设定：三颗特殊骰子：
骰子A：面值 [2, 2, 4, 4, 9, 9]
骰子B：面值 [1, 1, 6, 6, 8, 8]
骰子C：面值 [3, 3, 5, 5, 7, 7]
直觉：如果A赢B，B赢C，那A应该赢C吧？
真相：A赢B（5/9），B赢C（5/9），但 C赢A（5/9）！
为什么会这样？
这叫非传递性（Nontransitivity）。在日常生活中，"比较"通常是传递的：如果小明比小红高，小红比小刚高，那小明一定比小刚高。
但骰子比大小不是单一维度的比较，每颗骰子的面值分布不同，导致了循环克制关系。
A vs B: A的9能赢B所有面，A的4能赢B的1 → A赢的概率 = 5/9
B vs C: B的8能赢C的3,5,7中的两个... → B赢的概率 = 5/9
C vs A: C的7能赢A的2,4，C的5能赢A的2,4 → C赢的概率 = 5/9
沃伦·巴菲特曾用非传递骰子和比尔·盖茨玩游戏，让盖茨先选骰子。盖茨研究了一会儿后说："你先选。"
问题A：一个家庭有两个孩子，已知老大是男孩，老二也是男孩的概率？
答案A：1/2（很直观）
问题B：一个家庭有两个孩子，已知至少有一个男孩，两个都是男孩的概率？
答案B：1/3（反直觉！）
为什么"至少一个男孩"变成了1/3？
两个孩子的所有可能组合（等概率）：
(男,男) (男,女) (女,男) (女,女)
条件A "老大是男孩"：排除后两种 → 剩 (男,男)(男,女) → 双男概率 = 1/2
条件B "至少一个男孩"：只排除(女,女) → 剩 (男,男)(男,女)(女,男) → 双男概率 = 1/3
关键区别：条件B保留了更多的样本空间。"至少一个男孩"是比"老大是男孩"更弱的条件，所以双男孩的比例更低。
场景：某罕见病发病率 1%。检测准确率 99%（灵敏度99%，特异度99%）。
你检测呈阳性，你真的得病的概率是多少？
直觉答案：99%？
真实答案：只有 50%！
真阳性
假阳性
真阴性
未检测
贝叶斯定理的威力
假设10000人接受检测：
真正患病：10000 × 1% = 100人
其中检测阳性（真阳性）：100 × 99% = 99人
没有患病：10000 × 99% = 9900人
其中检测阳性（假阳性）：9900 × 1% = 99人
总阳性 = 99 + 99 = 198人
阳性中真正患病 = 99 / 198 = 50%
关键洞察：当疾病很罕见时，健康人的基数远大于患病人数。即使假阳性率很低（1%），乘以巨大的健康人基数，假阳性的绝对数量也很大。
这就是为什么医生通常不建议对低风险人群做罕见病筛查。
问题：干脆面里有5种卡片，每包随机一张。集齐所有5种平均要买多少包？
直觉答案：5包？10包？
真实答案：约 11.42 包！
5
为什么需要这么多？
这是经典的优惠券收集问题（Coupon Collector's Problem）。
关键在于：集齐最后几张的难度远大于前几张。
已有0张 → 下一张新的概率 = 5/5 = 100%，期望 1 包
已有1张 → 下一张新的概率 = 4/5 = 80%，期望 1.25 包
已有2张 → 下一张新的概率 = 3/5 = 60%，期望 1.67 包
已有3张 → 下一张新的概率 = 2/5 = 40%，期望 2.5 包
已有4张 → 下一张新的概率 = 1/5 = 20%，期望 5 包
总期望 = 5×(1/5 + 1/4 + 1/3 + 1/2 + 1/1) = 5 × 2.283 ≈ 11.42 包
一般公式：n种卡片的期望购买数 = n × H(n)，其中 H(n) = 1 + 1/2 + 1/3 + ... + 1/n 是调和级数。
如果是集齐108张水浒卡？期望要买约 569包。
实验：周日抛一枚公平硬币。
- 如果正面：周一叫醒睡美人，实验结束。
- 如果反面：周一叫醒她，给她吃遗忘药，周二再叫醒她。
每次被叫醒时，睡美人不知道今天是周几。
问题：被叫醒时，她认为硬币正面朝上的概率是多少？
1/2派：硬币是公平的，当然是1/2。
1/3派：三次醒来中只有一次是正面，所以是1/3。
为什么两个答案都"对"？
这取决于你怎么理解"概率"：
1/2派（Halfer）：
硬币是公平的，没有新信息改变这个事实。
"被叫醒"不是新证据，因为无论正反面都会被叫醒。
所以概率仍然是 1/2。
1/3派（Thirder）：
三种等可能的醒来情况：
① 正面 + 周一（概率1/2 × 1 = 1/2）
② 反面 + 周一（概率1/2 × 1/2 = 1/4）
③ 反面 + 周二（概率1/2 × 1/2 = 1/4）
但从"醒来次数"角度：正面1次，反面2次 → 1/3
模拟结果支持1/3派：如果你统计所有醒来时刻，正面只占1/3。
但1/2派认为这是在偷换概念——把"实验次数"和"醒来次数"混淆了。
这个问题至今没有公认的正确答案，它触及了概率论的哲学基础。