¿Qué es? - página 15

 
Candid >>:

Вы неправильно посчитали СКО, для этого процесса оно пропорционально n. После второй серии испытаний относительное отклонение от матожидания уменьшилось.

Bueno, bueno, por alguna razón estaba seguro de que la distribución del número de aciertos sobre el rojo (si no hay cero, es decir, p=q=0,5) es binomial, que a su vez está bien aproximada por la normal, para la que es válido el teorema de Laplace... ¿Quizás te confundes con la varianza, que es igual a npq?

 
Mathemat писал(а) >>

Bueno, bueno, por alguna razón estaba seguro de que la distribución del número de aciertos en Rojo (si no hay cero, es decir, p=q=0,5) es binomial, que a su vez está bien aproximada por la normal, para la que es válido el teorema de Laplace... ¿Quizás lo has confundido con la dispersión, que es igual a npq?

Tal vez lo haya hecho. ¿Pero no es RMS=Root(Disp)?

¿Cómo sería según el camarada Laplace?

 

Creo que empiezo a entender de qué habla Candid. Sobre el proceso (de Bernoulli). En este caso, la suma acumulada de los resultados de las pruebas elementales, es decir, 1 para el rojo y 0 para el negro.

Y tú y yo, Lasso, estamos hablando de una distribución de probabilidad.

El teorema de Laplace es un caso especial del teorema del límite central. El teorema de Laplace es un caso especial del Teorema Central del Límite, que trata de la convergencia de la distribución de probabilidad con la varianza npq.

 

Sí, es cierto, me confundí con n, la raíz correcta de n. No sé de qué hablas, pero el ejemplo del lazo es sobre el proceso :).

Tiene un error, la expectativa después de la segunda serie no es de 1000 por 1000 sino de 1100 por 900. También parece confundir la probabilidad de obtener 1000 después de 2000 ensayos y la probabilidad total de dos series improbables de 1000 ensayos seguidos ( A1 && B2 ).


P.D.

Después de la 2ª serie n = 2000 A3 = A1 && A2 = {(600K, 400Ch en la serie 1) Y (600K, 400Ch en la serie 2)}.......... .................................................................................

..................................................................................... MO=1100 Disp= 2000*0,5*0,5 RMS=22,36 3*SCO = 67,08 Desviación(A3)=(1200-1100)/22,36=4,47

 
Mathemat >>:

Ну вот, и тут меня нашли. Но я еще не готов :)

No se puede adjuntar...

G.Sekei. "Paradojas en la teoría de la probabilidad y la estadística matemática".

4,5 M en deja vu...

 

Y si lo comprimes, ¿qué tan difícil sería? ¿Puede enviarlo a mi dirección de correo electrónico (ver perfil)?

 
Mathemat >>:

Ну вот, и тут меня нашли.

¿Lo has encontrado o lo has conseguido? :)

 

Bueno, yo aún no lo he descubierto. Probablemente debería intentar hacer algo yo mismo para hacerme una idea de tu idea. Y una vez que me haga a la idea, tal vez tenga nuevas ideas.

 
avatara писал(а) >>

¿Lo has conseguido?

A mí también. Por favor.

big[mylogin]@mail.ru

 
lasso писал(а) >>

6.000 contra 4.000 a 10.000 es comprensible. No vamos a ir más allá de la normalidad.

De nuevo la misma pregunta, pero la plantearé de otra manera.

Creamos un nuevo objeto: un sistema de eventos (por ejemplo, la ruleta). No hay ceros. Rojo/negro - 50/50. Hemos hecho 1000 pruebas. Se produjo el evento A1 (un evento) en el que el rojo cayó 600 veces y el negro 400 veces. En consecuencia, existe una P(A1) extremadamente pequeña, pero admisible, por ejemplo = 0,0001.

Ya está, nos hemos olvidado de estas mil pruebas. Empezamos con una pizarra limpia.

Pregunta: Con los próximos 1000 ensayos (en el mismo sistema) la probabilidad de qué evento es más - A3={Rojo sale 600 veces, Negro sale 400 veces} o A4={Rojo sale 400 veces, Negro sale 600 veces}

¿O P(A4)=P(A3)? ¿Cómo se calcula según el esquema del Sr. Bernoulli?

Si se olvida, ya ha ocurrido, entonces la probabilidad es la misma que antes de la primera prueba. Y antes de la primera prueba, la probabilidad de obtener 600/400 dos veces es diferente: igual al cuadrado de la probabilidad de obtener 600/400 una vez. Se trata simplemente de eventos diferentes.