1654 巴斯卡—費馬機率論：一場賭局催生的數學#

案發現場#

1654 年，法國。賭徒德梅雷爵士（Chevalier de Méré）寫信給數學家巴斯卡（Blaise Pascal, 1623–1662），提出一個困擾職業賭桌多年的懸案——分賭金問題（problem of points）：

兩人對賭，先贏三局者獨得全部賭金。賭到甲勝二局、乙勝一局時，賭局被迫中斷，賭金該怎麼分？按已勝局數 2:1 分？甲會喊冤——他眼看就要贏了。按什麼標準才公平？

德梅雷靠賭桌經驗累積了不少機率直覺（他甚至憑經驗知道「擲一顆骰子四次出現六點」與「擲兩顆骰子二十四次出現雙六」的賠率並不等價，儘管表面比例相同），但直覺無法給出分賭金的原則。一個從古羅馬流傳千年的懸案，終於等到了它的偵查者。

偵查過程#

巴斯卡與圖魯茲的費馬（Pierre de Fermat, 1601–1665）為此展開 1654 年夏天的著名通信。兩人各自獨立破解，思路殊途同歸：

費馬的方法：窮舉。剩餘最多兩局即可分勝負，故共 \(2^2=4\) 種等可能的未來：甲甲、甲乙、乙甲、乙乙——前三種都是甲勝，只有最後一種乙勝。故甲應得賭金的 \(3/4\) 。

巴斯卡的方法：遞迴與期望值。他不窮舉未來，而是問「此刻的處境價值多少」：若再賭一局甲勝，甲得全部（價值 1）；若甲敗，成 2:2 平手，各得一半（價值 1/2）。兩種情況各半，故甲此刻的「公道份額」為 \(\frac{1}{2}\times 1 + \frac{1}{2}\times \frac{1}{2} = \frac{3}{4}\) 。

這個加權平均的量，就是期望值（expectation）的誕生。兩人在通信中還解決了擲骰子的點數分配、賭注的公平賠率等問題——機率論在賭桌上誕生，但它的方法第一次讓「不確定」本身成為可以精確計算的對象。

結案報告#

分賭金問題的結案報告，寫成了此後三百年間一整門學科：

機率論誕生：1657 年惠更斯據此寫出第一本機率論教材《論賭博中的計算》；伯努利《猜度術》（1713）證明大數法則；帕斯卡本人則在經歷宗教體驗後轉向神學，留下「帕斯卡賭注」——把期望值計算用在了信仰上。
實驗誤差理論：觀測數據的隨機誤差成為可計算對象，直通 1801-高斯最小平方法.md 與常態分佈——「數據」從此成為可以評估信賴度的證據。
統計力學與資訊論：十九世紀，馬克士威與波茲曼用機率描述億萬分子的混沌運動，把熵變成機率的函數；二十世紀，夏農在 1948-夏農資訊論.md 中把資訊定義為不確定性的消除——機率論成為微觀世界與資訊世界的共同語言。
保險精算與現代生活：壽險、年金、醫療統計、品質管制，全建立在期望值之上——賭桌上的數學成為現代社會的算術。

促進鏈分析#

實驗⇒數學：德梅雷的賭局（實際問題）催生期望值與機率論——異常的賭桌經驗逼出新的數學。
數學⇒理論：機率論成為統計力學的骨架，把熵與熱力學第二定律（1850-克勞修斯第二定律.md）化為機率陳述。
數學⇒實驗：機率論支撐誤差理論與統計檢驗，讓一切定量實驗的數據成為可評估的證據（1801-高斯最小平方法.md）。
數學⇒技術：期望值成為保險精算、金融定價與通訊糾錯碼（1948-夏農資訊論.md）的設計引擎。

證據與工具#

# 用 Python 重演 1654 年的偵查：分賭金問題與蒙提霍爾問題

from itertools import product

# --- 第一部分：分賭金問題（費馬的窮舉 vs 巴斯卡的期望值）---
# 甲已勝 2 局、乙勝 1 局，先贏 3 局者勝；剩餘最多 2 局
outcomes = list(product(["甲", "乙"], repeat=2))  # 窮舉剩餘兩局
win_A = sum(1 for o in outcomes
            if o[0] == "甲" or o[1] == "甲")      # 甲再贏任一局即勝
print("--- 分賭金問題 ---")
print(f"剩餘兩局的等可能未來：{outcomes}")
print(f"甲勝的情形：{win_A}/{len(outcomes)} → 甲應得賭金的 {win_A/len(outcomes)}")
# 巴斯卡遞迴：p = 0.5*1 + 0.5*0.5 = 0.75，與窮舉一致
p_recursive = 0.5*1 + 0.5*0.5
assert abs(p_recursive - win_A/len(outcomes)) < 1e-12

# --- 第二部分：蒙提霍爾問題（直覺 vs 機率論的對決）---
import random
def monty_hall(switch: bool, trials=100_000):
    win = 0
    for _ in range(trials):
        car = random.randrange(3)            # 車所在的門
        pick = random.randrange(3)           # 參賽者最初選的門
        # 主持人開一扇有山羊、且非參賽者所選的門
        host = next(d for d in range(3) if d != car and d != pick)
        if switch:
            pick = next(d for d in range(3) if d != pick and d != host)
        win += (pick == car)
    return win / trials

print("\n--- 蒙提霍爾問題（10 萬次模擬）---")
print(f"堅持原選的勝率：{monty_hall(False):.3f}（理論值 1/3）")
print(f"換門的勝率　　：{monty_hall(True):.3f}（理論值 2/3）")
# 結論：直覺說「換不換都一樣」，機率論說「換門勝率加倍」——期望值的勝利