首先,無論如何,數學上來說,抽籤是最公平的。我們可以簡單證明一下。假設有4個蛋(a、b、c、d),其中一個是彩蛋,由4個人按順序抽取,而互相不知道抽取結果。對於第一個抽取者來說,他抽中彩蛋的機率為對於第二個抽取者來說,我們需要將前兩次抽取看成一個整體,即從4個蛋中抽出2個進行排列(),然後讓第二個抽取者抽中(即第一個不中,然後剩下的三選一),他抽中彩蛋的機率為對於第三個抽取者來說,我們可以看成,從4個蛋中抽取3個進行排列( ),假設d是彩蛋,使得第三個抽中d的情況有 種(abd、bad、acd、cad、bcd、cbd),他抽中彩蛋的機率為對於第四個抽取者來說,他只有一個蛋,但是這個蛋有可能是abcd,所以抽中d的機率是四分之一。可見,只要不讓後來者知道前者的結果,那麼抽籤者中彩蛋的機會是一樣的,也就是說,這個條件下,抽籤順序不影響抽籤的公平性。以下,對於查詢關於抽籤不公的條目:李永波再次“炮轟”國際羽聯:分組抽籤太不公平由於抽籤的隨機性,有可能導致強隊率先分在同一區進行廝殺,而弱隊在另一區就有了出線爭冠的機會。對於強隊來說,他們希望強強對碰放到最後,他們認為抽籤結果不公平;而弱隊來說,希望避開強隊從而進入決賽,他們則選擇認可抽籤結果。新股搖號抽籤不公平?新股中籤率引發質疑搖號抽籤屬於條件機率,不同條件下,中籤的機率不同。雖然中籤結果受到質疑,但是在相應的條件前提下,中籤的公平性是保證的。另外,這裡有個著名的謬論:
首先,無論如何,數學上來說,抽籤是最公平的。我們可以簡單證明一下。假設有4個蛋(a、b、c、d),其中一個是彩蛋,由4個人按順序抽取,而互相不知道抽取結果。對於第一個抽取者來說,他抽中彩蛋的機率為對於第二個抽取者來說,我們需要將前兩次抽取看成一個整體,即從4個蛋中抽出2個進行排列(),然後讓第二個抽取者抽中(即第一個不中,然後剩下的三選一),他抽中彩蛋的機率為對於第三個抽取者來說,我們可以看成,從4個蛋中抽取3個進行排列( ),假設d是彩蛋,使得第三個抽中d的情況有 種(abd、bad、acd、cad、bcd、cbd),他抽中彩蛋的機率為對於第四個抽取者來說,他只有一個蛋,但是這個蛋有可能是abcd,所以抽中d的機率是四分之一。可見,只要不讓後來者知道前者的結果,那麼抽籤者中彩蛋的機會是一樣的,也就是說,這個條件下,抽籤順序不影響抽籤的公平性。以下,對於查詢關於抽籤不公的條目:李永波再次“炮轟”國際羽聯:分組抽籤太不公平由於抽籤的隨機性,有可能導致強隊率先分在同一區進行廝殺,而弱隊在另一區就有了出線爭冠的機會。對於強隊來說,他們希望強強對碰放到最後,他們認為抽籤結果不公平;而弱隊來說,希望避開強隊從而進入決賽,他們則選擇認可抽籤結果。新股搖號抽籤不公平?新股中籤率引發質疑搖號抽籤屬於條件機率,不同條件下,中籤的機率不同。雖然中籤結果受到質疑,但是在相應的條件前提下,中籤的公平性是保證的。另外,這裡有個著名的謬論:
條件機率的謬論是假設 P(A|B) 大致等於 P(B|A)。數學家John Allen Paulos 在他的《數學盲》一書中指出醫生、律師以及其他受過很好教育的非統計學家經常會犯這樣的錯誤。這種錯誤可以透過用實數而不是機率來描述資料的方法來避免。P(A|B) 與 P(B|A)的關係如下所示:P(B|A)=P(A|B)(P(B)/P(A))下面是一個虛構但寫實的例子,P(A|B) 與 P(B|A)的差距可能令人驚訝,同時也相當明顯。若想分辨某些個體是否有重大疾病,以便早期治療,我們可能會對一大群人進行檢驗。雖然其益處明顯可見,但同時,檢驗行為有一個地方引起爭議,就是有檢出假陽性的結果的可能:若有個未得疾病的人,卻在初檢時被誤檢為得病,他可能會感到苦惱煩悶,一直持續到更詳細的檢測顯示他並未得病為止。而且就算在告知他其實是健康的人後,也可能因此對他的人生有負面影響。這個問題的重要性,最適合用條件機率的觀點來解釋。假設人群中有1%的人罹患此疾病,而其他人是健康的。我們隨機選出任一個體,並將患病以disease、健康以well表示:P(disease) = 1% = 0.01 and P(well) = 99% = 0.99. 假設檢驗動作實施在未患病的人身上時,有1%的機率其結果為假陽性(陽性以positive表示)。意即:P(positive | well) = 1%,而且P(negative | well) = 99%. 最後,假設檢驗動作實施在患病的人身上時,有1%的機率其結果為假陰性(陰性以negative表示)。意即:P(negative | disease) = 1%且P(positive | disease) = 99%。現在,由計算可知:是整群人中健康、且測定為陰性者的比率。P(positive|disease) = 99% 是整群人中得病、且測定為陽性者的比率。是整群人中被測定為假陽性者的比率。是整群人中被測定為假陰性者的比率。進一步得出:是整群人中被測出為陽性者的比率。P(disease|positive) = 50% 是某人被測出為陽性時,實際上真的得了病的機率。這個例子裡面,我們很輕易可以看出 P(positive|disease)=99% 與 P(disease|positive)=50% 的差距:前者是你得了病,而被檢出為陽性的條件機率;後者是你被檢出為陽性,而你實際上真得了病的條件機率。由我們在本例中所選的數字,最終結果可能令人難以接受:被測定為陽性者,其中的半數實際上是假陽性。按上述,人們認為的抽籤的不公平性,來源於對於抽籤規則的附加條件未進行充分理解,同時不仍可其合理的隨機性,進而質疑其公平性。對於法學上的說法,抽籤這種貌似公平的背後常常導致更為嚴重的不公平,我認為是由於抽籤規則設定無法滿足所有人的需求而導致:(1)資源有限,資源的佔據與分配往往有利於規則制定者。規則制定者往往根據先來後到、弱肉強食、擇優選取的條條款款進行抽籤的先決條件,而現代數理理論與商政手段的發展都使得這些先決條件十分隱蔽,普通人很難對其進行清晰判別。(2)按絕對公平的抽籤方式,可能無法得出有效結果,甚至導致資料的浪費與效率的降低。因為當出現結果是50/50的情況,而只能由唯一標準時,往往導致很多無效的處置方式,但並不影響機率結果。而唯一標準進行變更,則勢必受到公平性的質疑。待續。文獻參考約翰·艾倫·保羅斯(John Allen Paulos) .數學盲 :Hill&WangPub ,2001年9月 .李友根,論抽籤程式在經濟法中的運用,《現代法學》,2008年.梅松竹,古典機率思想的教育價值,中國數學教育,2010年10月.