上一章留下一个问题：凭什么"玩一万局"能代替"算出来"？要回答它，得先看看"算出来"这条路到底有多难走。
解析解：数学家眼里的完美答案
数学里有个词叫解析解，意思是能用公式一步写出来的答案。比如"一个球从 10 米高落下，几秒落地"——套自由落体公式，t = √(2h/g)，代进去，约 1.43 秒。干净、精确、一劳永逸。
解析解是数学家的白月光。但坏消息是：真实世界里，绝大多数问题没有解析解。
物理课不教你的事：这个公式的前提是"真空"。真把空气加进来，风一吹、气流一打转，事情就垮了——支配气流的是流体力学的方程组，它的一般情形至今没有解析解，是全世界数学家悬赏百万美元都还没啃下来的硬骨头。你每天看的天气预报，从来就不是"解"出来的，而是拿巨型计算机硬算出来的近似。
再比如著名的三体问题：两个天体互相绕着转，公式完美解出；只要再加一个天体，三个互相拉扯，一般情形下就再没有公式解了。刘慈欣的小说《三体》整个故事的地基，就是这个"三个太阳的运动无法预测"的数学事实。
现实比三个天体麻烦得多：一只股票的价格受几千个因素影响，你的退休金够不够花取决于通胀、收益、寿命、花销四条随机曲线。这些问题的共同点：方程能写出来，但解不出来。
大白话：教科书里的公式之所以漂亮，是因为教科书只挑能解的题。出了校门，99% 的问题都没有一步到位的公式——这不是你数学不好，是数学本身就这样。
第三条路：模拟
解析解走不通，是不是只能抓瞎？不是。蒙特卡洛提供了第三条路，思路彻底换了：
解不出"所有可能性的完整答案"，就抽样——随机挑一万种可能性，挨个推演一遍，看结果长什么样。
这就像想知道一锅汤咸不咸：解析解是把整锅汤的成分逐滴化验，模拟是舀一勺尝尝。舀一勺有误差？那就多舀几勺。
这背后有一条数学铁律撑腰：大数定律——随机试验重复足够多次，平均值会稳定地逼近真实答案。抛硬币抛 10 次，可能是 7 正 3 反；抛 100 万次，正反比例一定死死钉在 50% 附近。蒙特卡洛方法的全部合法性，就是大数定律这四个字。
它的脾气：慢，但稳
蒙特卡洛有个著名的脾气，值得记牢：精度提升靠堆量，而且堆得很慢。
想让误差缩小一半，试验次数要翻四倍；想多精确一位小数，次数要翻一百倍。数学上说误差以 1/√N 的速度缩小——N 是试验次数。
这个脾气决定了蒙特卡洛的用法：
- 粗算极便宜。几千次试验就能告诉你"大概七成概率会翻车"，多数决策用这个精度就够了。
- 精算极昂贵。想要小数点后四位的答案，得让计算机跑上几天。
- 所以它擅长回答的是"形状"问题，不是"点位"问题——"结果分布在哪、最坏有多坏、大概率落在哪个区间"，而不是"明年 3 月 15 日股价是多少"。
什么时候它会骗你
先记住一个，后面几章会反复用到：模拟骗不了"平均数"，但能骗"少见的事"。
撒芝麻算 π，撒一万粒，平均值稳得很。但如果答案藏在极罕见的事件里——比如"百年一遇的洪水有多高"——你模拟一万年可能一次都没撞上那只黑天鹅，于是得出"洪水不存在"的结论。不是大数定律失效了，是你抽样的"骰子"本身就没有那一面。
这就是整本书后半部分的核心矛盾，也是塔勒布一辈子在喊的事：模拟器里的骰子是你自己造的，骰子有几个面，是你猜的。猜错了分布，一万次模拟只是让你错得更自信。
不过，在担心那个之前，我们先看看把这套方法用得最狠的人——塔勒布——在交易桌上是怎么掷骰子的。