天才一秒记住【畅想小说网】地址：http://www.cxtra.net
下面我们来想象一下这个虚构出来的赌盘：在圆周上绘制0≤x≤1范围内所有的x。
之后，截取截线段中0～1之间的部分，并把它想象成车轮形状的圆形，这就是基本的“均匀分布”
的概率模型。
本书中，将该模型称为［0，1］-赌盘模型（该名称仅在本书成立）。
在该概率模型中，“在0≤x≤1范围的数值中，随机抽取一个x”
，正对应了抛硬币随机出现“正面”
或“反面”
，以及掷骰子随机出现点数1～6的结果。
但该模型与之前的模型相比有着很大的差异，体现在概率的分配方式上。
如果模仿之前的抛硬币和掷骰子的例子，将0.4或0.73等x的数值作为事件，并将{0.4}或{0.73}等作为基本事件，那么，应该为其分配“大致相同”
的概率。
然而，对于［0，1］-赌盘模型来说，这种方法并不合适，而这又是为什么呢？
这里需要用到标准化条件的概念。
在概率模型中，所有事件的概率之和为1。
假设对于每一个x，都为事件{x}分配相同的概率a，由于在0≤x≤1的范围中有无数个x，那么，则必须满足以下公式：
（对于满足条件0≤x≤1的所有x，{x}的概率之和）
＝（无限个a的和）＝1
并且，如果不满足a＝0，就会出现矛盾。
但如果a＝0的话，就会产生两个困难。
第一个困难：“无限个0相加等于1”
的含义是什么？
第二个困难：对满足条件0≤x≤1的每个x，假设它的概率为p（{x}）＝0。
那么，应该怎样计算满足条件0≤x≤0.5时，抽取出x的概率呢？
上述两个困难的难度系数都不小，那么，为了避开它们，我们需要调整之前设定概率的方式为以下方式：
在［0，1］-赌盘模型中的概率的设定
在［0，1］-赌盘模型中，t的取值范围为0＜t≤1，把［大于0且小于等于1的数值］的集合设为基本的事件。
也就是说，将E＝{满足条件0≤x＜t的x}设为基本事件。
之后，为事件E分配概率为p（E）＝t。
最后，把事件E简略地记为（0≤x＜t），其概率p（E）简略地记为p（0≤x＜t）。
例如，若t＝0.5，那么事件{0≤x＜0.5}则表示“选取一个大于等于0且小于0.5的数值”
。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！