如，我应该把下列规则称为经验规则：“序列的第n个元素将是1，当且仅当第n秒（从某个零时算起）时，发现摆p摆到这标记的左方时”。
这个例子表明有时——例如根据与摆有关的一些假说和测量——可用数学规则代替经验规则。用这种方法我们会找到一个数学序列，它以按我们的目的也许使我们满意，也许不能使我们满意的精确度接近于我们的经验序列。有可能（我们的例子可用来建立这种可能）获得一个其各种频率接近于那些经验序列的频率，在我们目前的情况下具有特殊的意义。
我把序列分为数学序列和经验序列时，我利用的是“内包”上的差别，不是“外延”上的差别。因为如果用“外延”方法，即用一个接一个地列举其元素的方法使我们得一个序列－－因此我们就只能知道它的一个有穷的片段，一个有穷的节段，不管它有多长——，那么就不可能根据这个节段的性质确定其一部分的序列是学序列还是经验序列。仅当给定一个建构规则——即“内包”规则—一时，我们就能判定一个序列是否是数学的还是经验数的。由于我们希望借极限值（相对频率）概念之助处理我们的无穷序列，我们必须把我们的研究限于数学序列，实际上就是限于相应的相对频率序列是收敛的那些数学序列。这种限制等于引入收敛公理。（与这公理有关的问题到第63－66节再讨论，因为与“大数定律”一起讨论它们比较方便。）
因此我们将只谈数学序列。然而我们将只谈那些数学序列：我们期望或推测它们就频率而言接近于具有似机遇或随机性质的经验序列，因为它们是我们的主要兴趣所在。但是期望或推测一个数学序列，就频率而言它接近于经验序列，不过是提出一个假说——一个关于经验序列频率的假说。
我们对经验随机序列的频率的估计是假说这一事实，对我们用以计算这些频率的方法没有任何影响。显然，在有穷类方面，它对我们如何获得我们的计算由此开始的频率，丝毫没有关系。这些频率可借实际计算获得，或根据一条数学规则，或根据某种假说获得。或者我们简直可以虚构一些频率。在计算频率时我们接受某些频率作为给定的，并从中推导出其他频率。
无穷序列中的概率估计同样如此。因此关于我们频率估计的来源问题不是一个频率计算问题；然而这并不是说把这个问题从我们关于概率论问题的讨论中排除出去。
在无穷经验序列的情况中，我们能区分出我们假说性频率估计的两种主要“来源”——就是说两种方法，我们用这两种方法就可估计出频率。一是基于“均等…机遇假说”（equal chance hypothesis），（或等概率假说equi－probability hypothesis）的估计，另一是基于统计结果的外推（extrapolation of statisticalfndings）。
我用“均筹…机遇假说”，是指这样一种假说，它断言各种主要性质的概率是均等的：它是断言均等分布的假说。均等…机遇假说常常基于对称性的考虑。最典型的例子是掷骰子时均等频率的推测，其根据是立方体六面的对称性和几何等值。
至于基于统计学外推的频率假说，死亡率的估计提供一个很好的例子。在这里关于死亡率的统计资料是用经验查明的，并且根据过去的趋势将继续足十分接近稳定的，或者它们不会有很大变化——至少在最近时期内——的假说从已知事例，即从已用经验加以分类和计算的偶发事件外推到未知事例。
具有归纳主义倾向的人容易忽视这些估计的假说性质，他们会把假说性估计，即基于统计外推的频率预测同它们的经验“来源”之——过去的偶发事件和偶发事件序列的分类与实际计算混为一谈。往往提出这样的主张；我们从已加以分类和计算的过去的偶发事件（如死亡统计）中“推导出”概率估计——即频率预测。但是从逻辑观点看，这个主张并没有得到证明。我们根本没有作什么逻辑推导。我们已经做的是提出一个不可证实的假说，这个假说在逻辑上是永远得不到证明的，这个假说就是推测频率仍将稳定不变，因此允许外推。甚至均等…机遇假说也被一些相信归纳逻辑的人认为是“经验上可推导的”，或“经验上可说明的”，他们认为这些假说基于统计经验，即基于经验上观察到的频率。然而就我来说，我相信，我们在作出这种假说性估计时，往往单独爱关于对称意义的想法以及类似的考虑的引导。我看不出有任何理由为什么这些推测应该只是由于积累大量归纳观察而产生的。然而，我并不赋于我们估计的起源或“来源”这些问题以很大意义（参阅第2节）。我认为，更重要的是对这个事实要十分清晰，即频率的一切预测性估计，包括我们从统计外推中得到的频率——当然还有所有与无穷经验序列有关的频率——总是纯粹的推测，因为它总是超出我们有权根据观察肯定的任何东西。
我对均等－机遇假说和统计外推的区分与“先验”和“后验”概率的经典区分是完全符合的。但是由于这些术语是用于如此多的不同意义。而且由于这些术语因哲学上的联想而被严重玷污，最好还是避免用它们。
我在下面考察随机公理时，将试图寻找逼近随机经验序列的数学序列；这就是说我将考察频率假说。
58 随机公理的考察
顺序选择（即按位置选择）的概念和邻域选择的概念均已在第55节中引入和说明。我现在将借助这些概念检查vonMises的随机公理——排除赌博系统原理——以希望找到一个能代替这个公理的较弱的要求。在von Mises的理论中，这个公理是他的集合概念的定义的一部分：他要求一个集合中频率的极限一定要对任何种类的系统选择（systematic Selection）不敏感（他指出，赌博系统总是可被认为是一种系统选择。）。
对这个公理提出的大多数批评集中于它的表述的相对不重要的和表面的方面。这与下列事实有关，即在各种可能的选择中，会有这样的选择：比方说选择那些接近5的掷；显然在这种选择内，5的频率会与在原先序列内5的频率迥然不同。这就是为什么von Mises在他的随机公理表述中谈到他所说的“选择”或“选取”是“独立于”掷的“结果”，因而不用所选元素的性质去定义。但是只要指出我们可以根本不用成问题的措词来表述von Mises的随机公理，就可以完全答复针对这种表述的许多非难。因为例如我们可以表述如下：在一个集合中频率的极限一定都不受顺序选择和邻域选择的影响，而且也不受可用作赌博系统的这两种选择方法的所有组合的影响。
上述困难随这个表述而消失。然而其他困难仍保留。因此也许不可能证明，借助如此强的随机公理定义的一个集合概念，不是自相矛盾的；换言之，不可能证明“集合”的类不是空的。（Kamke曾强调证明这一点的必要）至少，建构某个集合的例子，并用这种方式说明集合的存在，这似乎是不可能的。这是因为满足一定条件的某一无穷序列的例子只可能由数学规则来提供。但是对于von Mises意义上的集合，根据定义不可能有这种规则，因为能够把任何规则都用作一种赌博系统或选择系统。如果所有可能的赌博系统都被排除，这种批评确实是无法驳斥的。
然而也可提出另外的异议来反对排除所有赌博系统的概念：它的要求实在太多了。如果我们要使某个陈述系统公理化——在这个场合是概率计算定理，尤其是特殊的乘法定理或Bernoulli定理——，那么所选的公理不仅应该对系统定理的推导是充分的，而且也是（如果我们能这样推导出定理）必要的。然而可以表明排除所有选择系统对Bernoulli定理及其系统定理是不必要的。要求排除特殊类的邻域选择是十分充分的：它是以要求序列应该不受根据任意选取的n个一组的先行者所作的选择的影响；也就是说，它应该有n个自由度，不受每个n的后效的约束，或简言之，它应该是“绝对自由的。”
所以我建议用不那么严格的“绝对自由”的要求（对每一个n有n…自由度的意义上）来代替von Mises的排除赌博系统原理，并且相应地把似机遇的数学序列定义为满足这个要求的序列。其主要优点是不排除所有赌博系统，因此有可能提供建构在我们的意义上“绝对自由的”序列的数学规则，从而有可能建构实例。因此也就满足了上面讨论的Kamke的异议。因为我们现在能够证明似机遇数学序列的概念不是空的，所以是前后一致。
也许有点奇怪：我们应该试图借助必须符合最严格规则的数学序列来勾划机遇序列极不规则的特点。von Mises的随机公理起初似乎使我们的直觉更为满意。一个机遇序列必定是完全不规则的，因此只要我们继续努力试图通过把这个序列延伸得足够长来证伪这个推测的话，任何推测的规则性一定会在序列的后面部分遇到失败，知道这一点是颇为令人满意的。但是这个直觉的论证也有利于我的建议。因为如果机遇序列是不规则的，那么，不容置疑，它们就不会是某种特殊类型的规则序列。而我们的“绝对自由”要求不过是排除一种特殊类型的规则序列，尽管是一种重要的类型。
它是一种重要的类型这一点可以从这个事实中看出，即根据我们的要求不言而喻地排除下述三种典型的赌博系统（参阅下一节）。首先我们排除“正态的”或“纯粹的”邻域选择，在其中我们根据邻域的某种恒定的特征进行选择。其次，我们排除“正态的”顺序选择，这种选择选取的元素，它们的间距是恒定的，例如标号为是k，n＋k，2n＋k……等等的元素；最后，我们排除这两种类型选择的许多组合（例如一切第n个元素的选择，假如它的邻域具有某种具体的恒定特征）。所有这些选择的独特性质是，它们与序列的绝对的第一元素无关；如果原先的序列从另一个（相应的）元素开始标号，它们就可产生同样的所选的子序列。因此被我的要求排除的赌博系统是那些无需知道序列的第一元素而可使用的赌博系统。被排除的系统总涉及某些（线性）变换。它们是简单的赌博系统。（参阅第43节）。我的要求不予排除的只是涉及诸元素与绝对的（初始的）元素间有绝对距离的赌博系统。
对一切n有自由度n——“绝对自由”——的要求也与我们大多数自觉地或不自觉地认为对机遇序列也适用的东西完全一致；例如一粒骰子下一次掷的结果不依赖以前几次掷的结果（掷以前摇摇骰子的做法就是想要保证这种“独立性”）。
59．似机遇序列 客观概率
鉴于我已说过的那些东西，我现在提出下列定义。
我们说一个事件序列或性质序列，尤其是一个二择一，是“似机遇”或“随机的”，当且仅当它的主要性质的频率极限是“绝对自由的”，即不受根据任何n个一组的先行者的性质所作的一切选择的影响。与随机的序列相应的频率极限被称为在有关序列内该性质的客观概率；用F表示。这也可表述如下。设α为具有主要性质B的似机遇或似随机序列；这时下式成立：
αF（β）＝αF’（β）
现在我们必须证明我们的定义足以推导出数学概率论的主要定理，尤其是Bernoulli定理。随后——在第64节——这里给定的定义将予以修改使之独立于频率极限的概念。
60．Bernoulli问题
在第56节提到的第一个二项式公式，即
（1）α（n）F”（m）＝ 适用于交迭节段的有限序列。它可根据这样的假定推导出来，即有限序列α至少有n－1个自由度。根据同样的假定，我们直接获得一个有限序列的正好相应的公式；那就是说，如果α是有限的，并且至少有n－1个自由度，那么
（2）α（n）F’（m）＝ 由于似机遇序列是绝对自由的，即对于每一个n有n个自由度，公式（2），即第二个二项式公式也必须适用于那些序列；并且确实它必须适用于它们，不管我们选择的n的值是多少。
下面我们将只涉及似机遇序列，或随机序列（如在前节中定义的那样）。我们就要证明，对于似机遇序列，除了公式（2），第三个二项式公式（3）也必定适用；这个公式是
（3）αnF（m）＝
公式（3）在两个方面不同于公式（2）：第一，它所断言的涉及毗邻节段αn的序列，不是交迭节段α（n）的序列。第