Che cos'è? - pagina 15

 
Candid >>:

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

Bene, bene, per qualche ragione ero sicuro che la distribuzione del numero di hit su Red (se non c'è zero, cioè p=q=0.5) è binomiale, che a sua volta è ben approssimata dalla normale, per la quale vale il teorema di Laplace... Forse ti confondi con la varianza, che è uguale a npq?

 
Mathemat писал(а) >>

Bene, bene, per qualche ragione ero sicuro che la distribuzione del numero di hit su Red (se non c'è zero, cioè p=q=0,5) è binomiale, che a sua volta è ben approssimata dalla normale, per la quale vale il teorema di Laplace... Forse l'avete confusa con la dispersione, che è uguale a npq?

Forse l'ho fatto. Ma non è RMS=Root(Disp)?

Come sarebbe secondo il compagno Laplace?

 

Credo di cominciare a capire di cosa sta parlando Candid. Sul processo (di Bernoulli). In questo caso, la somma cumulativa dei risultati dei test elementari, cioè, diciamo, 1 per il rosso e 0 per il nero.

E io e te, Lasso, stiamo parlando di una distribuzione di probabilità.

Il teorema di Laplace è un caso speciale del teorema del limite centrale. Il teorema di Laplace è un caso speciale del teorema del limite centrale, che riguarda la convergenza della distribuzione di probabilità con la varianza npq.

 

Sì, è vero, mi sono confuso su n, la radice corretta di n. Non so di cosa stai parlando, ma l 'esempio del lazo riguarda il processo :).

Ha un errore, l'aspettativa dopo la seconda serie non è 1000 per 1000 ma 1100 per 900. Sembra anche confondere la probabilità di ottenere 1000 dopo 2000 prove e l'intera probabilità di due serie improbabili di 1000 prove di fila ( A1 && B2 ).


P.S.

Dopo la 2a serie n = 2000 A3 = A1 && A2 = {(600K, 400Ch in serie 1) AND (600K, 400Ch in serie 2)}.......... .................................................................................

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

 
Mathemat >>:

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

Non si può attaccare...

G.Sekei. "Paradossi nella teoria della probabilità e nella statistica matematica".

4,5 M in deja vu...

 

E se lo comprimi, quanto sarebbe difficile? Puoi inviarlo al mio indirizzo e-mail (vedi profilo)?

 
Mathemat >>:

Ну вот, и тут меня нашли.

L'hai trovato o l'hai preso? :)

 

Beh, io stesso non l'ho ancora capito. Probabilmente dovrei provare a fare qualcosa io stesso per farmi un'idea della tua idea. E una volta che mi sarò fatto un'idea, forse mi verranno nuove idee.

 
avatara писал(а) >>

L'hai preso?

Anch'io. Per favore.

grande[mylogin]@mail.ru

 
lasso писал(а) >>

6.000 contro 4.000 a 10.000 è comprensibile. Non andremo oltre la normalità.

Di nuovo la stessa domanda, ma la metterò in un modo diverso.

Creiamo un nuovo oggetto - un sistema di eventi (per esempio la roulette). Non ci sono zeri. Rosso/Nero - 50/50. Abbiamo fatto 1000 prove. Si è verificato l'evento A1 (un evento) in cui il Rosso è caduto 600 volte, il Nero è caduto 400 volte. Corrispondentemente, c'è un P(A1) estremamente piccolo, ma ammissibile per esempio = 0,0001.

Ecco, ci siamo dimenticati di questi mille test. Cominciamo con una tabula rasa.

Domanda: con le prossime 1000 prove (nello stesso sistema) la probabilità di quale evento è maggiore - A3={Rosso cade 600 volte, Nero cade 400 volte} o A4={Rosso cade 400 volte, Nero cade 600 volte}

Oppure P(A4)=P(A3) ? Come si calcola secondo lo schema del signor Bernoulli?

Se dimenticato, già accaduto, allora la probabilità è la stessa di prima del primo test. E prima del primo test, la probabilità di ottenere 600/400 due volte è diversa - uguale al quadrato della probabilità di ottenere 600/400 una volta. Si tratta semplicemente di eventi diversi.