旋转矩阵表 11 选 5：扔硬币的概率游戏 在数学界，特别是概率论和统计学里，我们时常听到一句老话：“大数定律”。好办讲，就是把大量小概率事件堆在一起，它们最终会“收敛”到一个稳定的平均值。扔硬币就是个经典的例子。
要是你连续抛 100 次，正面的次数大约就在 50 次上下波动，但要是你抛 10000 次，那数值会贼稳定地停在 5000 附近。 想象一下，你有 11 个硬币，每个硬币都是公平的，正面和反面出现的机会彻底一样，概率各占 50%。
这时候，我们要拍板如何扔，才能测出所有硬币加起来，正面和反面出现的总次数相等，也就是“平衡”状态。数学上，这个“平衡点”就是一个特定的向量。
只要我们在旋转这个向量，只要这个向量充足长，它最终就会无限接近于这个“平衡点”。 在表 11 选 5 这个具体的应用场景里，实际上并没有这种“收敛”的过程，出于 11 选 5 只是从 11 个硬币里随机抽取 5 个进行统计，总次数是固定的 50 次。
故此这里没有像扔硬币那样随着次数增添而趋向于中心的情况。
可是，要是我们把这个难题拉长一点，假设我们要进行成千上万次试验，每一次都要选 5 个硬币来测，每次选到的那 5 个硬币在统计上会贼稳定地落在“总正面=总反面”这个点上，并且这个“稳定点”就是我们要找的“平均平衡状态”。 咱们得先拆解一下这个“坐标”。假设我们抛硬币，这 11 个硬币的正面状态能够用一个 11 维的向量来表示，比如 (0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0)。
这里的 0 代表反面，1 代表正面。为了让这个向量稳定在一个点上，我们需求对这个向量进行旋转。旋转矩阵的功能，就是把原本乱七八糟的向量，像转陀螺一样，慢慢转到坐标轴垂直的那个位置。 表 11 选 5 的核心逻辑在于“平均”。所有的 11 个硬币，我们不管如何扔，只要实验次数充足多，最终统计出来的正面占比，必然接近 50%。
这个 50% 对应的状态，就是所有硬币正面总和为 5.5，反面总和为 5.5，要么是接近这个值的最佳估摸。旋转矩阵在概率统计里，本质上就是在做“分布”的修正。当我们把硬币的状态看作一个高维空间的向量，然后通过旋转矩阵调整，我们就是在计算这个向量最“平均”的分布。
要是所有硬币都是公平的，那么旋转矩阵的旋转角度和，最终会使得所有硬币的状态向量，规整地排列在“平衡点”附近。 为了具体说明这一点，咱们不妨看看几个具体的例子。假设我们有一个硬币，它正面朝上的概率是 60%，反面是 40%。
这时候，要是我们要让它稳定在 50% 的“平衡点”上，我们需求对它进行“校准”。通过构建 2 维的旋转矩阵（比如只寻思正面和反面的正交表示），我们能够计算出最佳的角度，使得这个硬币的状态向量，在统计意义上，最接近 50:50 的比例。 表 11 选 5 里面，除了这 5 个被选中的硬币，还有 6 个没被选中的。
这 6 个没被选中的硬币，实际上也在进行旋转。别看它们被选中的次数是 0，不形成任何统计值，但它们在数学上依然被包含在这个 11 维的向量空间里。
要是我们把整张牌的统计结局（包含被选中、未被选中但能够推断出的状态）看作一个整体，这个整体也会受到同样的旋转过程影响。 表 11 选 5 之故此能求出精确的“平均平衡点”，是出于它利用了所有 11 个硬币的信息。就算某些硬币没被选中，只要我们在理论上知道它们的初始状态分布，通过旋转矩阵运算，就能推导出一个理论上的期望值。
这个期望值，就是所有硬币加起来，正面和反面出现次数的最稳定状态。 举个例子。假设我们有 11 个硬币，其中 8 个正面，3 个反面。
要是我们随机扔一次，这 11 个硬币的状态向量可能是 (1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0)。
要是我们通过旋转矩阵，把这 8 个正、3 个反的状态，强行“对齐”到一个理想分布上，比如让正反面各有 5 个硬币。
这时候，要是我们再从中随机选 5 个，这 5 个硬币在统计上，平均期望就是 2.5 个正、2.5 个反。 这种“平均”和“旋转”的概念，实际上贯穿了表 11 选 5 的整个统计流程。我们扔硬币，这是形成随机变量的过程；旋转矩阵，是在处理随机变量的分布；最终统计结局，就是产品在 11 选 5 条件下（比如某款产品能击中目标 11 次，其中 5 次是选中的）表现出的稳定性。
要是产品的旋转稳定性不好，也就是它的正面和反面占比长期偏离 50%，那么它就不符合表 11 选 5 所要求的“平衡”特性。 故此，表 11 选 5 并不是在说某个特定的向量会无限趋近于中心，而是在说，甭管你如何随机投掷、如何组合 11 个硬币，只要你的模型构建对（也就是你的旋转逻辑对），你最终拿到的“平均平衡点”，对于任何公平硬币来说，都是一个确定的常数。
这个常数，就是 50%。 自然，现实世界没那么理想。
要是硬币有偏差，要是人在扔的时候力度不均匀，那么整个旋转过程就会出现“偏航角”要么“阻尼角”，害得向量无法完美走到平衡点，而是停在某个“近似的平衡点”附近。
这时候，表 11 选 5 的结局就会带有误差。误差的大小，取决于我们在旋转过程中，使用的矩阵是否充足精确，还有实验的次数是否充足多。 最终总结一下，表 11 选 5 之故此能作为一个标准化的统计模型，就是出于它供给了一个通用的框架。在这个框架下，通过旋转矩阵来定义“公平”和“平衡”，再通过随机抽取来定义“样本”。
只要遵循这个逻辑，对于任何一组公平硬币，甭管他们初始状态如何，经过一次或多次旋转和选择，统计结局都会收敛到一个固定的、可预测的期望值上。
这实际上就是大数定律在离散统计中的具体体现，只不过这里的“大样本”是由“表 11 选 5"这个特定的统计规则来定义的，而不是由单纯的抛硬币次数来定义的。
