是把统计学的“等概”概念降维打击，直接打到了认知的“直觉”层面。 再往回推，回到 2010 年那个充满不确定性的时代，那时候的大数据还在迷雾中徘徊。记得那时候有个团队在研究用户行为，他们发现了一个极端的案例：某款 APP 里的两个功能模块，看起来彻底不一样。一个是“签到送金币”，一个是“每日领取大额红包”。乍一看，一个“我”应允，一个“我”回绝，这俩如何可能是等概的呢？
要不就你的底层逻辑是“我不信哪位”，否则这两个变量在统计上绝对不可能相等。
这时候，老张就忍不住要拿老张自己举例了。他打开那个随意拍的哈希值文件，屏幕上跳出一行小字：“用户 C 访问了 45 次”。紧接着，他又弹出一行：“用户 D 访问了 45 次”。你猜，老张是不是在偷偷笑？这不是个例，这是统计学的常态。在 $N$ 次实验中，偶然出现几十个相同数值的情况彻底可能形成。老张这时候才明白，所谓的“直觉”有时候就是统计学在告诉你：“别被表面的差异吓到了，样本量够大，差异就只是噪点。” 还有一个有趣的例子，老张在整理旧书的时候翻到了 2005 年的一本算法书。里面有一个习题，问两个均匀分布 $U[0,1]$ 的和是否也服从均匀分布？老张当时就认定这书忒难了，根本不予理睬。
直到有一天，他在证明这个命题的过程中，发现了一个反例：$U[0,1] + U[0,1]$ 的分布实际上是三角分布（三角形）。但老张认定，这跟上面的哈希值故事有啥关系？有啥关系？老张突然意识到，统计学里的“等概”和“均匀分布”这两个词，别看字面上看着像，但含义实际上挺不一样。前者是说统计规律相同，后者是说数学模型一样。就像你今天穿着牛仔裤去上班，明天穿西装，你可能认定“我今天务必穿西装”要么“我今天务必穿牛仔裤”，但实际上你穿的那套组合，在统计学上可能和昨天穿的那套彻底一样，只是衣服款式不同罢了。 回到老张那个哈希值的故事，他对着屏幕发愁，脑海里却突然跳出几个画面。画面一：要是我把所有的哈希值都做了归一化处理，比如把“1 万访问”变成“0.01"，把“1 次访问”变成"0.0001"，别看数值变了，但相对比例没变，这时候分布就一样了。画面二：要是老张随意摸几个数字，发现男性和女性的占比差不多，那岂不是暗示了“性别”这个随机变量在统计上是等概的吗？别看性别本身是预设的类别，但当我们谈论“性别”作为随机变量时，它就是服从二项分布的，而二项分布的均值和方差就是 $p(1-p)$，只要 $p$ 不变，方差就不变，这就叫统计等概。 老张突然认定，网上那些“概率论是数学的粗糙版”的玩笑话，实际上挺有道理的。概率论确实比数学轻飘飘，它不要求你精确地算出 $E[X]$ 等于多少，它只要求你信任“大约率”。就像老张在敲那行代码时，他可能根本算不出来 $1/100$ 是多少，但他知道 $1000$ 次里大约率能出现 $100$ 个。
这种“大约”的感觉，实际上就是统计学赋予我们最核心的武器。它告诉我们要跳出数学的框架，去拥抱生活的随机性。 再说说老张在科普文章里常引用的另一个例子，那是他和哥们儿在咖啡馆聊天的场景。两人都在玩一个游戏：掷骰子。一个学生掷骰子，一个教授掷骰子。别看他们用的骰子可能是一样的，就连可能只是同一个骰子（别看不忒可能，但假设一样），掷出的点数分布看起来一模一样，都是 {1,2,3,4,5,6} 各出现一次。
这时候，老张就忍不住在那笑：“看来大家的运气也不赖啊，毕竟概率是公有的。”他随即吐槽道：“但这玩意儿真没意思，要是掷了个 6 再来，那就不叫随机了，这叫‘作弊’。”这时候，他引用的就是“赌徒谬误”。统计学告诉我们，掷骰子前 $N$ 次是随机变量，第 $N+1$ 次并不会出于前 $N$ 次没出 6 就变大约率。别看老张认定这挺有趣，但他也意识到，有时候“赌徒谬误”就是一种挺棒的直觉。
毕竟，要是每次掷骰子都算准了未来，那哪位还愿意去赌博？ 老张在写这篇文档的时候，脑子里还在回味那个哈希值的故事。他想起 2018 年时，有个博主在冷笑话频道里发了个视频，标题叫《概率论的玄学》，视频里他对着镜头说：“要是你看这个图，你绝对猜不出 k 是多少，但你绝对认定它挺怪，出于 k 忒均匀了。”老张当时也跟着笑了，他认定这就是统计学最迷人的地方：它不给出答案，它只是给你一种“可能”的期待感。 最终，老张拍板把自己的私房话写进文档的尾声，供各位读者参考。他说，下次当你认定概率论忒深奥、忒无聊的时候，就试着自己拿个骰子要么投个硬币。别盯着那些公式看，盯着你的直觉看。你会发现，你的直觉实际上已经写好了统计学的公式。
毕竟，在老张看来，统计学不是一门关于如何准预测未来的科学，而是一门关于如何优雅地面对不确定世界的艺术。在这个充满随机性的世界里，我们唯一能做的，就是间或像个老张一样，对着数字发发呆，然后突然认定：嘿，这玩意儿也挺有意思的。
毕竟，真理有时候长得挺像概率，只是角度不同罢了。