現在假設你是一個賭徒，跟人打賭拋硬幣猜正反面。猜到了就贏一萬，猜錯了了就輸一萬。
規則是這樣：隨機挑選一枚銀幣，然後試拋一次。之後下注，然後拋硬幣看結果。
你如果是這個賭徒，你應該怎麼下注?
收益的數學期望又是如何呢?
讓我們把這個問題留到後面……我們先給硬幣建一個模型。
一， 一些基本概念
理想的情況下，一個硬幣兩面朝上的概率應該相同。我們現在用一個參數：均勻性，來表示這個硬幣兩面朝上的概率。
理想情況下，一枚硬幣的均勻性為 50%。這意味着正面朝上或者是反面朝上的概率都是百分之五十。
用一個二維圖表來表達很多個硬幣的密度的分佈情況。這樣我們就可以考慮另外一個概率：我們拿到一個硬幣，他的均勻性位於某個均勻性區間的概率。
圖一：某種粗糙製造工藝下，硬幣的均勻性分佈：
注意，圖中的面積代表了概率。曲線和 x 軸組成的用的面積應該被歸一化為 1。這表示隨機取一枚硬幣，它的均勻性總是一定會處於 0% 到 100% 之間的某處。
圖二：取一枚硬幣，其均勻性處於 30% 和 40% 之間的概率，在圖表上的示意。
我們可以看到，圖中藍色部分的面積處以總面積(這就是歸一化的過程)表示了我們隨機取一枚硬幣，均勻性處於 30% 和 40% 之間的概率。
需要説明的是，為了討論問題的方便，對於某個批次的硬幣。由於它們已經被生產出來，所以我們假設他有固定的均勻性分佈。
圖三：理想國生產的理想硬幣的均勻性分佈。
上圖表示在理想國生產的理想硬幣的均勻性分佈，由於在理想國，生產的每個硬幣其均勻性都是 50%，而其他均勻性的可能是 0。所以均勻性圖像從一個二維圖像，變窄變窄變窄，最後變成了一根豎線。
沒有底邊長的矩形……就意味着這是在真實的世界裏不可能發生的事情。
真實世界裏，更有可能出現的分佈更可能像下圖這個樣子：
圖四：真實世界中硬幣密度的正態分佈
真實世界中的硬幣更有可能服從如上圖所示的正態分佈。有很大的可能是，硬幣的均勻性總是分佈在理想值附近。可是，總是有這樣或者那樣的原因，使得其中一些硬幣，沒有辦法達到理想的情況。最後的結果，就是其中某些硬幣就會偏離理想值。
圖形分佈的樣子，其寬窄情況，取決於各種因素，總的來説，會取決於製造這些硬幣所使用的工藝，技術，製造員的心情，還有他女朋友的心情，etc.
(當然，除開製造的部分，這個世界上還有許多未可知的事兒，像是這個：http://www.zhihu.com/question/21634580/answer/28674977 也就會導致一些不按正態分佈分佈的硬幣)
上面鋪墊了這麼多，好像下筆千言，離題萬里的樣子……接下來我們要切題一些。
二，實驗結果能告訴我們什麼
所以接下來，我們要説這個：拋一個硬幣 100 次，得到了一個正面，反面次數的實驗數據，我們能從這個數據裏面看到什麼呢?
為了討論方便，我們要先做一個假設，假設我們是從一個均勻性為均勻分佈的硬幣裏拿出了一枚硬幣，來做的這 100 次實驗。
我們能通過實驗的結果，確定硬幣的均勻性到底是什麼樣嗎?
答案是不能，因為我們雖然做了這麼多次實驗，可是實驗有隨機性。因為這些隨機性，我們不能得到確定的硬幣均勻性。
這並不代表我們對硬幣的情況是一無所知的。
事實上，我們可以倒着推導：我們做實驗的這枚硬幣，其均勻性處於某一區間的可能性。
這裏注意兩個不同的概念……我們不能得到這枚硬幣的真實均勻性是多少，可是我們可以得到這枚硬幣均勻性大約是多少的可能性。
沒有做實驗以前，我們會有一個概念，我們拿到的這個硬幣，它處於任一均勻性的概率是相等的。
假設我們只做了一次實驗，得到一個向上的結果。那麼我們將如何猜測這玫硬幣會是什麼樣的均勻性呢?
如果已知硬幣來自均勻分佈的樣本池，那麼當第一次實驗結束以後，硬幣可能的均勻性會是下圖這個樣子：
圖五：得到了一次實驗數據之後的樣品均勻性的可能分佈。
可以看到，硬幣的均勻性的可能性分佈的一端，直接下降到 0，而其可能性隨着其分佈作線性變化。
可以發現，硬幣的均勻性為 0 的概率沒有了。
均勻性為 10% 到 20% 的可能性，當然是有的，只不過比均勻性在 80% 到 90% 的可能性小多了。
這也符合預期，不是嗎?
而硬幣均勻性為 100% 的概率密度會最高。(如果在此有疑問，請倒回去看前文，我們做了一個(不那麼符合實際情況的)假設，假設硬幣的均勻性符合均勻的分佈。)
到目前，我們可以看到，一次實驗以後，我們可以大概對硬幣的真實均勻性有一個粗略的瞭解。
但我們甚至都不能去猜測這個硬幣的真實均勻性會是如何。我們得到的這個概率分佈，實在是非常的寬泛，分辨率極低。
為了有一個更準確的猜測，我們試着再進行一次實驗。
假設這次的實驗結果跟第一次實驗相反，硬幣反面朝上，那麼這個實驗結果會告訴我們什麼呢?
概率密度會正比於 u*(1-u)
其中 u 表示 x 軸上的變量：均勻性。
圖六：兩次實驗以後，一正一反兩次實驗結果所暗示我們的，手中這枚硬幣可能的均勻性的概率分佈。
既然得到了一正一反兩次結果，很容易會想到，硬幣的均勻性在 50 的可能性應該是挺大的。跟我們的猜想相符，在 50% 處，我們看到了最高的概率密度。
而且，我們看到了跟圖五相比，更為“集中”的分佈。我們看到概率密度在靠近 50% 的地方，更為陡峭的突起。
這意味着，要是我們靠兩次的實驗結果來猜硬幣的均勻性，我們有更高的概率接近真實值。
所以，更多次的實驗，會讓我們得到更加陡峭，更加集中的概率圖像，使得我們更能猜到一個更精確的範圍，並且有更大的可能性猜得準確。
是這樣的嗎?
假如我們做了十次實驗，其中五次朝上，五次朝下。那麼硬幣可能的均勻性的概率分佈將是正比於 u^5*(1-u)^5
如下圖所示
圖七，十次實驗，五次朝上，五次朝下以後，硬幣均勻性的可能性的概率分佈圖
我們可以看到，一個更加細長的分佈…其中心值位於 50%。
這並不是説硬幣的均勻性不可能是在 10% 到 11%，只是這種可能性，只有硬幣的均勻性在 50% 到 51% 之間的可能性的萬分之六。
隨着實驗次數的增加，我們會發現，這個突起會越來越強，越來越窄。如果這裏我們引入另一個術語“方差”來表示分佈圖像的集中程度，我們會發現，隨着實驗次數的增加，方差會變的越來越小。這裏不加證明地提一個猜測，方差的大小會反比與實驗的次數。
而這樣的結果，除了在均值處的突起更明顯以外，還有另外一個結果，就是在偏離突起的地方，概率密度會迅速地下落。
上面是均勻的硬幣的情況。假如我們做了 1000 次實驗，結果是 250 次朝上，750 次朝下，我們做實驗用的硬幣的可能的均勻性分佈會是怎樣呢?
均勻性為 u 處的概率密度將正比於 u^25*(1-u)^75
注意這個分佈的最高概率點在 1/4 處，符合預期。
三，把第一部分和第二部分揉到一起。
以上討論了兩個部分，一是實際世界裏，硬幣均勻性的可能的分佈。二是我們能從實驗的結果裏，倒着得到被實驗物體的相關信息…雖然是以概率的形式，但隨着實驗次數的增加，不確定性會變得越來越小……即使無法完全消除。
但是我們基於第二點的討論，是建立在硬幣的均勻性是均勻分佈的條件下的。實際情況當然不會是這個樣子，而應該像第一部分提到的那樣，服從一箇中心值在 50% 的正態分佈。
現在問題來了，假如我們的樣品池裏的樣品不再是均勻分佈的，通過實驗，我們還能倒着去研究它的均勻性的可能的情況嗎?
答案很簡單，是可以的。我們只需要把樣品池的概率曲線，乘以在均勻樣本的假設下，通過實驗反推到的樣品可能的均勻性的概率曲線就行了。
假如我們從服從均值為 0.5 的正態分佈的硬幣池中拿出一枚硬幣，用它做了 1 次試驗，試驗的結果多半不會影響我們的想法：我們還是會認為這個硬幣還是正常硬幣的可能性大。
假如做了十次試驗，結果有 3 次上，七次下，我們會想，嗯，也許這是枚均勻性朝零偏離的硬幣，但是還好吧，一個正常硬幣也有很大概率如此。
可是我們要是一萬次的結果都是如此，也許就説明這枚硬幣本身有很大概率就是不均勻的。
這些都可以用上面説的兩個概率相乘來看到：我們先假定硬幣服從中心值為 0.5，方差為 0.02 的正態分佈。
a 試驗 100 次得到四分之一朝朝上的情況下，硬幣可能的均勻性概率分佈
b 一千次試驗，1/4 朝上的情況下，硬幣均勻性的概率分佈
c 三千次試驗，1/4 朝上，硬幣的均勻性概率分佈
有沒有發現圖形在朝左移?
好了，回到題主的問題，現在我們做了一億次的實驗，正面都是朝上的。那麼，在樣本空間服從均勻分佈的情況下，硬幣均勻性為 1 的概率密度，將是為 50% 處的概率密度的 2 的一億次方。這是一個相當嚇人的數字。大約應該是 1 的後面三千萬個 0。
而我們這個世界上有多少枚硬幣呢?假設我們的硬幣總價值是 100 億，就算我們有一千億個硬幣吧，也不過是 1 的後面十來個 0。
這麼多個硬幣裏面，應該有個把個兩面都是正面的吧?
所以，樣本空間裏，兩面都是正面的可能是大於一千億分之一的。
假設其他的都是好硬幣……那麼我們現在把兩個概率函數相乘再做歸一化。得到的結果將還是：
圖八：考慮真實情況以後的一億次投幣之後的硬幣均勻性概率分佈。
圖略，就是在 x=1 處等於一，然後小於 1 一點就快速下降......給不了圖的原因是 Matlab 似乎處理不了 x^100000000 這麼變態的函數。
所以這就是説
有 99.9999…% 的概率，你拿到了一枚均勻性為 1 的硬幣。
雖然你拿到的是個好的硬幣的概率依然存在。但是無論如何，我會相信下一次你拋這枚硬幣，還是正面朝上。
我賭十塊錢再加一頓中飯。
好了，這就結尾了。
關於本答案開始的那個問題，答案是……應該 follow 試拋一次的結果。
謝謝
於半夜調時差中。