哇这个问题问到点子上了！这其实是测度论里一个挺反直觉的结论，我来给你拆解明白～

首先咱们得对齐一个前提：我们说的“类似性质的分布”，本质是指那种和区间长度挂钩、满足平移不变性，且总概率为1的分布对吧？核心矛盾就藏在「集合的可数性」和“测度”（可以简单理解为衡量集合“大小”的一种方式，对区间来说就是长度）里。

为什么随机实数能实现均匀分布？ #

拿[0,1]区间的均匀分布举例子：

• 这个区间里的实数集的勒贝格测度是1，也就是它的“总大小”刚好是1。我们定义的均匀分布，要求任意子区间[a,b]被选中的概率等于b-a——这个定义完全自洽：所有子区间的概率加起来刚好是1，也符合我们对“均匀”的直觉：越长的区间，选到里面数的概率越高。
• 甚至我们能在理论上构造出这样的随机数：比如无限次抛公平硬币，正面记1、反面记0，把得到的序列写成二进制小数0.b₁b₂b₃…，这个数就是[0,1]上均匀分布的随机实数。当然实际工程里我们只能生成有限位的近似值，但理论上这个构造是完全成立的（那些二进制表示不唯一的数，比如0.111…=1.000…，只是可数个例外，它们的总“大小”是0，完全不影响整体分布）。

为什么有理数做不到？ #

问题出在有理数是可数无穷集：

• 可数集的勒贝格测度是0，意思是把所有有理数“挤”在[0,1]区间里，它们的“总大小”其实是0。如果我们想给有理数定义一个“类似均匀”的分布，首先就卡在概率分配上：
  • 要是给每个有理数分配一个相等的正概率，那可数无穷多个正数加起来会是无穷大，根本没法满足“总概率为1”的基本要求；
  • 要是给每个有理数分配0概率，那总概率就是0，等于说“几乎不可能选到任何有理数”，这显然不是我们想要的“随机选一个有理数”的效果。
• 那有没有可能定义非均匀但“有类似性质”的分布？比如让每个区间里的有理数被选中的概率和区间长度挂钩？但有理数在每个区间里都稠密，可它们的测度为0，不管怎么分配概率，最终要么总概率发散，要么概率会集中在某个可数子集上，没法复刻实数均匀分布那种“和区间长度绑定”的均匀性。

代数数的情况和有理数完全一致 #

别以为代数数比有理数多就不一样——代数数也是可数无穷集！
所有代数数都是某个整系数多项式的根，而整系数多项式的总数是可数的（每个多项式由有限个整数系数决定，整数是可数集，有限个可数集的组合还是可数的），每个多项式的根数目有限，所以代数数的总数也是可数的，勒贝格测度同样是0。那面临的问题就和有理数一模一样：没法定义一个总概率为1、同时具有类似实数均匀分布性质的随机分布。

总结一下：本质原因就是实数集的不可数性和正测度，支撑了均匀分布的定义；而有理数、代数数都是可数集，测度为0，根本没法支撑起类似的“均匀”分布——要么概率分配不收敛，要么总概率为0，都不符合我们对“随机选一个数”的预期。

备注：内容来源于stack exchange，提问作者Abijah