有这么一个冷笑话。
说，随手买张彩票，中奖概率是多少？——50%。
因为只有两种结果，要么中，要么不中，所以中奖概率是二分之一。
这个笑话好笑在哪里呢？
当然好笑的手法有很多种，比如对某一件事进行相同的重复，比如出乎预料之外意想不到，再比如像此般颠覆惯常逻辑。
所以，这个笑话的背后混淆了两个模型，“”全或无“ 或者 “概率性事件”。
以阈限值为例，刺激强度对于是否产生反应在不同的点上会有不同的模型。在静息电位的基础上，低于阈限的刺激强度必定无法导致动作电位的产生，而高于阈限的刺激强度必定产生动作电位，是“全或无”的模型。而对于感觉来说，相同的刺激强度可能导致反应的产生，也可能不产生，在这里，阈限值被定义为在这个刺激强度下50%的概率产生反应，50%的概率不产生，即“概率性的事件”，高于阈限值的刺激，会让发生的概率增大，不发生的概率减小，同样，低于阈限值的刺激不等于反应不一定发生，只是概率变小了。
对于“”全或无“”，比如考试，60分就是及格，59就是不及格，60分是一个明确的临界点，对于挂科来说59和19一样，没有区别。对于正常大气压下的水来说，到了100度就要蒸发，没到100度就会保持液态，100度是一个明确的临界点，低于100度就全是水，高于100度就是水蒸气，1度和99度的那都是液态水。
对于“概率性事件”，比如笑点，有的人笑点高，有的人笑点低。对于笑点高的人，用好笑程度比较低的笑话去刺激她，她也并非一定不会笑，而是笑的概率偏低，随着笑点的降低，用同样的好笑程度去刺激，笑的概率逐渐增加，但也意味着与此同时好笑程度比较高的刺激也有可能不会让她产生笑，即便她笑的概率很大。
所以在分析此类问题之前，先弄清具体是哪个类型便很重要了。
比如撩一个妹子，你的付出程度与撩到妹子的可能是什么样的模型？你对妹子的好达到某种程度，妹子就一定会答应你，又或者随着付出程度的增加，仅仅是提高了妹子答应你的可能性？
再比如工作当中，只要做到了XXX,XXX,XXX老板就一定给你涨工资，还是说做到了以后老板涨工资的可能性会加大？
也许只要再多付出一点妹子就会一定答应你了呢？也许你拼了命的加班努力工作，最后的散点还是落在了没加工资的区域里呢？
真是让人心痛的问题。
所以如何判断模型类型又成了一个新的问题。
诚然，判断全或无要比判断概率性问题难上不少，假使中的全或无，我们只能从过去的经验中暂时认定这些模型是全或无的，我们不排除全或无当中会有其他的可能，只是暂时还没发生而已。辟如当某一天61分被意外的判定为不及格，那么是否及格这个全或无的模型就被转换成概率性事件了，大于等于60分的成绩，有极高的可能会是及格，剩下的那个极小的概率，就是这次的61分不及格造成的了。
姑且认定所有的问题都是概率性问题，其中包括一部分暂时无法被证伪的0%和100%问题被划归成全或无的类型单独分析，因为我们无法从未来取证，我们不确定那些目前没有发生过、没有发生可能的事情是绝对的。
那么如果从未来取证变成了一个可能的事情，即我们能够预知这件事的发展不会改变，这件事是确定的，我们能够下定结论，这是一个可信的模型，在未来的验证过程中不会有其他的突发可能导致100%的概率产生变化，是否存在这样的情况呢？
我想是存在的。
比如，
我喜欢你。
