ALIENATIO

明確地說，其機率是

[(49*48*47*46*45*44)/(6*5*4*3*52)]^(-1)=1/13,983,816

也就是約莫十億分之七十一點五。

換言之，無論你怎麼去選號，獲大獎的機率都是一樣的。

如果今天有一個迷信者，認為「4」這個數字實在太差了，因此他選號的時候絕對不會選4號，那麼他的中大獎機率是不是會有所改變呢？統計學的不是很好的我，老實說一度為了這個問題有所困擾。

答案應該是「不會」。

可是這個答案實在讓人（比方說我）感到不太舒服。為了說服我自己，所以今天用電腦模擬了一個樂透彩遊戲，想要來看看迷信者與隨機選號者的行為到底會不會影響獲獎機率。

模擬環境做了一些簡化（以加速計算），改為十個號碼選三個，只看三個全猜中的機率。兩個人，玩十萬回合。
隨機選號者每一次下注都是電腦隨機；迷信者相信「1、2、3」這組號碼一定會中獎，所以他只下注這個號碼（for 100,000 times）。十萬回合過後，統計兩人獲獎的次數（＝中獎機率），並檢定其差異。

以下是用統計軟體「Ｒ」（open source）所寫下的code：

# (c) EverDark
# a small experiment of lottery game
# choose 3 from 10 numbers withour replacement
# the winner is who makes exact guesses for all three numbers
# functions invovled:
# numeric(), identical(), matrix(), is.element(), as.character(), sample()

?sample # use random sampling as a quasi-lottery-drawing mechanism
T<-100000 # specify how many times to play

# draw lottery numbers
lottery<-matrix(nrow=T,ncol=3)
for (i in 1:T){lottery[i,]<-sample(1:10,3,replace=F)}

# for player 1 who randomizes her choices
guess1<-matrix(nrow=T,ncol=3)
for (i in 1:T){guess1[i,]<-sample(1:10,3,replace=F)}
results1<-matrix(nrow=T,ncol=3)
for (i in 1:T){results1[i,]<-is.element(guess1[i,],lottery[i,])}
results1<-matrix(as.character(results1),nrow=T,ncol=3)
odds1<-numeric(T)
for (i in 1:T){odds1[i]<-identical(c("TRUE","TRUE","TRUE"),results1[i,])}

# for player 2 who sticks to her beliefs
guess2<-matrix(rep(c(1,2,3),T),nrow=T,ncol=3,byrow=T)
results2<-matrix(nrow=T,ncol=3)
for (i in 1:T){results2[i,]<-is.element(guess2[i,],lottery[i,])}
results2<-matrix(as.character(results2),nrow=T,ncol=3)
odds2<-numeric(T)
for (i in 1:T){odds2[i]<-identical(c("TRUE","TRUE","TRUE"),results2[i,])}

# theoretical odds
(10*9*8/(3*2))^(-1)

# who wins?
length(odds1[odds1==1])/T
length(odds2[odds2==1])/T
t.test(odds1,odds2)

進行兩樣本均數之差是否為零的統計檢定後，得到無法拒絕null的結論。所以結果是，迷信對中獎機率完全沒有影響！（廢話）

呃，雖然對結果感到有些失望（？），不過這就是事實。（遠目）

本篇文章其實是想要告訴大家，電腦模擬是很好用的概念，不需要任何理論基礎、不需要推導證明！實際上，電腦模擬的概念已經相當廣泛地運用在各種計量方法：有所謂的蒙地卡羅（Monte Carlo experiment）、樣本重抽（bootstrapping），都是近代個人電腦運算能力大幅強化之後，得以被應用在學術或工程環境的實用技巧。

個人是認為，大學課程裡的「統計學」不應該再著重於一些太傳統的materials，而要把面向往時代的尖端拉近才是呢。

舉例而言，台灣大學經濟系今年由駱明慶老師任教的大學部統計學（下學期），就能讓大學生學會許多實用的個體計量操作與因果推論分析（使用STATA這套軟體），這絕對比去教導學生「證明XX定理」還要更有意思多了。（並不是每個學生都意在朝理論研究的領域發展）

---

ps. 本文的標題其實原本是下成：「迷信是否有助於中獎機率的提高？」（笑）

「Ｒ」的官方網站：http://www.r-project.org/