今天 您 有 令 下去 ， 良馬 一定 會 到來 針鋒相對 ， 展示 氣度 ， 我 怎麼 能 不 謝恩 呢 ？ 」 孫權 大笑 。 本來 ， 孫權 叫 蜀使 為 諸葛恪 選 良馬 ， 這 本 是 口惠 而 實 不 至 的 空頭 支票 ， 多少 有 戲弄 他 的 性質 。 而 諸葛恪 卻 以 假 當真 ， 立即 跪下 向 孫權 謝恩 ， 迫使 孫權 去 兌現 諾言 ， 力圖 弄假 成真 。 孫權 如果 真的 不能 兌現 諾言 的話 ， 那 孫權 就 是 「 說話 不 算數 」 ， 陷於 非常 被動 的 境地 了 ， 他 就 成 了 不 講 誠信 的 國君 了 。 由此可見 ， 諸葛恪 是 能言善辯 ， 善於 化 被動 為 主動 的 聰明 人 。 從 上面 諸葛恪 的 幾 則 小 故事 中 ， 我們 可以 學到 一些 論辯 的 基本 技法 ： 對於 比較 難 答 的 問題 ， 要 善於 變換 角度 ， 避實 就 虛 ， 巧妙 作答 ； 對於 難以 反駁 的 論辯 ， 要 善於 找到 對方 論點 的 反例 ， 用 反面 事實 來 駁倒 對方 ； 對於 形同 「 空頭 支票 」 的 許諾 ， 我們 要 採取 措施 ， 主動 出擊 ， 逼 他 就範 ， 兌現 諾言 。 搶聽 !
 
胡牌 !
 
【 第一 章 】 【 生活 玩家 】 27 基礎 理論 第一 章 胡牌 基礎 理論 一 、 機率論 1 .
 
什麼 是 機率 ？ 以 簡單 的 擲 硬幣 實驗 為 例 ， 擲出 一 枚 硬幣 ， 可能 有 兩 種 結果 ── 正面 或 反面 ， 這 就 是 不確定性 。 機率論 是 專門 研究 不確定性 的 ， 它 所 關心 的 是 某 個 具體 事件 出現 的 可能性 的 大小 ， 機率值 就 是 這 種 可能性 大小 的 一 個 度量 。 記 「 出現 正面 」 為 事件 A ， 記 「 出現 反面 」 為 事件 B ， 它們 的 機率 〔 分別 記為 P （ A ） 及 P （ B ） 〕 各 應當 是 多少 呢 ？ 機率論 是 以 隨機 現象 為 研究 對象 的 ， 機率 卻 必須 是 一 個 客觀 的 、 確定 的 值 ， 因此 ， 關鍵 在於 從不 確定 現象 中 尋找 確定 的 規律 。 擲 硬幣 的 結果 是 有 規律 的 嗎 ？ 這 種 規律性 又 如何 表現出來 呢 ？ 歷史 上 一些 著名 實驗 ， 為 我們 提供 直觀 的 背景 。 搶聽 !
 
胡牌 !
 
【 第一 章 】 實驗 者 擲 硬幣 次數 出現 正面 次數 頻率 蒲豐 404020480.5069 皮爾遜 1200060190.5016 皮爾遜 24000120120.5005 這些 實驗 的 結果 是 很 有 啟發性 的 ， 雖然 事件 A 在 一 次 實驗 中 可能 發生 ， 也 可能 不 發生 ， 但 大量 重複 實驗 中 ， 它 出現 的 頻率 卻 非常 穩定 ， 而且 實驗 次數 越 多 ， 頻率 越 接近 於 1/2 ， 這 種 現象 被 稱為 頻率 穩定性 ， 它 說明 隨機 事件 發生 可能性 的 大小 是 隨機 事件 本身 固有 的 屬性 。 因此 可以 對 它 進行 度量 ， 這 正 是 機率論 得以 建立 的 現實 基礎 。 根據 這 一 結果 ， 確定 P ( A ) ＝ 1/2 就 是 理所當然 的 了 ， 同樣 P ( B ) ＝ 1/2 。 2 .
 
古典 概型 從 上面 的 討論 得知 ， 均勻 投擲 硬幣 出現 正面 與 反面 的 可能性 是 一樣 的 ， 它們 的 機率 都 是 1/2 ， 這 是 擲幣 模型 的 一 個 重要 特點 。 事實 上 ， 這 種 可能性 並非 只有 擲幣 模型 才 具備 ， 而是 一 大 類 機率 模型 的 共同 特徵 。 例如 ， 一般 的 摸球 模型 ， 假設 袋子 中 裝有 各 種 不同 顏色 的 球 共 n 個 ， 很 容易 理解 ， 摸球 者 在 任意 一 次 摸球 中 ， 袋 中 各 球 被 摸到 的 可能性 的 大小 是 一樣 的 。 這 種 可能性 加上 樣本點 個數 的 有限性 ， 就 是 古典 概型 【 生活 玩家 】 27 基礎 理論 的 基礎 特徵 。 對於 一般 的 任何 事件 A ， 其 機率 則 由 其 所 包含 的 樣本點 的 個數 所 決定 。 一 個 人 買 了 一百 張 「 即開型 」 福利 彩票 ， 而 本 期 共 發行 十萬 張 ， 只 設 一 個 一等獎 ， 那麼 他 獲 一等 獎 的 機會 （ 即 機率 ） 可 由 以下 公式 計算 ： 事件 A 包含 的 樣本點 個數 P （ A ） ＝───────────── 樣本點 總數 P （ A ） ＝ 100 / 10萬 ＝ 1/1000 ， 由 此 公式 計算出 該 彩民 獲 一等 獎 的 機率 是 千分之一 。 【 例 1 】 一 副 麻將牌 共有 136 張 ， 其中 有 4 張 南風 ， 現 從 所有 麻將牌 中 任抽 1 張 ， 抽中 南風 的 機率 是 多少 ？解 ： 樣本點 總數 為 136 ， 事件 A 「 抽中南風 」 中 包含 的 樣本點數 即 南風 的 張數 為 4， 因此 ， P ( A ) = 4/ 136 ＝ 0.029 。 該 例 中 抽中 南風 的 機率 是 2.9% 。 3. 機率 的 基本 性質 推論 1 .
 
不可能 事件 的 機率 為 0 。 【 例 2 】 現在 4 條 已經 被 上家 暗槓 ， 那麼 聽 牌夾 4 條 胡牌 的 機率 為 0 。 推論 2 .
 
有限 個 事件 中 ， 若 A 、 A … … A n 兩兩 互 不 相同 ， 則 發生 事件 A 或 A 的 機率 為 A 與 A 的 機率 之 和 。 搶聽 !
 
胡牌 !
 
【 第一 章 】 【 例 3 】 聽牌 準備 胡三 、 六萬 ， 胡牌 的 機率 應當 等於 聽 三萬 胡牌 的 機率 加聽 六萬 胡牌 的 機率 。 推論 3 .
 
若 A 事件 的 範圍 能 將 B 事件 全部 包含進去 ， 那麼 發生 A 事件 的 機率 必定 大於 或 等於 發生 B 事件 的 機率 。 【 例 4 】 聽 三 、 六萬 胡牌 的 機率 應當 大於 或 等於 聽夾 三萬 胡牌 的 機率 。 推論 4 .
 
對於 事件 A ， 發生 的 機率 為 P （ A ） ， 那麼 事件 A 不 發生 的 機率 應 為 1 ─ P （ A ） 。 【 例 5 】 現有 技術 水平 相當 的 四 人 （ 甲 、 乙 、 丙 、 丁 ） 在一起 打麻將 ， 任意 一 局 中甲 的 胡牌 機率 為 1/4 ， 那麼 在 任意 一 局 中甲 不 胡牌 的 機率 為 1 ─ （ 1/4 ） ， 即 3/4 。 4 .
 
全 機率 公式 【 例 6 】 某 一 局 中 ， 手 中 留有 的 牌 為 如果說 我們 已 知 ， 將要 摸 的 下 一 張 牌 或是 二萬 或是 三萬 ， 同時 還 已 知聽 夾 三萬 胡牌 的 機率 是 20% ， 聽 二 、 五萬 胡牌 的 機率 是 40% ， 試問 本 局 中 胡牌 的 機率 是 多少 ？ 1 【 生活 玩家 】 27 基礎 理論 我們 可以 用 圖解 的 方式 來 計算 結果 ： 手 中 的 牌