随机变量因果关系

必须要认识到随机变量的存在性。

在某个条件下，做某个试验，其结果不唯一，而是有多个可能性结果，每个结果携带一个概率，总概率为1.

比如说，我们观察天上一片乌云，这是一个随机试验，基于乌云这个条件，在这个条件下，下雨与否是一个随机变量，可能下，可能不下，而不是一定下，比如通过过去历史数据统计，我们观察到某片某个形状和浓度的乌云，其结果又两个，一个是下雨，概率0.8，一个是不下雨，概率0.2。

存在这样的随机变量式因果关系，究其原因，是因为这个果，不是唯一由着这个因所唯一决定，还有其他的因，但是我们没有找到或者没有考虑到或者不考虑，只是抽象出一个根本的模型，忽略掉一些细节。比如，这片乌云模型。

即，存在着这样的两类因果关系，一类是随机变量式的因果关系，一对多，一因对多个可能性的果，因为有乌云，所以可能下雨可能不下雨。一类是必然性的因果关系，一对一，一因对一个必然性的唯一果，因为在一个标准大气压下水加热到100℃，所以水必然性沸腾变成水蒸气。

很多事情，都是随机变量式的果，而不是必然性的果，这一点要认识清楚。

再比如说，我对一个人友好，对方可能对我友好，可能对我不友好，友好的概率0.99，不友好的概率0.01。你帮助一个人，等你有困难了，对方可能帮你，可能不帮你，可能恩将仇报，概率比如分别是0.8,0.15,0.05。结果都不必然性的确定某个结果，而是几个可能结果中的某一个。再比如，我写的某一篇文章给10000个人看，结果也不唯一，不是全部都说好，也不是全部都说不好，比如好、不好、一般，概率是0.9,0.01,0.09，同样的一篇文章。

随机变量是对随机事件的量化。

随机变量因果关系，相同的某个因，某组因，每次试验，可能的不同的结果出现。

同一个随机变量方法，这次用行，下次用不行，下次用不行，又一次用，又行了，其结果也是一个随机变量。着眼于整体行就行，全局行就行，期望值大于0就可以，期望值就是一个整体量化的概念。

这个世界充满了同一因下的因果随机变量。同一所大学毕业的学生，毕业后的成绩参差不齐，大小不一，并不是说一所学校毕业，大家都干的一样好。同一条生产流水线生产出来的产品有好友坏，并不是都是合格品。同一块地长出来的树木，有高有矮，并不是完全一样。

随机变量果的存在，究其原因，是因为没有找到所有的决定因，只找到了决定这个果的所有因的其中一个因，如果所有的因找到了，就确定了唯一了必然了。所以，要尽可能找到决定果的决定因，实在找不全，也要把主导因找到，其随机变量果取值的可能性尽可能少一些，越少越好，最终的可能的结果就是一个。比如，某个果由着10个因唯一决定，我找到了2个因，其他的没找到，不知道是啥，此时可以根据这两个因，确定果的可能取值是7个。如果我找到了5个因，那么果的可能取值变成了4个，找到了9个因，可能取值2个，10个因都找到了，那么我就可以唯一确定果的取值了，此时这个果从一个几个可能取值的随机变量变成了一个唯一取值的必然变量。而如果就是找不全呢？就是一个随机变量呢？那就用截取正期望值果的方式对待之，但是，如果选取的找到的这个因截取不出来，那么因就不行这个方法就不行，必须找到能够截取出正期望值果的因才可以作为一个方法，不然，达不成正期望值的目标。