为什么管子里的甲虫必然重返原点, 而赌徒的本金终将归零？

一维路径上的无向运动

想象一只甲虫在一个无限长且平直的细管子里移动. 由于管子极窄, 它只能向前或向后爬行. 假设它每次以相同的概率向前或向后爬行固定的距离. 最终, 这只甲虫能回到起点的概率是多少？[1]

这是经典的“一维随机游走”（Random Walk）模型. 最早于 年由卡尔·皮尔逊提出. 为了定量分析, 我们将管子抽象为一条整数坐标轴. 甲虫从 点出发, 每一步都以 的概率移动 (向左)或 (向右).

为了直观地理解这个过程, 我们可以截取甲虫走过的前 步来进行简单的路径清点. 假设甲虫向左走了 步, 向右走了 步, 抵消之后, 它必然停留在坐标 的位置. 在这 步中, 向左走的那 步可能发生在第 到第 次移动中的任意一次. 根据组合公式 , 总共有 条完全不同的行动轨迹可以到达该点（具体包括：左右右右右, 右左右右右, 右右左右右, 右右右左右, 右右右右左）. 既然这种简单的微观漫步可以通过明确的数学路径来精确刻画, 那么我们就可以将其推广为更严密的一般性定义：

上述模型讨论的是一条无限长的路线. 为了回答甲虫能否回到起点的问题, 我们需要先引入一个带有终点（即吸收边界）的模型, 观察游走者的概率分布会发生什么实质性的变化.

引入双边界：破产概率的几何意义

我们可以将带有两个边界的随机游走转化为经典的“破产问题”.

假设某人参与一场胜负概率各为 的游戏, 每次投入 元. 初始资金为 元, 他的目标是累积到 元就停止（止盈边界）, 或者资金归 就出局（破产边界）. 我们设 为初始资金为 时, 最终落入边界 （破产）的概率.

首先我们观察到两个确定的边界条件：如果初始资金就是 , 那么破产概率 ；如果初始资金已经达到目标 , 则破产概率 .

当初始资金位于两者之间（）时, 下一步他有 的概率资金变为 , 也有 的概率变为 . 根据全概率公式, 必然存在如下递推关系：

对该等式进行移项整理, 可得 . 这意味着, 在坐标系中, 各点的破产概率 是随着初始资金 成等差数列（即线性）变化的. 结合已知的边界条件 与 , 我们可以直接得出最终公式：

换个更直白的角度来看, 这个公式具有非常清晰的几何意义. 破产的概率, 实际上等于当前资金点到止盈目标点的距离（）, 占总距离（）的比例.

这在现实世界中揭示了一个必然的数学事实：如果对手（例如赌场）的资金储备（总距离 ）无限大, 而你的初始资金 是有限常数, 那么分子将无限趋近于分母, 你破产的概率将严格逼近 .

既然双边界会严格按照距离比例分配概率, 那么如果我们在模型中撤去其中一个边界, 结果又会如何？

单边界极限与无边界的常返性

假设游走者走在一条射线上, 起点后方一步之遥就是一个一旦碰到就会停止游走的“吸收边界”, 而前方有无限的空间. 他向前和向后的概率依然各为 .

我们可以直接利用刚刚推导出的公式 . 由于前方没有了止盈边界, 这在数学上等价于将 延伸至正无穷. 当我们计算极限 时, 结果恒等于 .

这意味着, 只要存在单一的吸收边界, 无论前方的空间有多么广阔, 只要进行的是无偏的随机游走, 游走者最终撞上该边界的概率是 .

在明确了单边界的必然后果后, 我们再把视角切换回文章开头那只在无边界管子里爬行的甲虫.

当甲虫从坐标 跨出第一步（假设到达坐标 ）时, 此时的坐标 对于它而言, 就变成了一个它必须跨越的“单边界”. 因为单边界的碰撞概率是 , 所以甲虫必然会退回坐标 .

这直接回答了我们开篇提出的问题：在一维的管子中, 这只盲目爬行的甲虫最终回到起点的概率是严密的 . 数学上, 这种必然回到起点的性质被称为“常返性”（Recurrence）.

那么, 如果我们将管子替换为广阔的平面或立体的空间, 这种必然回归的定律还成立吗？

空间维度对常返性的降维打击

年, 数学家乔治·波利亚（George Pólya）严格证明了空间维度对常返性的决定性影响：

• 在一维（直线）和二维（平坦地面）的无限空间中, 对称随机游走的常返概率是 . 游走者只要时间足够长, 必然能回到起点.
• 但在三维（立体空间）中, 回归起点的概率骤降至约 . 随着维度增加, 回归概率以极快的速度递减.

这背后的物理机制非常直观：维度的增加极大地扩张了系统的状态空间. 在二维平面上, 游走者只能在前后左右移动；而一旦进入三维空间, 增加的垂直自由度（上下移动）提供了一条绕开原点的全新路径, 使得在低维中必然发生的“相遇”, 在高维中被彻底稀释成了一种低概率事件.

这也完美印证了日本数学家角谷静夫关于波利亚定理那句著名的物理映射论断：

“一个随机游走的醉汉总能找到回家的路, 而一只随机游走的鸟却可能迷失在荒野. ”

醉汉的脚步被重力严格限制在二维的地表面上, 因此他必然会与起点重逢；而鸟类拥有了三维的垂直广阔自由度, 空间的膨胀最终让回归成为一种小概率的随机事件.

说到底, 决定一个随机游走系统最终分布状态的, 从来不是微观层面上某一次选择的运气, 而是系统底层设定的边界条件与空间自由度.

进一步思考：如果地面是倾斜的？

在本文所有的推导中, 我们都设定了一个极其理想化的前提：向前和向后的概率是绝对相等的（都是）. 这就像是一只甲虫在绝对水平的管子里爬行, 或者赌徒在玩一个绝对公平的抛硬币游戏.

但真实的物理世界和现实生活, 往往存在着不易察觉的“倾斜”.

假设管子微微倾斜, 导致甲虫每一步向下（退回起点方向）滑动的概率变成了, 而向上（远离起点方向）爬行的概率只有. 这被称为“不对称随机游走”.

那么在这种“概率不再对等”的微观物理限制下, 甲虫回到起点的概率依然是 吗？它的运动轨迹在宏观上会表现出怎样的必然趋势？

在真实的赌场中, 由于规则的设计, 玩家赢的概率永远达不到绝对的 , 可能只有 . 在这种 的情况下, 即便对手（赌场）的资金不是无限大, 赌徒破产的概率分布会发生怎样剧烈的形变？

打破绝对的对称, 引入现实的微小偏差, 数学模型又会给出怎样冰冷而客观的结论？顺着这个思路, 你不妨在纸上重新列一下那个带有 的递推等式, 亲自验证一下现实的残酷.

参考文献

1. Clifford A. Pickover. The Math Book[M]. NewYork:Union Square & Co. 2009:112.

2. 陈大岳.从随机游动谈起. https://www.math.pku.edu.cn/teachers/dayue/Homepage/random-walk-and.pdf.