一、1913 年，蒙特卡洛的那一夜
1913 年 8 月 18 日，摩纳哥蒙特卡洛赌场的一张轮盘桌上，出现了一次载入概率论教科书的事件：小球连续 26 次落在黑色格子。
从大约第 15 次黑开始，围观的赌客开始疯狂押注红色。理由在他们看来无懈可击：已经连了这么多把黑，红色「欠」得太多了，接下来必须补回来。押注额越加越大，因为「越往后越不可能再是黑」。
那一夜赌场赚走了数百万法郎。这件事后来让「赌徒谬误」得到了它的第二个名字：蒙特卡洛谬误（Monte Carlo fallacy）。
关键在于：赌客们的推理并非完全没有数学依据。他们心里其实想的是一个真命题，但用错了地方。这个混淆非常精妙，值得完整拆开看。
本文要证明的核心结论
设每次抽取相互独立、事件 A 每次发生的概率为 p。那么在「已经连续 N 次未发生」这个条件下，下一次发生 A 的概率仍然精确等于 p，与 N 的取值毫无关系。
二、把问题写成数学式子
要判断一个直觉对不对，第一步是把它翻译成能计算的形式。含糊的自然语言最容易藏错误。
2.1 伯努利试验序列
设有一列随机变量 X₁, X₂, X₃, …，每个 Xᵢ 只取两个值：发生（记 1）或不发生（记 0）。如果它们满足两个条件：
- 同分布：每个
Xᵢ取 1 的概率都是同一个常数p，不随i变化； - 相互独立：任意有限个
Xᵢ的联合概率等于各自概率之积。
那么这列变量就叫做伯努利试验序列。轮盘、硬币、均匀骰子、以及任何机械式或经检验合格的电子式摇号装置，都按这个模型建模。
2.2 独立性的精确定义
「独立」在日常语言里很模糊，但在概率论里有一行精确定义。两个事件 A、B 独立，当且仅当：
由条件概率的定义 P(A|B) = P(A ∩ B) / P(B)（要求 P(B) > 0），把上式代入立刻得到：
这一行就是全部答案了。剩下的工作只是把「连续 N 次未出现」写成一个具体的事件 B，然后确认它确实与下一次的结果独立。
三、动手算：连续 N 次之后
用骰子举例，比硬币更能看清结构。取一枚均匀六面骰，关注事件「掷出 6」，所以 p = 1/6 ≈ 0.1667。
3.1 定义两个事件
设已经掷了 N 次，令：
B= 「前N次全都不是 6」，即X₁=0, X₂=0, …, X_N=0；A= 「第N+1次是 6」，即X_{N+1}=1。
我们要求的是 P(A | B)。
3.2 直接计算
先算 P(B)。由独立性，联合概率等于各次概率之积，每次「不是 6」的概率是 5/6：
再算 P(A ∩ B)，也就是「前 N 次都不是 6，且第 N+1 次是 6」。同样由独立性：
代入条件概率定义：
(5/6)N 被完整约掉了。这就是关键——N 从结果里彻底消失，无论它是 3 还是 3000。
3.3 把 N 代进去看看
为了让「N 消失」这件事更直观，把几个具体数字列出来：
| N（连续未出现次数） | P(B) 出现这种连续的概率 | P(A|B) 下一次是 6 的概率 |
|---|---|---|
| 0（刚开始） | 1.000000 | 0.166667 |
| 1 | 0.833333 | 0.166667 |
| 5 | 0.401878 | 0.166667 |
| 10 | 0.161506 | 0.166667 |
| 20 | 0.026084 | 0.166667 |
| 50 | 0.000011 | 0.166667 |
| 100 | 1.2×10⁻⁸ | 0.166667 |
请注意这张表里两列的差别，它是整个误解的来源：
- 中间那列在飞快地减小。连续 50 次不出 6 是极其罕见的事，概率约百万分之十一。这个直觉是对的。
- 右边那列一动不动。但一旦这种罕见情况已经发生了，它对下一次没有任何影响。
被混淆的两个问题
问题一：「连续 51 次不出 6」的概率是多少？——极小，约 9.3×10⁻⁵ 的百分之一量级。
问题二：「已知前 50 次不出 6，第 51 次也不出 6」的概率是多少？——5/6，也就是 83.3%，一点都不小。
赌客用问题一的答案，回答了问题二。前 50 次的罕见性已经被「已知」消耗掉了，不能再重复计入。
四、一百万次模拟，看实测
数学证明已经完成，但亲眼看到实测数据仍然有说服力。下图是一个完整的数值实验：用固定种子的伪随机数生成器掷骰 100 万次，把每一次投掷按「它之前紧邻的连续未出现 6 的次数」分组，然后统计每组里「这一次是 6」的频率。
如果赌徒谬误成立，柱子应该随着分组向右递增。如果独立性成立，柱子应该全部贴在 1/6 的参考线上。
按「前置连续未出现次数」分组后，下一次掷出 6 的实测频率
100 万次投掷，随机种子 20260314（固定，可复现）。横轴为该次投掷之前已连续多少次未出现 6。
柱子是平的。分组越靠右样本量越小，所以抖动会变大——这是抽样误差，不是趋势。把鼠标悬停在柱子上可以看到每组的实际样本数：第 0 组有八十多万次投掷，而第 12 组只剩下几百次。
这一点很重要：「连续 12 次不出」这种情况本身很少见，但一旦碰上了，下一次仍然是 1/6。罕见的是那个前提，不是后面的结果。
自己动手复现
上图完全由浏览器端计算，代码就在本页源码里，随机种子写死为 20260314。你也可以用大数定律模拟器换任意种子重跑，柱子永远是平的。这就是可复现性——不需要相信任何人的结论。
五、直觉为什么会出错
赌徒谬误极其顽固，即使是学过概率论的人也会在放松警惕时犯。认知科学给出了至少三条机制。
5.1 把「代表性」当成概率
特沃斯基（Amos Tversky）与卡尼曼（Daniel Kahneman）在 1970 年代提出的代表性启发式指出：人判断一个样本的概率时，看的是它「像不像」总体的典型样貌，而不去算概率。
硬币的「典型样貌」是正反交替、大致各半。所以 正反正反反正 感觉比 正正正正正正 更可能出现。但作为指定序列，两者概率完全相同，都是 (1/2)⁶ = 1/64。
5.2 把「守恒」错误地套用到概率上
物理世界里守恒定律无处不在：能量、动量、质量。人于是形成一个强大的先验——某种东西被消耗了，就得补回来。
但概率不是一种存量。「红色欠了 26 把」这句话预设了存在一个红色的配额账户，而这个账户在数学上并不存在。轮盘没有内存，它不知道上一把是什么。
5.3 混淆「长期」与「下一次」
这是最隐蔽也最常见的一条，值得单独一节。
六、和大数定律的区别
赌客的心里那个真命题是这样的：投掷次数足够多时，红黑比例会趋近 50:50。这句话是对的，它就是大数定律。
问题出在从这句真话推出的那个结论。请对比：
| 正确（大数定律） | 错误（赌徒谬误） |
|---|---|
| 随 n 增大，频率 正面数/n 收敛到 0.5 | 随 n 增大，次数差 |正面数 − n/2| 会缩小到 0 |
| 收敛靠分母 n 变大把偏差稀释掉 | 收敛靠后续结果反向补偿把偏差抹平 |
| 不对任何单次结果作出预言 | 对下一次结果作出了预言 |
差别在于稀释和补偿。举一个具体的数：
假设前 100 次投掷出现了 60 次正面，偏差是 10 次，频率是 0.60。现在继续投 9900 次，按期望再出现约 4950 次正面。总数变成 60 + 4950 = 5010，总次数 10000，频率 0.501——非常接近 0.5 了。
但请注意那 10 次偏差还在那儿：5010 − 5000 = 10。它一点都没被补回来。频率之所以趋近 0.5，是因为分母从 100 涨到了 10000，把同样大小的偏差稀释了一百倍。
一句话记住
大数定律说的是偏差相对于 n 变得不重要，而不是偏差本身会消失。实际上，绝对偏差的典型大小会随 √n 缓慢增长（这是中心极限定理的结论），只是增长得比 n 慢得多而已。
这个区别的完整推导，包括切比雪夫不等式的证明和弱/强大数定律的差别，见《大数定律到底保证了什么》。
七、反向版本：热手谬误
赌徒谬误有一个方向相反的孪生兄弟。同一串「连续 26 次黑」，两种人会得出相反的结论：
- 赌徒谬误者：黑连太久了，该出红了 → 押红；
- 热手谬误者：这张桌子今天走黑，跟着走 → 押黑。
两种推理都错，而且错在同一个地方：都假设历史序列携带了关于下一次的信息。在独立性成立的前提下，这个信息量是零。有趣的是，两者不可能同时对，但可以同时错——它们错的方式是对称的。
一个重要的例外，也是唯一的例外
以上全部结论都建立在独立性成立这个前提上。如果装置本身有物理偏差（轮盘轻微倾斜、骰子重心偏移、摇号机某个球磨损），那么历史数据确实包含信息——但它包含的是「关于这台机器有多偏」的信息，而不是「关于下一次开什么」的信息。
而且方向恰好和赌徒谬误相反：如果检验发现某结果出现得系统性偏多，正确的推断是它未来还会偏多（机器偏向它），而不是「该轮到别的了」。怎样用统计检验判断装置是否有偏差，见《随机性检验：卡方统计量与 p 值》。
八、三个自查问题
下次听到任何关于「走势」「该出了」「遗漏值」的说法，用这三个问题过一遍：
- 这个说法是在算
P(B)还是P(A|B)？如果它用「这种情况很罕见」来论证「下一次会怎样」，那它混淆了这两者。罕见的前提一旦成为已知条件，就不再提供信息。 - 它假设了什么守恒？把它的逻辑写成「某个东西欠了多少、要补回来」，看这个「账户」在数学上是否存在。概率没有配额账户。
- 如果它成立，能不能构造出正期望策略？如果某个规律真的存在，就应该能设计出可重复获利的下注方案。用期望值算一下，会发现它算不出来——因为
E = R − 1与选号方法无关。
第三条尤其好用。它把一个含糊的直觉逼进一个可以验算的算式，而算式不会讲客气话。
延伸阅读与参考
- Tversky, A. & Kahneman, D. (1971). Belief in the law of small numbers. Psychological Bulletin, 76(2), 105–110.
- Tversky, A. & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124–1131.
- Gilovich, T., Vallone, R. & Tversky, A. (1985). The hot hand in basketball: On the misperception of random sequences. Cognitive Psychology, 17(3), 295–314.
- Feller, W. An Introduction to Probability Theory and Its Applications, Vol. 1. 第 3 章关于游程与波动的讨论。
- Ross, S. A First Course in Probability. 第 3 章条件概率与独立性。