1701744440
bbbb
1701744441
1701744442
bbbb
1701744443
1701744444
bbbb
1701744445
1701744446
bbbb
1701744447
1701744448
bbbb
1701744449
1701744450
bbbb
1701744451
1701744452
bbbb
1701744453
1701744454
第二组只有一个b，只有2行相同，第三组有4行相同，第四组有8行相同，第五组有16行相同，每次翻1倍。这是因为我们认为仓库中的黑球是白球的2倍。若我们假设是以10倍递增，就不是1、2、4、8、16，而是1、10、100、1000、10000。
1701744455
1701744456
另一种情况是，如果仓库中的黑白球数量相等，那么每组就会只有一行。现在假设从其中一个缸中抽出两个球，并且发现都是白球，下一个是白球的概率是多少？如果被抽出的两个是开始投入缸中的两个，那么下一个取出的是第三个投入的球，则无论前两个球是什么颜色，第三个是白球的概率相同。因为我们认为，只有相同比例的缸在前两个为白色白色、白色黑色、黑色白色和黑色黑色之后，第三个球才是白色。因此，在这种情况下，第三个球是白色的机会与前两个相同。但是，通过观察第84页上的分布表，读者可以看到，在每组中取出球和放入球的频率相同，因此抓球结果与放入顺序无关。因此，已经取出的球的颜色对其他球是白色或黑色的概率都没有影响。
1701744457
1701744458
现在，如果有方法来列举自然情况下的可能性，并使得每种可能性相同，那么显然应该使每组自然的元素排列或组合（也就是我们所假设的分布方式）的可能性相同，因此，似乎可以假设任何这样的分布都是可能的，而这种假设只能得出一个结论，即从过去推断未来，经验绝对是毫无价值的。事实上，在你认为我们完全忽视的机会占到一半时，关于潮汐的问题在概率上与抛硬币的问题没有任何差别，一枚硬币（已知正反两面的可能性均等）成功正面朝上也可以有m 次。简而言之，假设自然完全是杂乱无章的，或是独立因素的随机组合，那么就无法从一个事实推论出另一个事实；而且，正如我们后面会看到的那样，没有推理就不能从纯粹的观察中得出判断，这不啻假设人类的所有知识都是错误的，真知是不可能的。假设我们过去或多或少发现自然是有一定秩序的，这纯粹只是运气，而现在我们的运气已经用完了。现在，我们可能没有相反的证据，但是，若认为大部分问题都解决了、没有人会怀疑或能够质疑、对此否定的人会认为自己很愚蠢，那么推理也就毫无必要了。
1701744459
1701744460
我们有权谈论自然排列的各种相对概率，比如宇宙的数量是否和黑莓一样多；我们是否能把各个宇宙放到一个袋子里，充分摇匀，取出一个样本，检验每种排列的可能性分别是多少。但是，即使在这种情况下，我们还会被一个更广阔的宇宙包含在内，对于它来说，概率便没有用武之地了。
1701744461
1701744462
四
1701744463
1701744464
我们已经研究了概念论提出的问题。简而言之：给定一个综合性结论；我们的目标是，发现在任何指定范围内的所有可能情形中，有多少种是符合该结论的；并且我们已经发现，将综合性推理归约为分析性推理是荒谬的，没有任何确定的方法可以解决。
1701744465
1701744466
但是，与这个问题相关的另一个问题是这样的：给定若干事实，求与之相关的综合性推论有多大概率为真（允许一定的近似度）。现在，解决这个问题没有任何困难（除了算术比较复杂），并且已经得到了深入研究，答案是完全清晰的。难道这不是我们最想知道的吗？我们为什么要了解事实有多大概率符合我们的结论？这意味着，我们对所有可能的领域都感兴趣，而不仅仅是我们所处的领域。我们为什么不那么关心我们的结论有多大概率符合事实呢？原因就在于上面的两个问题。我还要问读者，如果人们不是在完全没有理解自己意思的情况下使用“概率”一词，而是使用“相对频率”一词，那么他们可能会看不到为了得到结论的概率，他们不应该带着分析法的思路去进行综合性的推断；恰恰相反，应该从事实出发，得出综合性的推断，然后再回到事实，检验推断是否与事实相符。
1701744467
1701744468
1701744469
1701744470
1701744471
1701744472
因为我们不能有一缸无限数量的球来代表大自然的无穷无尽，所以让我们假设一缸有限数量的球，每个球被抽出后又被抛回到缸里，这样也就模拟出无穷了。假设 的球是白色的，其余都是黑色的，从中抽出4个球。然后，第84页上的分布表代表了取出球的不同方法的相对频率。可以看出，如果我们判断这4个球在缸中的比例，若抽取81次，有32次抽到这4个球，则比例为 ；若抽取81次，有24次抽到这4个球，则比例为 ；实际值是 。把这个表格中的数字扩大到无穷大是相当费力的，但数学家已经发现了一些巧妙的方式来计算这些数字。经研究发现，如果白球的真实比例为P ，取出球的数量是S ，则通过归纳得到的比例误差分布如下。
1701744473
1701744474
1701744475
1701744476
1701744477
1701744478
1701744479
1701744480
1701744481
这种算法可以举例说明。据1870年人口普查结果，本地一岁以下的白种人儿童中，男性比例为0.5082，而在其他肤色的同年龄段的儿童中，此比例仅为0.4977。比例差距为0.0105，即约每100人相差1人。这要归为偶然性？还是说在大量的白种人孩子与其他人种孩子中间，这种差别依然存在？此处的P 可以取 ，所以2P （1-P ）也是 。白种人孩子的总数接近1，000，000，所以，我们需要把 开平方，结果约为 ，再乘以0.477，约为0.0003。也就是说，通过归纳得到白种人男童比例的误差范围在0.0003以内。黑种人儿童数量约为150，000，误差范围在0.0008以内。于是，我们可以看到，实际的差距是两者误差范围之和（0.0003+0.0008）的10倍左右。根据第92页上的列表，从长期来看，如果是因为纯粹的统计误差，那么大概100亿次中才会出现一次。
1701744482
1701744483
1701744484
1701744485
1701744486
1701744487
1701744488
1701744489
请注意，当归纳探寻概率的实际值要么很大、要么很小时，推理就更有把握。因此，想象一下在现实中从一个装有100个球的容器里去抽取1个白球，抽取100次来做判断，得到的结果是，抽不到白球的概率是 ，抽到1个白球的概率是 ，抽到2个白球的概率是 ，抽到3个白球的概率是 ，抽到4个白球的概率是 ，抽到5个白球的概率是 ，以此类推。于是，我们几乎可以肯定，在这100个球里，最多只有1个白球。