定义 在随机抽取中，当样本量远小于总体量时，出现“重复”或“匹配”的概率远高于直觉预期的现象。
从哪来 基于 1.1 分数的意义 理解概率模型，利用 1.2 列表策略 和 1.3 列举策略 穷举小样本情况，结合 2.1 假设策略 构建“所有人都不相同”的反面情境。
为什么 直觉认为需要 365 人才能大概率撞生日，是因为我们在想“特定某人”的生日。但实际是“任意两人”匹配。
以 23 人为例：
1. 第 1 人无需匹配。
2. 第 2 人有 364/365 概率不撞。
3. 第 3 人有 363/365 概率不撞前两人。
...
23 人都不撞的概率是连乘积 $P = \frac{364}{365} \times \frac{363}{365} \times \dots \times \frac{343}{365}$。
计算得 $P \approx 0.4927$。
因此，至少有一对人生日相同的概率是 $1 - P \approx 0.5073$，即超过 50%。
核心逻辑：组合爆炸。23 人之间有 $\frac{23 \times 22}{2} = 253$ 个配对机会，而非 23 个机会。
讲法
适合：形象思维强、喜欢动手操作的学生
方法：扑克牌模拟法
1. 准备一副去掉大小王的 52 张扑克牌（代表 52 天，简化计算）。
2. 让学生闭眼，从牌堆中随机摸出 10 张牌放在桌上。
3. 问：“这 10 张牌中，至少有两张花色相同（红桃/黑桃/梅花/方块）的概率大吗？”
4. 让学生实际摸牌验证。通常 10 张牌中花色重复的概率极高。
5. 引导：52 天里 10 个人就大概率撞，365 天里 23 个人撞生日，道理一样。
讲法
适合：逻辑推理能力强、喜欢数学推导的学生
方法：补集法（反面思考）
1. 直接算“至少有一对相同”很复杂，因为可能是 A=B，也可能是 A=C，或 A=B=C。
2. 提出策略：
假设所有人都不同。
3. 计算“所有人都不同”的概率：
- 第 1 人：365/365
- 第 2 人：364/365
- 第 3 人：363/365
- ...
- 第 23 人：343/365
4. 连乘得到“全不同”的概率约为 0.49。
5. 结论：$1 - 0.49 = 0.51$，即 51% 的概率至少有一对相同。
讲法
适合：空间想象力好、喜欢可视化数据的学生
方法：配对数量可视化
1. 画 23 个点，代表 23 个人。
2. 问：如果每个人都要和其他人比生日，一共要比多少次？
3. 第 1 人比 22 次，第 2 人比 21 次（避免重复），... 第 22 人比 1 次。
4. 总数 = $22 + 21 + \dots + 1 = 253$ 次比较。
5. 解释：你有 253 次“中奖”机会，每次中奖概率是 1/365。
6. 虽然单次概率小，但 253 次机会累积起来，超过 50% 的概率至少中一次。