九月是美网(US Open)的月份。看网球的人都有这种感觉:两名球员每一分都打得难分高下,最终比分却相差悬殊。这不是错觉。网球的计分制度就像一个优势放大器,而这种效应可以用高中概率和一个等比级数来衡量。本文所有数字均为假设,目的在于理解机制,而不是预测任何比赛。
模型:每一分都是一枚不均匀的硬币
假设球员 A 每一分的胜率都是 ,且与之前的分无关;记 为丢分的概率。现实中发球方通常占优,关键分也有心理压力,但这个简单模型已经抓住了要点。
一局的规则是:先得 4 分且领先至少 2 分者获胜。15、30、40 只是 1、2、3 分的叫法。若比分来到 3 比 3(40 平,即平分),则必须有一方连续领先 2 分才能结束这一局。
把一局拆成几种情况
A 获胜有四种方式:4 比 0、4 比 1、4 比 2,或经过平分。前三种纯属计数。最后一分一定属于 A,因此只有之前的分可以调换顺序。
- 4 比 0:连得四分,概率 。
- 4 比 1:前 4 分中 A 丢 1 分,顺序任意,共 种。概率 。
- 4 比 2:前 5 分中丢 2 分,共 种。概率 。
- 平分:前 6 分双方各得 3 分,共 种。到达平分的概率为 。
注意不存在 4 比 3 的情况:3 比 3 时已经进入平分。
平分与等比级数
从平分开始,把分两两一组来看。每组有三种结果:A 连得两分(),赢下这一局;B 连得两分(),赢下这一局;或者各得一分(),回到平分。所以 A 可能在第一组就获胜,也可能在回到平分一次、两次……之后获胜。把所有路径相加,得到公比为 的等比级数;由于公比小于 1,级数收敛。
综合起来,赢下一局的概率为:
快速检验:当 时,两名球员完全相同,公式应恰好给出 50%。结果确实如此:各项之和为 0.5。
例题:p = 0.6
- 确定数值:p = 0.6,则 q = 0.4。
- 4 比 0 获胜:p 的四次方。
- 4 比 1 获胜:共 4 种顺序。
- 4 比 2 获胜:共 10 种顺序。
- 到达平分的概率:双方各 3 分,共 20 种顺序。
- 用等比级数求平分后获胜的概率。
- 把直接获胜的情况与平分情况相加。
- 检验:精确分数为 29889/40625,即 0.7357。用 p = 0.6 随机模拟 20 万局,结果同样约为 73.6%。
微小优势如何被放大
对其他 值(均为假设)套用同一公式:
| 每分胜率 | 每局胜率 |
|---|---|
| 50% | 50.0% |
| 55% | 62.3% |
| 60% | 73.6% |
| 65% | 83.0% |
每分多 5 个百分点,每局就多出 12 个百分点以上。原因在于一局要求连续的成功:既要先到 4 分,还要领先 2 分。赛制要求的事件越多,平均水平就越能压过运气,这与大数定律的思想一致。
一盘在更高一层重复这个机制:需要以 2 局优势先赢 6 局(或打抢七)。于是在局中已被放大的优势会再次放大,五盘三胜的比赛则放大第三次。计算一盘需要考虑每局由谁发球,但结构相同:用组合数计数的直接情况,加上一段不断重复的过程。
常见错误
- 忘记顺序数。 把 4 比 1 写成 ,忽略了丢的那一分可以是前 4 分中的任何一分。二项式系数不可省略。
- 让丢分落在最后一分。 最后一分总属于获胜者,所以 4 比 2 用 ,而不是 。
- 把平分当成一分处理。 平分后必须连赢两分,各得一分则重新开始。
- 公比算错。 公比是 而不是 :各得一分有两种顺序。
- 把模型当成现实。 各分独立且 固定是有用的简化,而非真实比赛的精确描述。
常见问题
平分的级数为什么收敛?
因为公比 2pq 最大不超过 0.5(在 p = 0.5 时取得最大值)。公比在 0 与 1 之间的等比级数之和为 a/(1 − r),这里即 p²/(1 − 2pq)。
这个公式适用于抢七吗?
思路相同,系数不同:抢七先到 7 分且领先 2 分,因此要计算 7 比 0 到 7 比 5 的获胜情况,再加上 6 比 6 的平局,后者同样用 p²/(1 − 2pq) 解决。
如果球员发球和接发球的胜率不同呢?
一局之内始终由同一人发球,所以固定 p 是合理的。差别体现在一盘中,发球方轮换;可分别计算每种情况下的每局胜率,再组合起来。
能用来预测真实比赛吗?
它帮助理解结构。真实预测需要用可靠数据估计 p,并考虑各分并非完全独立。