莫斯科空襲與大象的故事#
二戰期間德軍空襲莫斯科時，一位平日從不躲防空洞的蘇聯統計學教授，某晚突然出現了。朋友驚訝地問他為何改變主意，他說：
「莫斯科有 700 萬人，昨晚他們命中了那頭大象。」
這個故事是 Port-Royal Logic 雷雨恐懼者的當代版本——但結局正好相反。教授對被炸機率瞭如指掌，但他依然改變了行為。本章要追問的是：
當對未來——甚至過去——的完整認識不可能時，手上的資訊有多代表性？我們該如何用新資訊更新舊信念？機率論究竟是數學玩具，還是嚴肅的預測工具？
Jacob Bernoulli：把機率拉進真實世界#
第一個認真思考「機率與資訊品質」連結的人，是 Daniel 的伯父 雅各布・伯努利（Jacob Bernoulli, 1654–1705）。
- 與牛頓同代，且自視為對手
- 思考這道難題二十年才完成著作
- 死前一年（1705）才接近完成；姪子 Nicolaus 直到 1713 年才出版《Ars Conjectandi》（《推測之術》）
1703 年的關鍵提問#
Jacob 給萊布尼茲的信寫道：
我們知道兩顆骰子擲出 7 比擲出 8 的賠率，卻不知 20 歲的男人能比 60 歲的男人活得更久的機率。難道不能透過觀察大量這樣的兩個年紀的男人，找出答案嗎？
萊布尼茲的回應潑了冷水——並用希臘文強調了關鍵字：「自然界確立模式來自事件的重複，但只在大部分情況下（CO; ETI ‘CO Tot)）。」新的疾病不斷湧現，無論做多少屍體實驗，都不能限定未來的變化。
萊布尼茲這句「但只在大部分情況下」（but only for the most part）將迴盪整本書——它預告了統計推論的根本侷限。
真實世界 vs. 抽象世界#
Jacob 的洞察極其重要：
- 抽象賭局（如 Paccioli 的 balla）：賠率可預先計算，無需資訊
- 真實世界：要預測誰會贏，需要關於球員「智力或身體靈巧度」的資訊——而這些資訊我們永遠不夠
真實是一連串相互關聯的事件，與機運遊戲根本不同：機運遊戲中每次擲骰彼此獨立，而真實世界中我們常常使用「一點」「許多」「不要太多」這種語言，而非精確的量化單位。
從先驗到後驗#
Jacob 把問題分為：
- 先驗（a priori）：事件發生前就知道機率（如骰子有六面）
- 後驗（a posteriori）：必須從事件後的資料中估計機率
真實世界幾乎總是後驗的。後驗本身就意味著實驗與信念程度的更新。
大數法則：被誤解的定理#
Jacob 的最終答案是 大數法則（Law of Large Numbers）。但這個定理常被誤解：
大數法則不是：
- 不是說「投越多次硬幣，正反各半的比例會變成 50%」
- 不是承諾下一次投擲會「拉回來」
- 不能在連敗中救你
它真正說的是：
**隨著投擲次數增加，觀測到的比例與真實比例的誤差超過某個閾值的機率將下降。**換言之：投得越多，誤差小於 2%（或任何指定值）的可能性就越大——但永遠不能完全消除誤差。
Jacob 的黑白石頭實驗#
Jacob 假想一個罐子，內含 3000 顆白石、2000 顆黑石（比例 3:2，但你不知道）。每次抽一顆記下顏色再放回去：
- 要達到「道德確定性」（moral certainty）——也就是大於 1000/1001 的機率，使結果落在真實比例 ±2% 內——需要 25,550 次抽樣
- Jacob 自己的故鄉巴塞爾當時人口還不到 25,550
Jacob 對「道德確定性」的措辭極其慎重：「機率是確定性的程度，與絕對確定性的差別，如同部分與整體之差。」他甚至建議：「為求實用，地方法官應為『道德確定性』設立固定界限。」
de Moivre：常態分配的誕生#
下一位接力者是 棣莫弗（Abraham de Moivre, 1667–1754）——
流亡的胡格諾派#
- 1667 年生於法國新教家庭
- 1685 年路易十四撤銷《南特敕令》，新教被禁
- 18 歲的 de Moivre 因信仰被監禁兩年餘
- 1688 年逃至倫敦，從此再未回法國
- 在倫敦終生未獲學術職位
- 靠教數學、為賭客與保險中介擔任機率顧問為生
- 在 Slaughter’s Coffee House 設立非正式辦公室
雖窮困潦倒，但他與牛頓是好友，30 歲入選皇家學會。牛頓有時會告訴學生：「去找 de Moivre 先生；這些事他比我懂。」
風險的第一個明確定義#
1711 年 de Moivre 在《Philosophical Transactions》發表《De Mensura Sortis》。1718 年擴充為英文版《Doctrine of Chances》（獻給牛頓），這可能是史上第一本明確把風險定義為虧損機率的著作：
「虧損的風險是期望的反面；其真確衡量是『冒險的金額 × 虧損的機率』。」
把 Jacob 的問題變得實用#
de Moivre 接手 Jacob/Nicolaus 的問題。他發現 Jacob 的方法過於繁重——25,550 次抽樣對誰都不可行。
1733 年（後加入《Doctrine of Chances》第二、三版），de Moivre 結合微積分與帕斯卡三角形（即二項定理）的結構，展示了一個革命性結果：
隨機抽樣的結果會繞著平均值分佈，呈現一種對稱的鐘形——這就是現代所謂的常態分配（normal distribution）或鐘形曲線（bell curve）。
標準差：分散的度量#
de Moivre 從鐘形曲線推導出標準差（standard deviation）：
- 約 68% 的觀察落在平均值 ± 一個標準差
- 約 95% 落在平均值 ± 兩個標準差
這是現代風險管理的核心。標準差能告訴你：
- 一組資料是否具代表性
- Jacob 25,550 次抽樣為何能高度精確估計石頭比例
- 那位「腳泡烤箱、頭埋冰箱」的人，平均體感為什麼毫無意義
de Moivre 在文中以斜體強調：「雖然機運製造不規則，但隨時間流逝，這些不規則必將與『原始設計』所自然產生的秩序之復現相比，微不足道。」對他而言，秩序的浮現是上帝的計畫。
Thomas Bayes：從證據反推假設#
下一位接力者更出乎意料。托馬斯・貝氏（Thomas Bayes, 1701–1761）是一位英國肯特郡的不從國教派牧師：
- 拒絕英格蘭國教保留自天主教的儀式
- 生前未發表任何數學著作
- 入選皇家學會但被一本統計教科書形容為「enigmatic」（令人費解）
- 兩篇遺作直到死後才發表
- 其中之一——〈論機運論中之問題之解〉——讓他在統計史上不朽
Richard Price：把 Bayes 推上歷史#
Bayes 1761 年遺囑將論文草稿與 100 鎊留給「現在我猜在 Newington Green 講道的 Richard Price」。
Price 不只是牧師，他是：
- 道德高潔的自由主義者，相信宗教自由源於神聖
- 美國革命的支持者，曾照顧被遣回英國的美國戰俘
- Benjamin Franklin 的好友、Adam Smith 的舊識——曾與 Franklin 閱讀並評論《國富論》草稿
- 皇家學會的數學家——其機率工作令他入會
- 他的《Observations on Reversionary Payments》（1771）成為精算學之父級的經典
- 但他的研究因資料缺失導致死亡率高估、人壽保費過高——保險公司因此繁榮、英國政府因此年金支出巨虧
Bayes 的核心問題#
Bayes 把問題反過來：
在某個未知事件已發生若干次、未發生若干次的情況下，該事件單次發生機率落在任意兩個可指定機率之間的機率為何？
這是 Jacob Bernoulli 命題的逆向版本：Jacob 問「需多少次觀察才能達到某種確定性」，Bayes 問「給定這些觀察，真實機率落在某區間的機率為何」。
撞球桌的妙喻#
Bayes 用一個對牧師而言很奇特的比喻——撞球桌：
- 第一個球任意停在桌上某處
- 第二個球反覆滾出，記錄它停在第一個球右邊（成功）或左邊（失敗）的次數
- 從第二個球的成敗紀錄，推測第一個球的位置
這就是 貝氏定理（Bayes’ theorem）的精髓——用新資訊持續修正對舊資訊的估計。第一個球代表先驗（priors）；第二個球的反覆滾動代表後驗（posteriors）的持續更新。
動態世界的本質#
數學家 A.F.M. Smith 概括得好：「任何試圖在複雜不確定下給出單一答案的科學推論方法，對我而言都是理性學習過程的極權諷刺。」貝氏的哲學是：在動態世界中，不確定下沒有單一答案——只有不斷修正的信念。
啟蒙時代的應用#
從 Jacob Bernoulli、de Moivre 到 Bayes，這條接力把「測量不確定性」這個原本不可思議的想法落地：
- 從鐘形曲線可知一組觀察是否獨立
- 從標準差可知偏差是否顯著
- 從貝氏更新可知信念該如何隨資料調整
用戶質檢的應用：別針工廠的經理希望瑕疵率不超過 0.01%。檢驗 100,000 支發現 12 支瑕疵——這偏差是顯著還是隨機？常態分配與標準差能直接給出答案。
不確定性的可量化#
本章三位主角的成就在於——他們證明了 「不確定性可被測量」：用 Hacking 對「確定性」的定義反過來說，當「我們的資訊正確而事件未發生」或「我們的資訊錯誤而事件發生」時，狀態就是「不確定」。
這是個大膽的對未知的攻擊。de Moivre 在著作中以大寫驚嘆：「若不被形上學的塵埃遮蔽眼目，我們將被引向那一條短而明顯的道路，去承認那位偉大的造物者與管理者。」
啟蒙運動的繼續#
我們已進入十八世紀。啟蒙運動把「追求知識」確立為人類最高的活動形式，再無禁忌阻止科學家擦去眼上的形上學塵埃。
1800 年之前所有馴服風險的進展，將在新世紀加速；維多利亞時代會給予再一次推力——而下一章的主角，正是那個把鐘形曲線變成「平均人」科學的時代。