¿Qué es? - página 19
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Ha calculado las probabilidades para el evento 1200/800, es decir, P(A1 && A2)
Pero tú estabas hablando del evento A2|A1 (probabilidad condicional del evento A2 si el evento A1 ya ha ocurrido)
¿Dónde he hablado de probabilidades condicionales?
No estoy hurgando. Sólo pienso que si se me malinterpreta, yo también tengo parte de culpa.
Gracias.
Sekei, en su Paradojas en la Teoría de la Probabilidad y la Estadística Matemática, describe la paradoja de De Moivre. Avatara debe haberle insinuado...
Y discutir con Cándido no tiene sentido, no entendió las indirectas y pasó directamente a flamear.
Me he medido.
Creo que podemos conformarnos con esta definición para nuestra discusión: MO es la media de todas las realizaciones posibles de una variable aleatoria.
Me da pereza encontrar referencias de libros donde esté escrito que la integración significa promediar (en el caso general con exactitud al factor de normalización), pero mucha gente en este foro puede confirmarlo. La misma gente te dirá que para cantidades discretas la integración se sustituye por la suma.
MO es el valor esperado. En otras palabras, es lo que esperamos, qué valor de frecuencia de ocurrencia esperamos de una variable aleatoria en su comportamiento ideal (distribución).
No ha calculado la Mat.Esperada, sino alguna mezcla de Mat.Ocurrida (600) + MO de una segunda serie de 1000 eventos(500)Te has saltado una pista importante, cuando se habla de MO siempre hay que especificar de qué cantidad se está hablando. Pues bien, en tu problema estamos hablando exactamente de lo que he escrito: la MO del número de caídas rojas en la serie de 2000 tiradas, suponiendo que después de las primeras mil serán 600. Intentas sustituirlo por la MO del número de caídas rojas en una serie de 2000 tiradas. Son valores diferentes, por Bayes :)
¿Qué más puedo decir? En MO=1100, las variantes A1 && B2 y A1 && A2 están dispuestas simétricamente alrededor de MO, eliminando así la cuestión de por qué sus probabilidades son iguales. Ya está, estoy cansado, si no es suficiente para ti, tendré que excluirte de mi grupo de referencia :) .
P.D. Se me olvidó decir que hay otro truco útil para comprender: releer todo de nuevo con detenimiento.
Colegas, silencio. >> silencio. Acabemos con esto. Sólo que, por favor, defendamos nuestros puntos con argumentos, con cálculos, sin involucrar a "michurines" y "junatistas".
La cita anterior no es la definición de ME. La definición de la expectativa de pareja se encuentra justo debajo.
ME es el valor esperado . En otras palabras, es lo que esperamos, qué magnitud de frecuencia de ocurrencia esperamos de una variable aleatoria en su comportamiento ideal (distribución).
Y no depende de los resultados de series específicas (locales) de eventos.
La MO se supone: a) basada en las propiedades físicas del objeto, por ejemplo, un cubo regular p=1/6 MO=n*p
O se determina: b) por la experiencia. Por ejemplo, hicimos 50 series de 1000 pruebas en cada serie. Y a partir de los valores obtenidos en cada serie encontramos la media
este no es el caso. Lo que llamas MO es la probabilidad, y la MO para una distribución discreta es igual a la suma del producto de los posibles valores por su probabilidad. Si la probabilidad de cara/cola = 0,5/0,5 y para cara=+1, cruz=-1, entonces MO=1*0,5-1*0,5=0.
Pero si no tenemos probabilidades (y en la práctica nunca las tenemos), debemos estimar P(cabezas)=Número total de fichas/número total de tiradas. Es decir, la probabilidad estimada es igual a la frecuencia del evento
MO=(1*Número de águilas - 1*Número de colas)/Número de lances. Esto es para dos valores de NE.
En valores más altos la fórmula será: MO=(x1*N1+x2*N2+...+xi*Ni)/N, donde x1...xi son valores NE, N1...Ni son el número de caídas, N=N1+...+Ni son el número total de lanzamientos
¿Por qué al caer 600/400 la probabilidad vuelve a ser de 0,5/0,5? Por lo tanto, no es porque la serie recuerde algo y lo compense. Es la ley de los grandes números. Esta desviación se verá compensada por el hecho de que la desviación crecerá más lentamente a medida que aumente N que el propio N. Si la primera vez fue de 600/400, la estimación de la probabilidad es de 0,6/0,4. Si realizamos 1000 ensayos más y obtenemos, por ejemplo, 500/500, la estimación de la probabilidad será de 0,55/0,45. A grandes rasgos, esta desviación se desvanecerá a medida que aumente el número de ensayos. La estimación de la probabilidad (frecuencia del suceso) se reducirá a la probabilidad sólo en el límite del infinito (y por cierto, cuantas más pruebas menos posibilidades habrá de que sea igual).
¿Dónde he dicho yo lo de las probabilidades condicionales?
No estoy hurgando. Sólo creo que si se me malinterpreta, yo tengo parte de culpa.
Así que si no lo has hecho a propósito, tu tarea es sencilla: haz 2.000 pruebas: 1.200 rojas y 800 negras. Sin la molestia de dividirlo en series de 1000 y obtener resultados intermedios
(1) Verás, cuando intentas evaluar el nivel de tu oponente, estás evaluando su nivel o tu techo.
(2) Y no confundas una cosa con la otra.
(1) Esto es cierto.
(2) Y no es factible. Sin embargo, tal vez sea sólo mi techo... ;) ¿Compartir la tecnología? Si tienes uno tú mismo.
Por favor, no dude en proporcionar las fuentes de tan interesante información. ¿Dónde se dan esos conocimientos?
¡Miembros del Foro! Por favor, no guarden silencio, sino que expongan sus argumentos. ¿Qué hay de malo en mi primer mensaje en esta página?
Estoy cansado de escribir sobre ello, pero lo diré de nuevo: ........ Me baso en siglos y miles de años de observaciones con cintas métricas, y en la suposición de que la mesa y la rueda de la ruleta están perfectamente fabricadas y equilibradas. No hay ceros en mi cinta métrica (para no perdernos aún más). 36 hoyos. 18 rojo. 18 negro. Eso es 0,5 por 0,5.
Por lo tanto, su problema se refiere exactamente a lo que escribí: el número MO de rojos en una serie de 2000 disparos, suponiendo que hay 600 después de los primeros mil. Intentas sustituirlo por la MO del número de caídas rojas en una serie de 2000 tiradas. Son valores diferentes, por Bayes :)
Bueno, no hay condiciones en la definición de MO (... suponiendo que haya 600 después de los primeros mil...) ¡¡¡NO!!! De lo contrario, es obligatorio hacer referencia a la fuente.
Ya está, estoy cansado, si no es suficiente para ti, tendré que excluirte de mi grupo de referencia :) .
No. No. Ni siquiera lo pienses.... En medio de una ronda, sólo puedes acostarte si estás muy cansado... )) Y no puedes dejarlo. Nadie lo entenderá.
Si has estado boxeando, por supuesto. ))
Avals, gracias. Nuestras opiniones son casi idénticas. Estaba a punto de ponerte en el campo "enemigo" )))) Pero aún así....
Si la primera vez fue de 600/400 entonces la estimación de la probabilidad es de 0,6/0,4 Si se realizan otros 1000 ensayos y se obtiene por ejemplo 500/500 entonces la estimación de la probabilidad ya es de 0,55/0,45.
Una vez más, Nosotros NO hacer una estimación de la probabilidad de que el Rojo se caiga en el Tirachinas por alguna serie discreta de eventos, ya ha sido producida ANTES DE ÉL por nuestros predecesores (Laplace, Bernoulli, Bayes), nuestra historia, la historia de la caída del Rojo-Negro. ¡¡Eso es!! p=q=0,5 más o menos #define p 0,5 ESTE ES EL PUNTO.
Por lo tanto, si no lo has dicho en serio, tu problema se formula de forma sencilla: has hecho 2000 pruebas - 1200 rojas, 800 negras. Sin todo el problema de dividirlo en series de 1000 y obtener resultados intermedios.
No, no lo es. Estoy perplejo. ¿Cómo puedo hacer que se entienda mi punto de vista? Por favor, vuelva a leer el problema original https://www.mql5.com/ru/forum/122871/page14#254008
y su interpretación de la honda https://www.mql5.com/ru/forum/122871/page16#255508
Само определение мат.ожидания чуть ниже.
МО это ожидаемое значение. Другими словами это то, что мы ждем, какую величину частоты появления ожидаем от случайной величины в идеале её поведения (распределения).
Esta es una interpretación en términos de sentido mundano, pero no una definición. Ya conoces la definición: es una media de realizaciones ideales; no hay nada en ella sobre las expectativas o el futuro. De la misma manera se define la predicción de un proceso aleatorio en algún momento del futuro: es m.o. y nada más.
Se puede discutir mucho sobre la naturaleza y el significado de la probabilidad, pero sigue teniendo algo que está ausente en la frecuencia: la probabilidad contiene implícitamente el modelo de comportamiento del fenómeno que suponemos que le es aplicable en el pasado, el presente y el futuro. La frecuencia, en cambio, sólo tiene el pasado.
Bueno, no hay condiciones en la definición de ME (... suponiendo que haya 600 después de los primeros mil...)
Muy bien, que así sea. Entonces, ¿ahora tenemos que renunciar a dar cuenta de los hechos verosímiles que usted se niega tan obstinadamente a ver? Tenemos un acontecimiento creíble : la primera serie de pruebas nos aportó 600 aciertos en la Red. Tenemos que calcular lo que se puede esperar de media del evento completo (2.000 ensayos), pero partiendo de la base de que los primeros mil ensayos ya han dado lugar a 600 rojos.
No va a ser un gran problema. Sabemos que la expectativa del número de rojos en la segunda serie de 1000 ensayos es exactamente 500. Nuestro proceso es bernouliano, por lo que sabemos que el pasado no afecta a esta expectativa: de todos modos es igual a 500. Ahora, sabiendo que en la primera serie ya ha habido 600, añadimos otros 500.
No importa cómo lo llames, expectativa, predicción o cualquier otro nombre, de todos modos, 500+600 estará en el centro de lo que obtengas como resultado de una serie de 2000 pruebas.
Потрудитесь, пожалуйста, источники столь интересной информации все же предоставить. Где раздают такие знания?
Bueno, no hay condiciones en la definición de MO (... siempre que después de los primeros mil haya 600...)
Una vez más, ahora definitivamente la última. No puede estar en la definición de la MO, está en la definición del valor cuya MO quieres conocer. Y tú personalmente diste esa definición, nadie te tiró de la lengua.
Ya que has empezado a escribir el post, te voy a sugerir una forma más.
Por lo tanto, tome su ruleta correcta y gire (recordando lanzar la bola) muchas, muchas veces. Divide TODOS los resultados en una serie de 2000 tiradas. Calcula la media de los resultados y, si has hecho un buen trabajo, obtén un resultado cercano a 1000. Esta será la estimación de MO del número de caídas rojas en la serie de 2000 rollos . Si sigues girando hasta el infinito, obtendrás una cifra infinitamente cercana a 1000.
Pero no te relajes. :) La siguiente tarea será más complicada. Tendremos que estimar el número de aciertos rojos en la serie 2000 con la condición de que después de los primeros mil haya 600. De todos los 2000 disparos tendrás que quedarte sólo con las series con 600 aciertos rojos después de los primeros mil. Y hay muchos menos. Así que para una buena estimación del MO tendrás que girar la ruleta no muchas, muchas veces, sino muchas, muchas veces más. Eso es culpa tuya. Pero aquí finalmente se obtiene un número bastante grande de estas series, se calcula la media y... Apuesto a que está mucho más cerca de 1.100 que de 1.000. Estoy dispuesto a dejarte girar la ruleta hasta que consigas 1000. O hasta que estés de acuerdo conmigo.
Incluso puedes practicar primero con una tarea más sencilla. Que no sean 2000, 1000 y 600, sino 4, 2 y 2. Es decir, dividir los resultados de los sorteos en una serie de 4 y seleccionar aquellos en los que hubo 2 rojos después de dos sorteos. No necesitarás un gran número de sorteos para conseguir tu primera puntuación decente, así que puedes coger una moneda (si no tienes ruleta) y empezar de inmediato. Puede seguir haciéndolo hasta que la puntuación de la MO se acerque a 2, o hasta que esté de acuerdo en que la MO para ese valor es 3.
¿De acuerdo?
¿Una serie de 4 tiradas debería tender hacia su (o más bien su) expectativa después de dos caídas rojas?
¿Te preguntas por qué la probabilidad volverá a ser de 0,5/0,5 cuando llegues a 600/400?
Esa pregunta no me molesta en absoluto. Lo que me molesta es que no puedo explicar matemáticamente mis ganancias en la ruleta (en cuanto a dinero), aunque con la cantidad de partidas jugadas y una expectativa tan negativa ( 1/37 = cero) y ese capital inicial (depósito) deberíamos haber quebrado al menos 6-7 veces. Pero eso no ocurrió.
.......
Me pasa lo mismo que al titular de arriba. Sólo que con una pequeña diferencia: muestra los gráficos de otra persona y pregunta "¿Qué son estos?".
Yo "enseño" mis cartas (aunque en la ruleta, no es el punto) y también pregunto "¿Qué es?". Pero a diferencia de los gráficos, puedo explicar algo. Pero a nadie parece interesarle.
Entonces, ¿por qué estamos aquí, señores?