【锚点】这一篇只钉一个判断：概率不是事件的属性，是「事件 × 参考类」这个二元组的属性。把 P 当成 Event → [0,1] 而不是 Event × ReferenceClass → [0,1]，是绝大多数「概率争论」的真正病根。

【显式】先看一组具体的数。某种病的基准患病率 1%。有某症状的人里 20%。有该症状且有某基因标记的人里 60%。有该症状、该基因、且年龄在 50–60 的人里 85%。四个数字都是真的，都是同一个病的患病概率。但「这个人得病的概率是多少？」没有唯一答案——因为问题漏了一个参数。

【隐式】漏掉的参数是【参考类】(reference class)。Reichenbach 在 1949 年的《The Theory of Probability》里讲得很清楚：任何概率陈述都是相对于一个参考类的。Venn 更早就注意到，频率主义的概率必须指定「在哪个序列里数」。这不是技术细节，是类型问题——P 的定义域少了一个坐标。

【流程节点链路】「概率是多少？」→ 未指定参考类 → 四个数字都真 → 问题无唯一答案 → 结论：P 的定义域缺一个坐标（类型错误）

【细微】「用最窄的参考类」这条原则（Reichenbach 的 narrowest class principle）听起来能救场，但有致命自毁：最窄的类就是「只含这一个事件」的类，概率退化成 0 或 1。这叫【单例问题】(problem of the single case)。所以「最窄」不能当原则，只能当受数据可得性约束的启发式。

【极难发现】真正反直觉的是：参考类的选择不是认识论问题，是决策问题。你选哪个类，取决于你拿这个概率做什么决定。医生决定是否做侵入性检查，用 85% 的类；保险公司定价，用 1% 的类；流行病学家估公共卫生负担，用 20% 的类。没有「客观正确的参考类」，只有「相对于决策任务合适的参考类」。这是 Reichenbach 的 weight 概念，也是现代因果推断里 transportability（Bareinboim & Pearl, 2013）的核心：把一个总体的效应搬到另一个总体，需要显式假设，不能白嫖。

【显式】两个著名的「病」都是参考类问题的症状： - 生态谬误 (ecological fallacy)：用群体层面的参考类推个体。 - 辛普森悖论 (Simpson’s paradox)：两个不同的参考类划分给出方向相反的关联。它不是悖论，是你换了参考类却没报告。

【隐式】语言学里有同构现象：类指句 (generic sentences)。「狗会叫」是真的，「狗是三条腿的」是假的，但两者的真值条件都不诉诸「所有狗」。类指句的参考类是隐式的、由语境填充的——这正是 Carlson (1977) 的经典分析。自然语言每天都在做参考类选择，而且毫不费力，这反过来说明：参考类不是「客观世界里的东西」，是认知/语用的构造。

【结论】任何概率主张都应附带它的参考类，且参考类的选择要用决策任务辩护，不能用「客观性」辩护。下次看到「X 的概率是 37%」，先问：在哪个类里数的？

【值得辩论的问题】如果参考类只能由决策任务辩护，「客观概率」还剩什么？我的立场：剩下的不是「无参考类的概率」，而是【参考类之间的稳定性】——一个类如果在多种合理划分下都给出相近估计，我们才说这个概率「稳健」。稳健性可检验，客观性是形而上学。你怎么看？