Qu'est-ce que c'est ? - page 15

 
Candid >>:

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

Bon, bon, pour une raison quelconque, j'étais sûr que la distribution du nombre de hits sur Red (s'il n'y a pas de zéro, c'est-à-dire p=q=0.5) est binomiale, qui à son tour est bien approximée par la normale, pour laquelle le théorème de Laplace est valide... Vous avez peut-être confondu avec la variance, qui est égale à npq ?

 
Mathemat писал(а) >>

Bon, bon, pour une raison quelconque, j'étais sûr que la distribution du nombre de hits sur Red (s'il n'y a pas de zéro, c'est-à-dire p=q=0.5) est binomiale, qui à son tour est bien approximée par la normale, pour laquelle le théorème de Laplace est valide... Peut-être l'avez-vous confondu avec la dispersion, qui est égale à npq ?

Peut-être que je l'ai fait. Mais n'est-ce pas RMS=Root(Disp) ?

Comment serait-ce selon le camarade Laplace ?

 

Je crois que je commence à comprendre ce dont parle Candid. A propos du processus (de Bernoulli). Dans ce cas, il s'agit de la somme cumulée des résultats des tests élémentaires, c'est-à-dire, disons, 1 pour Rouge, et 0 pour Noir.

Et toi et moi, lasso, on parle d'une distribution de probabilité.

Le théorème de Laplace est un cas particulier du théorème central des limites. Le théorème de Laplace est un cas particulier du théorème de la limite centrale, qui concerne la convergence de la distribution de probabilité avec la variance npq.

 

Oui, c'est vrai, je me suis trompé sur n, la racine correcte de n. Je ne sais pas de quoi vous parlez, mais l'exemple du lasso concerne le processus :).

Il a une erreur, l'attente après la deuxième série n'est pas 1000 par 1000 mais 1100 par 900. Il semble également confondre la probabilité d'obtenir 1000 après 2000 essais et la probabilité totale de deux séries improbables de 1000 essais consécutifs ( A1 && B2 ).


P.S.

Après la 2ème série n = 2000 A3 = A1 && A2 = {(600K, 400Ch dans la série 1) ET (600K, 400Ch dans la série 2)}.......... .................................................................................

..................................................................................... MO=1100 Disp= 2000*0.5*0.5 RMS=22.36 3*SCO = 67.08 Déviation(A3)=(1200-1100)/22.36=4.47

 
Mathemat >>:

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

Je ne peux pas attacher...

G.Sekei. "Paradoxes en théorie des probabilités et en statistique mathématique".

4.5 M en déjà vu...

 

Et si vous le comprimez, ce serait dur ? Pouvez-vous l'envoyer à mon adresse e-mail (voir profil) ?

 
Mathemat >>:

Ну вот, и тут меня нашли.

Vous l'avez trouvé ou vous l'avez obtenu ? :)

 

Je ne l'ai pas encore compris moi-même. Je devrais probablement essayer de faire quelque chose moi-même pour me faire une idée de votre idée. Et une fois que j'en aurai l'habitude, j'aurai peut-être de nouvelles idées.

 
avatara писал(а) >>

Tu l'as eu ?

Moi aussi. S'il vous plaît.

big[mylogin]@mail.ru

 
lasso писал(а) >>

6.000 contre 4.000 à 10.000 est compréhensible. Nous n'irons pas au-delà de la normalité.

Encore une fois la même question, mais je vais la poser d'une manière différente.

Nous créons un nouvel objet - un système d'événements (par exemple, la roulette). Il n'y a pas de zéros. Rouge/Noir - 50/50. Nous avons fait 1000 essais. L'événement A1 s'est produit (un événement) au cours duquel Rouge est tombé 600 fois, Noir 400 fois. De même, il existe un P(A1) extrêmement faible, mais admissible, par exemple = 0,0001.

C'est tout, nous avons oublié ce millier de tests. Nous commençons par une ardoise propre.

Question : Avec les 1000 essais suivants (dans le même système), quelle est la probabilité de l'événement le plus important - A3={Rouge tombe 600 fois, Noir tombe 400 fois} ou A4={Rouge tombe 400 fois, Noir tombe 600 fois}.

Ou P(A4)=P(A3) ? Comment la calculer selon le schéma de M. Bernoulli ?

Si l'oubli s'est déjà produit, la probabilité est la même qu'avant le premier test. Et avant le premier test, la probabilité d'obtenir 600/400 deux fois est différente - égale au carré de la probabilité d'obtenir 600/400 une fois. Il s'agit simplement d'événements différents.