随机现象与随机变量

小叶想把一批校园活动海报整理成日历。每张海报上都有活动日期、地点和报名截止时间，他准备让 AI 提取这三个字段，自己再对照原图核查。几次尝试以后，他发现：有时三个字段都对，有时只对两个，有时等了很久还没收到结果。

如果只用“这个 AI 好不好用”来概括，很多有用信息会挤在一起。没有收到答复，与收到了但地点提错，不是同一件事；三个字段都对，与其中最重要的截止时间正确，也不是同一个要求。更进一步，小叶想知道的可能是下一张海报能否顺利处理，也可能是同一张海报再试一次会不会不同。

概率论的第一步，就是把这些问题描述清楚。我们先说清一次工作怎样开始、怎样结束、可能产生什么结果，再选择有意义的数量去表示结果。做完这些，才有对象可以谈概率、平均表现和波动。

本章所有海报、运行记录和数值都是虚构教学材料，用于演示记录和分析方法，没有调用真实模型或进行性能测试。案例中需要姓名的人物统一为小叶，其他人用同学等角色称呼。

一、随机现象并不等于毫无规律

说一次结果具有随机性，通常意味着在规定的条件和观察范围下，我们不能事先确定这次究竟出现哪个结果。它不意味着所有结果都一样容易发生，也不意味着我们什么都不知道。

例如，小叶还没提交下一张海报，不能确定三个字段能否一次提对。但他已经知道要提取哪三个字段，也能根据原图建立核查答案。他对具体结果不确定，对任务本身却有相当明确的认识。这正是很多概率问题的起点：有一些稳定条件，也有一些尚未确定的结果。

这里有两种常见来源。一种是处理过程中确实采用了带随机选择的步骤；另一种是我们没有掌握全部相关条件。后者即使背后存在确定机制，也可能值得用概率模型描述。例如，从一批尚未逐张检查的海报中抽取一张，它的字体和版面已经存在，但抽到哪张、难不难处理，对小叶而言仍不确定。

这两种来源在工作中可以同时出现。输入海报不同，处理难度可能不同；同一输入在某种生成设置下，也可能产生不同表达。我们不必先解决关于世界是否根本随机的哲学问题，才能记录这些变化。

不过，结果变化也不是放弃查原因的理由。若小叶发现所有错误都来自一张倒置的海报，那么先把图片方向处理正确，可能比把它笼统解释成“AI 有随机性”更有帮助。概率描述允许我们在尚未掌握全部机制时工作，进一步理解机制又可能减少不确定性。

反过来，一次顺利也不能说明今后必然顺利。小叶第一次遇到的是清晰大字海报，第二次可能是多栏小字。两次结果不一样，不一定代表工具突然退步；一次结果相同，也不一定证明所有条件都一样。

因此，学习随机现象时可以同时保留两个习惯：认真观察变化，认真记录条件。只有结果而没有条件，我们很难知道在比较什么；只有条件而不保留实际结果，又容易让判断停在印象上。

这项基础认识会逐渐改变使用 AI 的方式。你仍然可以快速开始一个任务，但会自然地把“我刚才得到一个好结果”与“这种工作方式对当前任务通常可靠”分开。后者需要更广的依据，不能由前者直接替代。

二、先规定一次试验，否则记录很容易混在一起

概率论中的“试验”可以是一项按规则进行的观察或操作，不一定要在实验室里完成。一次抽取、一轮提交、一张资料的处理，都可以成为试验。关键是知道每次记录对应什么。

在本章主案例中，小叶规定：每张海报进行一次首次提交，使用同一套提取说明和记录下来的工具设置；从发出请求开始计时，最多观察六十秒。六十秒内收到完整答复，就保存原答复并核查三个字段；到观察截止仍未收到完整答复，就登记为“未收到完整答复”。这轮记录不把后续重试或人工修改并入首次结果。

为了集中讨论基本概念，案例还作出几个简化：每张原图的三个字段都清楚存在，核查答案已经按统一规则确定；记录中的返回结果都能按这三个字段核对；没有中途人工取消，也没有只保存了一半答复而无法判断的情况。实际遇到这些额外状态时，可以扩充记录，而不是把它们偷偷归到方便的类别里。

这套规定先解决了三个问题：一次记录从哪里开始，在什么条件下停止，最后按什么标准判断。它并不复杂，却能防止很多比较失去意义。

比如，小叶第一次说“成功”，指的是原答复三项正确；后来他说“成功”，却包括三次重试和自己的修改。最终资料也许确实可以用了，但前后不再是同一种结果。我们可以另外定义“完成整张海报整理”这个试验，把重试和修改包括进去，并记录它们的投入。两种定义各有用途，不能只留下同一个成功标签。

再看输入对象。把十二张不同海报各处理一次，主要帮助了解这批材料在当前流程中的表现。把同一张海报处理十二次，则更适合观察固定输入下的重复变化。后者不能自动代替前者：某张海报一直提得对，不说明其他版面也容易处理。

如果小叶想了解未来的一般表现，还要考虑这些海报怎样选来。专门挑清晰海报、随手拿最近十二张、从指定资料集中按规则抽取，得到的数据适用范围不同。抽样如何设计，会在后续章节展开；现在先记住，试验对象的选择方式本身也是条件。

同样，在一个连续对话里反复要求修改，与在相同起点重新提交，是两种不同操作。前面累积的说明可能成为后面的输入。若研究的是整个协作过程，这种累积很正常；若研究的是固定起点的重复表现，就应把它区分开。

一份简短说明通常已经足够：“每张一试，三字段，首次完整答复，观察六十秒，按原图核查，后续修订另记。”它让后面每一个数字都有清楚出处，而不需要在开工之前搭建庞大的统计系统。

三、样本空间：把可能结果放进一张地图

一次试验最终出现的情况叫作结果；把模型允许的所有可能结果放在一起，就得到样本空间。通常用大写字母或希腊字母表示。事件则是其中符合某个条件的一组结果。OpenStax《统计学导论》：结果、样本空间与事件

这些词不难，难点在于选择适合问题的描述方式。小叶可以保存整段答复、耗时和核查细节，那是比较丰富的结果记录；如果此时只想分析三个字段是否提对，就可以先压缩成三个标记。

我们规定三个位置依次表示“活动日期、地点、报名截止时间”。某字段与核查答案相符记为1，不相符或在完整答复中漏掉记为0。例如，110表示日期和地点正确，截止时间没有正确提供；011则表示地点和截止时间正确，日期不正确。

另外用符号⊥表示六十秒内没有收到完整答复。它是一个专门的状态标记，不是数字零，也不是说三个字段已经被逐一判错。

按这个粗略的结果描述，可以写出：

其中八个三位标记来自每个字段的两种核查状态。这个写法把它们作为候选结果保留下来，不代表每种在实际系统中都有正概率，更不代表九种一样常见。哪种常见、哪种罕见，还需要另外的依据。

为什么不只写“成功、失败”？因为小叶可能想针对不同缺口改进。110与011都是未全对，但需要处理的字段不同。为什么又不把每一种措辞都分别列出来？因为当前问题只关心字段是否正确，措辞差别暂时可以放到原始记录里。

样本空间的描述粒度因此与研究问题有关。它不是要把世界的一切细节都装进去，而是要保留当前判断需要的区别。若后来要研究耗时，仅有110这个标记就不够了：一次110可能十秒返回，另一次可能四十秒返回。此时要使用更丰富的结果描述，把时间也包含进来。

这并不是原先的写法“数学上失效”，而是它原本只服务于字段状态。就像一张校园地图可以适合找楼，却不足以表示每间教室的座位，模型需要随问题增加必要信息。

还要区分“没有观察到”与“模型不允许”。十二次记录中没有000，不等于今后不可能三项都错。样本空间描述可能性，手头数据记录已经发生的有限结果，两者不能直接画等号。

如果实际运行出现了预先没想到的状态，例如响应结束但格式完全无法读取，可以回看当前定义能否处理。若“完整答复中三字段均未正确提供”符合000的既定规则，可以这样登记；若需要单独研究格式失败，就增加额外标签。修改要保留说明，避免不同阶段的数据看似同类，实际含义已经改变。

四、事件：把“我关心什么”表达为结果条件

样本空间给出可能结果，事件则表达我们关心的情况。例如，小叶可能要求三个字段全对，也可能在探索阶段先看至少两个字段对，或者特别关心报名截止时间有没有提对。

设事件A表示“六十秒内收到完整答复，且至少两个字段正确”，事件B表示“六十秒内收到完整答复，且截止时间正确”。在刚才的粗略样本空间里：

001属于B，因为最后一位是1；它不属于A，因为总共只有一个正确字段。110属于A，却不属于B。111同时属于两者。

这种写法把“比较好”变成了可以检查的条件。它没有替小叶决定哪个标准最重要，却让不同标准之间的关系显现出来。若任务是把日历直接交给同学使用，他可能坚持三项全对；若正在定位提取问题，至少两项正确的比例也可能提供线索。

“A并且B”要求两个条件同时成立，用交集表示；“A或者B”允许满足任一条件，包括两个都满足，用并集表示。在本例中：

这里的“或者”不是二选一排除同时发生。因此统计并集时，111只算一个结果，不能因为同时满足两个条件就计算两次。

“A没有发生”是A的补事件。在当前样本空间中，它包括⊥、000、001、010、100。注意，⊥也在里面：没有及时取得完整答复，自然不满足“及时取得至少两个正确字段”，但这并不等于我们已经观察到三个错误字段。

事件的否定依据的是事件定义。在及时取得并完成核查的三字段答复中，至少两个字段正确的反面，是至少两个字段不正确或缺漏。但A还要求及时取得完整答复；只统计已返回答复里的字段问题，就会漏掉⊥所代表的未返回情况。

这也说明，日常工作中的“没成功”常常比某一种具体失败更宽。它可能包括内容不对、没有返回、尚未核查等不同情况。统计时可以定义一个总事件，同时保留原因标签，以便后面采取不同措施。

最后，A中有四个候选结果，不能据此说A的概率是九分之四。只有在九个结果等可能这一额外条件成立时，数结果个数的办法才适用。AI 字段提取没有自动满足这个条件。把事情分成两类，也从来不意味着各占一半。

五、随机变量：给每个结果安排一个有意义的数

现在，小叶想用一个数量描述这次拿到了多少有用内容。可以定义随机变量X：在六十秒内取得的完整答复中，正确提供的字段个数；没有取得完整答复时，按这项产出指标记为零。

随机变量的核心是一条对应规则：对于样本空间中的每个结果，指定一个实数。一次试验实际出现的结果所对应的数，叫作它的实现值或观测值。小叶在提交海报之前可以知道这条规则，却还不能仅凭规则断定本次会取得几个正确字段。StatLect：随机变量与实现值

在本例里，这条规则可以写得非常具体：

对其他已经返回的状态，同样把三个位置的1加起来。因此，X的可能取值是0、1、2、3。随机性来自尚未确定这次落在哪个结果上；从某个确定结果算出X的规则本身并不随意变化。

这个区别很重要。若今天把漏掉字段记错，明天又临时算半对，后天只要意思接近就全算对，那么变化不仅来自被研究的过程，也来自核查规则。评分可以允许合理的同义表达，但应在规则中说明，并对相关记录一致使用。

一个结果只能给X确定一个值，却可以有不同结果得到同一个X值。110、101、011都对应2；000与⊥都对应0。例如，只知道结果是110或011，虽然还不知道究竟哪个字段不正确，却已经能确定X等于2。可见，具体结果尚未分清，不代表所关心的数值一定未知。这使X容易比较，却也压缩了信息。

图中多条线可以汇到同一个数值。仅知道X等于2，不能恢复究竟哪个字段没有正确提供；仅知道X等于0，也不能判断是三个字段都不对，还是观察期内根本没有完整答复。

因此，“未收到完整答复时X记零”是对限时产出的定义，并不是把三个未观测字段判成三个内容错误。为了保留区别，可以同时定义R：六十秒内收到完整答复记1，否则记0。看到R等于0、X等于0，与看到R等于1、X等于0，我们便知道是两种不同情况。

还可以定义Y：六十秒内取得三项全对的完整答复记1，否则记0。它表示本轮严格要求是否达到。于是，111对应Y等于1，其他状态对应Y等于0。

这类只用0和1表示某个事件是否发生的变量，常称为指示变量。它把事件转成数值，便于统计发生次数。Y等于1并不是“表现有一分”，Y等于0也不是“毫无价值”；它们只是严格完成条件的两种标记。

现在三个量各自回答一个问题：R看是否及时拿到完整答复，X看取得多少正确字段，Y看是否达到三项全对。它们不是互相竞争的唯一正确指标，而是对同一次工作选择的不同观察角度。

我们也能把它们合起来看，记录成一组数值，例如状态110对应(R，X，Y)等于(1，2，0)。这已经接近用向量描述一次结果的思路：用多个有明确含义的坐标保留需要的方面。后续学习联合概率或向量表示时，这个例子可以继续使用。

六、变量与观测值：十二条记录怎样变成数据

下面给出小叶的十二次首次提交记录，每行对应一张不同海报。观察时长T从发出请求算起，到收到完整答复或达到六十秒观察截止为止，以秒为单位。表中时间按十分之一秒记录。

T需要比三位字段状态更丰富的结果描述，因为同一个字段状态可以对应不同时间。我们在完整记录中保存状态与时间；前面的粗略样本空间只用于分析字段核查状态。

数学中常用大写字母表示随机变量，用小写字母表示它的一次取值。比如X表示按既定规则记录的可用字段数，R02这次观察得到x等于2。教材也常用这样的大小写约定帮助区分变量与实现值。OpenStax《统计学导论》：随机变量的记号

数据表里的2已经是一个确定的记录，不会因为它来自随机试验，就在文件中自行变成3。尚未观察的下一次X才仍有不确定性。若核查发现原来填错了，应修订观测记录，那是纠错，不是随机变量又“抽了一次”。

逐行求X，得到十二个数：3、2、3、2、0、2、3、1、3、1、2、3。它们的总和是25，表示这批首次提交在规定时间内提供了二十五个正确字段。这里没有说它们覆盖二十五张海报，也没有说这些字段已经组成十二张可直接交付的完整日历卡片。

Y等于1的记录是R01、R03、R07、R09、R12，共五条。R等于1的记录共有十一条。可以看出，“有完整答复”与“三项全对”相差很大，它们评价的是不同环节。

R05尤其值得单独看。表中60.0表示观察在截止处结束，不表示完整答复恰好六十秒到达。它后来是否返回、如果返回要多久，这张首次观察表没有提供。把这一行写成“答复耗时六十秒且三字段全错”，就同时改变了时间和内容的含义。

小叶也可以保留原图、原始答复及核查依据的关联位置。这样，当别人对R02的截止时间判断有疑问时，可以回看具体材料。数值便于汇总，原始内容便于解释，两者可以配合。

图中R05的时间条表示观察截止，其余行表示在该时点取得完整答复。三项全对的几条也有不同观察时长，因此只记录成功标记不足以描述使用体验。

七、离散、连续与类别：数字长什么样，不等于它是什么

X只能取0、1、2、3，R与Y只能取0或1。这些值可以逐个列出来，是离散随机变量的典型情形。离散不要求数值很少；某类计数在模型中可以有0、1、2一直往后的取值，只要这些值能够逐个数出来。

时间则常被近似看作连续变化的量。一次操作可能耗时12.4秒，也可能更精确地记为12.437秒。对于以密度描述的连续模型，通常讨论某个区间内的概率，而不是把每个精确时刻当作一个有单独正概率的格子。OpenStax《统计学导论》：连续模型中的区间概率

本章不需要先学积分，才明白这个差别。字段个数不会是2.37个，而耗时可以落在12.4与12.5秒之间。你关心“二十秒以内有没有拿到结果”时，对应的是一段范围。

不过，测量记录总有精度。表里保留一位小数，不证明时间过程本身只允许十分之一秒的跳动；反过来，一个计数量除以十以后出现小数，也不会因此自动成为连续变量。例如，三字段中正确个数除以三，只会得到0、三分之一、三分之二和1，仍然只有四种取值。

主案例的T还有一个特殊之处：我们主动在六十秒停止观察。若多次未及时返回都会记为60，记录便可能在这个固定值上集中。因此，这种“观察到结束或截止的时长”不能简单当成普通的完整响应时间，更不能不看截止机制就强套一种连续分布。

可以把这一点理解为：记录制度也参与塑造了数据。假设一个记录界面把所有超过一分钟的任务显示为“60秒以上”，界面上的相同文字不代表真实耗时相同。本章保留R与截止状态，就是为了让后续分析知道这些值从哪里来。

类别编号是另一种容易混淆的数字。假如把海报版式编号为1、2、3，分别表示单栏、双栏和图片文字混排，这些编号首先只是名称。3不代表混排海报是单栏海报的三倍，也不表示两种版式平均以后就成为双栏。

这不妨碍把类别放进数据表，或给它们建立数值编码。关键是运算是否有合适的含义。字段个数相加可以解释为总共取得多少正确字段；版式编号相加通常没有类似解释。

还有一些量本来就是评价者构造的，例如“可读性评分”。它们可以有用，但需要知道评分规则与尺度含义。如果一分到五分只是有序等级，四分未必是两分的两倍。计算公式不会自动替一个模糊评分补上现实意义。

选择变量时，先问要表达哪一方面，再选记录方式。这样，数字成为理解工作的工具，而不是把所有东西变成分数的装饰。

八、从发生次数到概率，需要保留中间那一步

十二条记录中，五条Y等于1，所以这批三项全对的相对频数为：

“相对频数”就是某情况出现的次数除以本批观察次数。这是对已发生记录的描述，分子与分母都能在表里找到。它并没有自动成为下一张海报三项全对的精确概率。

若要用它估计未来表现，我们还需要考虑未来海报与这批是否相近，提取流程是否保持，以及十二条提供了多少信息。估计可以从小批记录开始，不必因为样本少就完全不能思考；但一个来自有限记录的数，应该保留估计的身份。

也不要因为下一张成功了，就说41.7%已经被证实；下一张失败了，就说这个数字被推翻。概率不是给每一次结果预先指定成功或失败。评价一个概率判断需要合适的观察与比较方式，后续统计章节会继续讲。

同一张表还可以算出十一分之五，因为只有十一条及时返回。这个比例回答的是“本批已经及时返回的记录中，有多少三项全对”，与十二分之五的对象不同。删除超时行以后把十一分之五写成全流程表现，会把未返回这部分从问题中移走。

这里还有一个有助于理解概率的转换。假设我们现在进行另一项明确规定的新试验：从这十二条已经固定的记录编号中，等可能地抽取一个编号。抽到三项全对记录的概率就确实是十二分之五，因为这次抽取机制规定了十二个编号等可能。

注意，新试验是抽记录，不是再次让 AI 处理海报。它的概率可以根据这张固定表精确计算，却不能顺手转成未来 AI 运行的精确概率。分数看起来一样，背后的试验不同。

这也是学习概率时很值得养成的习惯：看到一个概率数值，就问它对应哪一个事件、哪一种试验，以及概率从哪里来。它可能来自明确的随机抽取规则、暂定模型，也可能来自数据估计。知道来源以后，才知道怎样使用和更新。

九、概率空间：可能结果、可问的问题和概率规则放在一起

现在可以接触“概率空间”这个词。它通常包含三个部分：样本空间、所讨论的事件集合，以及给这些事件分配概率的规则。数学上常写成：

Ω表示可能结果，花体F收集可以讨论的事件，P给这些事件指定概率。概率需要满足一致性要求，例如取值在0与1之间，整个样本空间的概率为1，互不重叠事件的概率可以相加。StatLect：概率与概率空间的基础

暂时不必把这三个符号当成新门槛。用刚才抽取记录的试验，我们已经能把它们具体化。Ω是R01到R12这十二个编号；事件可以是其中任意一组编号；因为规定等可能抽取，所以某一组的概率就是其中编号数除以十二。

例如，“抽到X等于2的记录”对应R02、R04、R06、R11，因此概率是十二分之四，即三分之一。“抽到Y等于1的记录”对应那五条全对记录，因此概率是十二分之五。

如果先抽中编号，再把编号对应的字段状态拿出来，就会发现不同状态的概率并不相同。111对应五个编号，110对应两个编号，⊥对应一个编号；000与010没有出现在这张固定表里，在这次抽记录的试验中概率为零。

这里的零只涉及从当前十二条里抽取这件事，不涉及未来海报处理能否产生000或010。一个模型回答自己的问题，不能越过试验定义去替另一个过程作保证。

这个例子也说明，花体F不是某种神秘的物理场。在有限案例里，我们可以把所有编号子集都当成事件：抽到哪些记录、是否属于某个范围，都能讨论。面对连续而复杂的空间，事件集合需要更正式的数学约束；等到学习相关理论时再展开，不影响现在使用这些有限模型。

概率空间与随机变量的关系也可以说得很朴素：空间规定这次可能抽中哪条记录，变量规定抽中以后读出哪一列数。你可以读X列，也可以读Y列或T列。同一次抽取没有改变，观察角度发生了变化。

因此，看到“AI 的成功概率是多少”时，问题其实还没完整。是从什么材料里选择任务，采用什么处理过程，成功按哪个事件定义，概率依据是什么？把这些内容补到足够清楚，才形成一个可以讨论的概率问题。

十、上下文怎样进入不确定性，而不是成为一句口号

把这套认识带回 AI，可以从输入与生成两个位置理解变化。

首先，某些文本生成方法会根据模型给出的下一步词元分布进行抽样；词元可以理解为模型处理文字时使用的基本片段。也有方法在每一步选择概率最高的候选。Hugging Face 的生成文档将抽样与这种贪心选择分别介绍。Hugging Face：文本生成中的选择策略

所以，不能只要看见 AI 就断言每一步都在随机抽签，也不能因为某种生成方法采用抽样，就认为所有句子都一样容易被选到。选择方式需要结合具体系统与设置理解。本章不要求学生马上调这些参数，先知道“生成可能不同”有具体机制，而不是工具的一种神秘性格。

其次，输入与上下文也决定了我们在研究什么过程。同样写着“提取活动日期”，只给裁掉年份的图片，与提供完整海报及明确的日期解释要求，已经不是完全相同的任务条件。

换到另一批资料时，小叶若发现某张海报写着“下周一”，而缺少这句话所依据的时间背景，就不应该期待模型仅凭提取指令得到唯一确定的日历日期。补入可信的时间依据，可能让原来欠缺的解释条件变得明确。这是增加相关信息，不是让 AI 更有信心地猜。

但上下文也不总是越多越好。若同时放进旧版通知和新版海报，却没有说明哪一份生效，材料增加了，选择依据仍可能混乱。先标清有效版本、保留必要原文和解释规则，通常比堆入许多无关文本更贴近这个问题。

从概率角度看，条件改变后，结果分布可能改变。这不要求每次都能算出一个新概率，也不意味着每加一句话必然提高成功率。它提醒我们：讨论表现时需要说明是在什么输入、资料和流程下讨论。

这里还要分清生成文字的概率与内容符合事实的概率。一种表述在模型的候选中较容易被选出，不等于它必然符合这张海报的日期。后者需要与可信资料核对。语言流畅、表达常见、语气坚定，与字段核查正确，分别对应不同性质。

比如，一个答复把日期、地点和截止时间写得十分整齐，但截止时间来自旧通知。在本章规则下，它仍可能是110，而不是111。评价需要回到任务定义，不能被表面完整替代。

掌握这一点以后，概率知识就开始成为使用 AI 的底层认识：允许输出有变化，寻找可改善的条件，保留真实结果，并根据任务目标检查它。它不要求我们每次都写公式，而是让我们更容易想到正确的观察位置。

十一、把定义落实到记录和简单计算

小叶并不需要手工为每条记录重复填写所有派生列。只要保留是否及时取得完整答复，以及已返回内容的字段核查标记，R、X、Y就能按同一规则计算。这正是将概念表达清楚的一个直接好处：人负责明确问题与依据，计算负责一致地执行规则。

下面这段 Python 接收三个字段的核查标记。没有完整答复时传入None；有完整答复时传入三个0或1：

def measure(fields):
    if fields is None:
        return {"returned": 0, "usable": 0, "all_correct": 0}
    if len(fields) != 3 or any(v not in (0, 1) for v in fields):
        raise ValueError("需要三个字段的核查标记")
    usable = sum(fields)
    return {
        "returned": 1,
        "usable": usable,
        "all_correct": int(usable == 3),
    }

输入(1, 1, 0)时，程序得到及时返回1、可用字段2、全对0；输入None时，三个派生量都是0，但原始输入仍然保留未收到完整答复的身份。

程序没有判断海报上的真实日期，也没有自动证明人工核查正确。它只根据已经提供的核查标记计算派生量。若把错误的标记交进去，程序可以很稳定地算出错误基础上的汇总，因此还需要保留原图与核查依据。

这段例子也不要求所有学生先学会编程。即使交给 AI 实现，你也已经能够说明输入是什么、每个输出表示什么，以及None为何不能在所有语境下直接当成三项错误。对这些含义的掌握，比背住某个函数名更容易迁移。

完成第一批记录以后，可以先回答一个具体问题。例如，这批首次提交中未及时返回一条，及时返回但未全对六条。前一种适合检查返回过程或观察安排，后一种适合进一步看字段缺口；两者不必采用同一种改进。

至于改进后是否更好，可以另存新一轮记录，标明改变的条件，再进行比较。无需在这里把所有未来分析都做完。先形成一份定义清楚、能够回查的数据，后面的分布、波动、条件概率和统计判断才有坚实的落脚点。

十二、练习与参考分析

练习一：十二次使用，是否就在研究同一件事

小叶把同一张清晰海报从相同起点提交十二次，另一组操作则是把十二张不同版式海报各提交一次。两组都记录首次完整答复是否三项全对。它们分别更适合观察什么？若第一组全部正确，能否直接宣布第二组也会全部正确？

**参考分析：**第一组主要观察固定输入下的重复表现，第二组涉及不同材料在同一流程中的处理表现。两者的核查指标可以相同，输入对象的变化方式却不同。

第一组全部正确，说明这十二次固定输入尝试达到了要求；它没有覆盖其他版式。若下一步要处理多种海报，就需要让相应材料进入观察。也不能仅凭“提交了十二次”便默认它们互相独立，尤其在会累积上下文或共享服务状态的情况下，重复次数与独立信息量需要分别考虑。当前先把试验方式记录清楚，独立性的详细判断留待后续章节。

练习二：用事件说明要求，而不是凭类别数猜概率

仍用本章的九种粗略结果。A表示至少两个字段正确且及时返回，B表示截止时间正确且及时返回。请判断001、110、111与⊥分别属于哪些事件，并写出A与B同时发生的结果集合。有人认为A包含四种结果，因此概率必然为4/9，这个判断缺什么？

**参考分析：**001只属于B，110只属于A，111同时属于A和B，⊥两者都不属于。交集为011、101、111。这里按三个位置的意义检查即可，不必靠记忆图形。

4/9的计算还要求九种结果等可能，而分类本身没有给出这一条件。某种状态可以经常出现，也可以很少出现。完整地列出候选结果，是为概率模型准备对象，并没有同时完成概率分配。

练习三：X等于零，究竟知道了什么

记录只保留可用字段个数X，没有保留原字段状态。看到X等于2，能否知道哪个字段不正确？看到X等于0，能否断定三个字段都被提错？若想区分后一种情况，应增加什么信息？

**参考分析：**X等于2可能来自110、101或011，不能反推出具体缺口。X等于0可能来自000，也可能来自⊥；本章把后者记零，是限时产出的定义，而不是内容核查结果。

增加R可以区分有没有及时取得完整答复；保留原始三字段标记，可以进一步定位内容问题。一个数值压缩了原始结果，便于汇总，也会失去部分信息。需要恢复哪些区别，就保留相应列，不必否定这个数量本身的价值。

练习四：根据记录算出结果，再说明数字适用于哪里

根据十二条记录，求X的总和，以及X等于0、1、2、3各出现多少次。再计算三项全对的批次比例。若改为从这十二个固定编号中等可能抽取一个，抽到三项全对记录的概率是多少？为什么这仍不等于下一张新海报成功的精确概率？

**参考分析：**X等于0有一条，等于1有两条，等于2有四条，等于3有五条，总次数为十二。字段总数可以按分组计算：

三项全对有五条，批次比例为5/12，约41.7%。等可能抽取固定编号时，抽到这五条之一的概率也为5/12；这时概率来自明确规定的抽取方式。

下一张新海报的内容及处理过程不属于“从固定表里抽一个编号”这项试验。可以考虑利用已有数据估计新任务表现，但还需要材料与流程的适用性等依据，不能因为分数相同就省略推断这一步。

练习五：观察截止与内容错误怎样分别记录

R05的观察时长为60秒、X等于0。有人将它写成“AI用六十秒完成答复，三项全错”。另有人说十二张海报共有三十六个目标字段，只有二十五个正确，因此AI明确答错了十一个字段。请评价这两个说法。

**参考分析：**R05在观察截止时没有收到完整答复，不能写成六十秒完成，也无法据这条记录知道此后是否返回。X等于0表示限时内未取得可计入的正确字段，不代表完成了三项错误核查。

三十六减二十五确实等于十一，但这十一个是未按本轮要求取得的字段位置。十一条已经返回的记录提供了三十三个可核查位置，其中二十五个正确，另八个不正确或缺漏；剩余三个位置来自未收到完整答复的R05。

因此可以报告“本批三十六个目标位置中，限时取得二十五个正确字段”，并分别报告八个内容错误或缺漏位置、三个随整条未返回而未取得的位置。这样既描述了端到端产出，也保留了改进所需的原因区别。

练习六：把同样的方法迁移到录音转写

小叶准备让 AI 转写一批短录音。他现在只记录“好用”或“不好用”。请提出一套可以开始使用的试验定义，以及两三个不同的观察量。要说明未返回、尚未核查和内容错误如何处理，不需要制定一套覆盖所有场景的评分体系。

**参考分析：**可以先规定每段录音进行一次首次转写，保存音频编号、所用设置、原始输出和事先确定的观察截止。若后续会进行纠错，把纠错后的稿件和投入另记；首次结果与最终结果都可以有意义。

观察量可以包括是否在截止前取得完整转写、观察时长，以及按预先选定规则核查的错误数量。错误数量需要实际参照音频或可靠校对稿；尚未核查不能填为零错误，未返回也不能按一份已经核查的空错误清单处理。可以另设“待核查”状态。

若还关心能否直接用于课程笔记，可以另定义满足哪些内容与格式要求才记为可直接使用。这个事件不必与字面完全一致的转写相同，定义应跟随用途。先试几段，看看这些量能否区分实际困难，再调整记录方式。概率学习从这里开始发挥作用：把笼统印象变成有对象、有条件、能够积累和解释的观察。