Qu'est-ce que c'est ? - page 19
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Vous avez calculé les probabilités pour l'événement 1200/800 c'est-à-dire P(A1 && A2)
Mais vous parliez de l'événement A2|A1 (probabilité conditionnelle de l'événement A2 si l'événement A1 s'est déjà produit).
Où ai-je parlé de probabilités conditionnelles ?
Je ne fouille pas. Je pense juste que si je suis mal compris, alors je suis en partie responsable de cela aussi.
Merci.
Sekei, dans son ouvrage Paradoxes in Probability Theory and Mathematical Statistics, décrit le paradoxe de Moivre. Avatara a dû y faire allusion pour toi...
Et discuter avec Candide est inutile, il n'a pas compris les allusions et est passé directement au flaming.
Je me suis mesuré.
Je pense que nous pouvons nous contenter de cette définition pour notre discussion : le MO est une moyenne de toutes les réalisations possibles d'une variable aléatoire.
Je suis trop paresseux pour trouver les références des livres où il est écrit que l'intégration signifie faire la moyenne (dans le cas général avec la précision du multiplicateur de normalisation), mais de nombreuses personnes sur ce forum peuvent vous le confirmer. Les mêmes personnes vous diront que pour les quantités discrètes, l'intégration est remplacée par la sommation.
MO est la valeur attendue. En d'autres termes, c'est ce que nous attendons, la valeur de la fréquence d'occurrence que nous attendons d'une variable aléatoire dans son comportement idéal (distribution).
Vous n'avez pas calculé les Mathématiques attendues, mais un mélange de Mat.Happened (600) + MO d'une deuxième série de 1000 événements(500)Vous avez manqué un indice important : lorsque vous parlez de MO, vous devez toujours préciser de quelle quantité vous parlez. Eh bien, dans votre problème, nous parlons exactement de ce que j'ai écrit : le MO du nombre de chutes rouges dans la série de 2000 rouleaux, en supposant qu'après les mille premiers, il y en aura 600. Vous essayez de le remplacer par le seul MO du nombre de chutes rouges dans une série de 2000 rouleaux. Ce sont des valeurs différentes, par Bayes :)
Que puis-je vous dire d'autre ? À MO=1100, les variantes A1 && B2 et A1 && A2 sont disposées symétriquement autour de MO, ce qui élimine la question de savoir pourquoi leurs probabilités sont égales. Voilà, je suis fatigué, si cela ne vous suffit pas, je vais devoir vous exclure de mon groupe de référence :) .
P.S. J'ai oublié de dire qu'il existe une autre astuce utile pour comprendre : relisez tout de manière réfléchie.
Collègues, silence. >> Chut. Finissons-en avec ça. Seulement, s'il vous plaît, défendons nos points avec des arguments, avec des calculs, sans impliquer les "michuriniens" et les "junatistes".
La citation ci-dessus n'est pas la définition de ME. La définition de l'attente de maté elle-même se trouve juste en dessous.
ME est la valeur attendue . En d'autres termes, il s'agit de ce que nous attendons, de l'ampleur de la fréquence d'occurrence que nous attendons d'une variable aléatoire dans son comportement idéal (distribution).
Et elle ne dépend pas des résultats de séries d'événements spécifiques (locaux).
La MO est supposée : a) basée sur les propriétés physiques de l'objet, par exemple un cube régulier p=1/6 MO=n*p
Ou bien elle est déterminée : b) par l'expérience. Par exemple, nous avons fait 50 séries de 1000 tests dans chaque série. Et à partir des valeurs obtenues dans chaque série, nous trouvons la moyenne
ce n'est pas le cas. Ce que vous appelez MO est la probabilité, et la MO pour une distribution discrète est égale à la somme du produit des valeurs possibles par leur probabilité. Si la probabilité de face/queue = 0,5/0,5 et pour face=+1, queue=-1, alors MO=1*0,5-1*0,5=0.
Mais si nous n'avons pas de probabilités (et en pratique nous n'en avons jamais), nous devons estimer P(têtes)=Nombre total de jetons/nombre total de lancers. C'est-à-dire que la probabilité estimée est égale à la fréquence de l'événement.
MO=(1*Nombre d'aigles - 1*Nombre de queues)/Nombre de lancers. Ceci pour deux valeurs de NE.
Pour des valeurs plus élevées, la formule sera : MO=(x1*N1+x2*N2+...+xi*Ni)/N, où x1...xi - NE, N1...Ni - nombre de chutes, N=N1+...+Ni - nombre total de lancers
Pourquoi, en cas de chute de 600/400 , la probabilité revient à 0,5/0,5 ? Ce n'est donc pas parce que la série se souvient de quelque chose et compense. C'est la loi des grands nombres. Cet écart sera compensé par le fait que l'écart croîtra moins vite que N lui-même lorsque N augmente. Si la première fois, le résultat était de 600/400, la probabilité estimée est de 0,6/0,4. Si nous effectuons 1000 essais supplémentaires et obtenons par exemple 500/500, la probabilité estimée sera de 0,55/0,45. En gros, cet écart s'estompe au fur et à mesure que le nombre d'essais augmente. L'estimation de la probabilité (fréquence de l'événement) ne sera réduite à la probabilité que dans la limite de l'infini (et d'ailleurs, plus il y a de tests, moins il y a de chances qu'elle soit égale).
Où ai-je parlé de probabilités conditionnelles ?
Je ne fouille pas. Je pense simplement que si je suis mal compris, c'est en partie ma faute.
Donc si vous ne l'avez pas fait exprès, votre tâche est simple : faire 2 000 essais - 1 200 rouges, 800 noirs. Sans avoir à le décomposer en séries de 1000 et à obtenir des résultats intermédiaires.
(1) Voyez-vous, lorsque vous essayez d'évaluer le niveau de votre adversaire, vous évaluez soit son niveau, soit votre plafond.
(2) Et ne pas confondre l'un avec l'autre.
(1) C'est vrai.
(2) Et ce n'est pas faisable. Cependant, peut-être que ce n'est que mon plafond... ;) Partager la technologie ? Si vous en avez un vous-même.
N'hésitez pas à indiquer les sources de ces informations intéressantes. Où donnent-ils de telles connaissances ?
Membres du Forum ! Ne vous taisez pas, mais présentez vos arguments. Qu'est-ce qui ne va pas dans mon premier message sur cette page ?
Je suis fatigué d'écrire à ce sujet, mais je vais le répéter : ......... Je me base sur des siècles et des milliers d'années d'observations à l'aide d'un mètre ruban, et sur l'hypothèse que la table et la roue du gouvernail sont parfaitement fabriquées et équilibrées. Il n'y a pas de zéros sur mon mètre ruban (pour ne pas nous perdre encore plus). 36 trous. 18 rouge. 18 noir. C'est 0,5 par 0,5.
Donc, votre problème concerne exactement ce que j'ai écrit : le nombre de rouges MO dans une série de 2000 photos, en supposant qu'il y en ait 600 après les mille premières. Vous essayez de le remplacer par le seul MO du nombre de chutes rouges dans une série de 2000 rouleaux. Ce sont des valeurs différentes, par Bayes :)
Eh bien, il n'y a pas de conditions dans la définition du MO (... en supposant qu'il y en ait 600 après le premier millier... ) NON ! !!! Sinon - la référence à la source est obligatoire !
Voilà, je suis fatigué, si cela ne vous suffit pas, je vais devoir vous exclure de mon groupe de référence :) .
Non. Non. N'y pense même pas .... Vous ne pouvez vous allonger au milieu d'un tour que si vous êtes vraiment fatigué... )) Et tu ne peux pas abandonner. Personne ne comprendra.
Si vous avez fait de la boxe, bien sûr. ))
Avals, merci. Nos points de vue sont presque identiques. J'étais sur le point de vous mettre dans le camp des "ennemis" )))) Mais quand même....
Si le premier essai a donné 600/400, la probabilité estimée est de 0,6/0,4. Si l'on effectue 1000 autres essais et que l'on obtient par exemple 500/500, la probabilité estimée est déjà de 0,55/0,45.
Une fois de plus, nous PAS faire une estimation de la probabilité que Rouge tombe au lance-pierre par une série discrète d'événements, cela a déjà été produit AVANT LUI par nos prédécesseurs (Laplace, Bernoulli, Bayes), notre histoire, l'histoire des chutes Rouge-Noir. C'est ça ! !! p=q=0.5 environ #define p 0.5 C'EST LE POINT.
Donc si vous ne le pensiez pas, votre problème est formulé simplement: vous avez fait 2000 essais - 1200 rouges, 800 noirs. Sans avoir à le décomposer en séries de 1000 et à obtenir des résultats intermédiaires.
Non, ça ne l'est pas. Je suis perplexe. Comment puis-je faire passer mon message ? Veuillez relire le problème original https://www.mql5.com/ru/forum/122871/page14#254008
et son interprétation de la fronde 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).
Il s'agit d'une interprétation au sens du monde, mais pas d'une définition. Vous connaissez la définition : il s'agit d'une moyenne de réalisations idéales ; il n'y a rien là-dedans concernant les attentes ou l'avenir. De la même manière, la prédiction d'un processus aléatoire à un moment donné dans le futur est définie : c'est le mode opératoire et rien d'autre.
On peut discuter longuement de la nature et de la signification de la probabilité, mais elle a toujours quelque chose qui est absent de la fréquence : la probabilité contient implicitement le modèle de comportement du phénomène que nous supposons être applicable à celui-ci dans le passé, le présent et le futur. La fréquence, en revanche, n'a que le passé.
Eh bien, il n'y a pas de conditions dans la définition de ME (... en supposant qu'il y en ait 600 après le premier millier...)
Très bien, qu'il en soit ainsi. Alors quoi, maintenant nous devons renoncer à comptabiliser les événements crédibles que vous refusez si obstinément de voir ? Nous avons un événement crédible : la première série de tests nous a rapporté 600 visites sur le Red. Nous devons calculer ce qu'il faut attendre en moyenne de l'événement complet (2000 essais) - mais en supposant que les mille premiers essais ont déjà donné lieu à 600 Reds.
Ce ne sera pas un gros problème. Nous savons que l'espérance du nombre de Rouges dans la deuxième série de 1000 essais est exactement 500. Notre processus est celui de Bernoulli, nous savons donc que le passé n'affecte pas cette espérance : elle est de toute façon égale à 500. Maintenant, sachant que 600 ont déjà été dans la première série, nous ajoutons 500 autres.
Peu importe comment vous l'appelez, attente, prédiction ou tout autre nom, de toute façon, 500+600 sera au centre de ce que vous obtiendrez à la suite d'une série de 2000 essais.
Потрудитесь, пожалуйста, источники столь интересной информации все же предоставить. Где раздают такие знания?
Eh bien, il n'y a pas de conditions dans la définition du MO (... à condition qu'après les mille premiers, il y en ait 600...) .
Encore une fois, c'est définitivement le dernier. Cela ne peut pas être dans la définition du MO, c'est dans la définition de la valeur dont vous voulez connaître le MO. Et vous avez personnellement donné cette définition, personne ne vous a tiré la langue.
Puisque vous avez commencé à rédiger l'article, je vais vous suggérer un autre moyen.
Prenez donc votre bonne roulette et faites tourner (en n'oubliant pas de lancer la balle) de nombreuses, nombreuses fois. Divisez TOUS les résultats en une série de 2000 rouleaux. Calculez la moyenne des résultats et, si vous avez fait du bon travail, obtenez un résultat proche de 1000. Ce sera l'estimation MO du nombre de chutes rouges dans la série des 2000 rouleaux . Si vous continuez à tourner à l'infini, vous obtiendrez une valeur infiniment proche de 1000.
Mais ne vous détendez pas ! :) La prochaine tâche sera plus compliquée. Nous devrons estimer le nombre de coups rouges dans la série 2000 avec la condition qu'après les mille premiers, il y en aura 600. Sur l'ensemble des 2000 clichés, vous ne devrez garder que les séries ayant 600 occurrences rouges après les mille premières. Et ils sont beaucoup moins nombreux. Ainsi, pour obtenir une bonne estimation du MO, vous ne devrez pas faire tourner la roulette de nombreuses fois, mais de nombreuses fois plus. C'est votre propre faute. Mais ici, vous obtenez finalement un nombre assez important de ces séries, vous calculez la moyenne et... Je parie que c'est beaucoup plus proche de 1100 que de 1000. Je suis prêt à vous laisser tourner la roulette jusqu'à ce que vous obteniez 1000. Ou jusqu'à ce que vous soyez d'accord avec moi.
Vous pouvez même vous entraîner d'abord sur une tâche plus simple. Que ce ne soit pas 2000, 1000 et 600, mais 4, 2 et 2. C'est-à-dire diviser les résultats des tirages en une série de 4 et sélectionner ceux dans lesquels il y avait 2 rouges après deux tirages. Vous n'aurez pas besoin d'un grand nombre de tirages pour votre premier score décent, vous pouvez donc prendre une pièce (si vous n'avez pas de roulette) et commencer tout de suite. Vous pouvez encore le faire jusqu'à ce que le score du MO soit proche de 2, ou jusqu'à ce que vous conveniez que le MO pour cette valeur est de 3.
D'accord ?
Une série de 4 rouleaux doit-elle tendre vers votre (ou plutôt vos) attente après deux chutes rouges ?
Vous vous demandez pourquoi la probabilité revient à 0,5/0,5 lorsque vous atteignez 600/400 ?
Cette question ne me dérange pas du tout. Ce qui me dérange, c'est que je ne peux pas expliquer mathématiquement mes gains à la roulette (en termes d'argent), bien qu'avec le nombre de parties jouées, une espérance aussi négative (1/37 = zéro) et un tel capital de départ (dépôt), nous aurions dû faire faillite au moins 6-7 fois. Mais ça ne s'est pas produit.
.......
Je suis en proie à la même chose que le débutant du haut. Avec une légère différence : il montre les cartes de quelqu'un d'autre et demande "Qu'est-ce que c'est ?".
Je "montre" mes graphiques (bien qu'à la roulette, ce n'est pas le but) et je demande aussi "Qu'est-ce que c'est ?". Mais contrairement aux graphiques, je peux expliquer quelque chose. Mais personne ne semble s'y intéresser !
Alors pourquoi sommes-nous ici, messieurs ?