Maxim Kuznetsov : 순전히 직관적으로 - 결과는 33% 향상됩니다(1.05 * 1.1 * 1.15 = 1.328). 즉, 최종 확률은 0.5 * 33% = 0.66%가 되며 원칙적으로 진실과 유사합니다. 그리고 가장 강력한 요인 C에서 샘플링하는 것보다 훨씬 낫지 않습니다.
이것이 올바른 해결책인지 확실하지 않습니다. 왜요? 사건 D의 발생을 선호하는 요인 A와 B는 최종 확률을 높이는 데 거의 기여하지 않기 때문입니다. 별도로 요인 C는 기회를 0.5에서 0.65로, 요인 A와 B는 추가로 0.65에서 0.66으로 향상시킵니다. 0.01로 무시할 수 있습니다. 직관 수준인 IMHO에서 결과는 0.7-0.75 범위에 있어야 합니다.
물론 과제가 없기 때문에 해결책은 없습니다. 일반적으로 확률적 접근 방식에서 문제를 설정하는 것은 전투의 절반이 아니라 거의 모든 것입니다. 내 쪽에서 힌트를 줄 수 있습니다. "성장"과 같은 이벤트가 아니라(그것을 결정하기가 매우 어렵습니다), 이벤트 A 후 1시간 후에 비율에 대한 기대 변화의 크기를 평가할 필요가 있습니다. 또는 하루, 초 - 의존 어떤 이벤트에.
Vladimir : 물론 과제가 없기 때문에 해결책은 없습니다. 일반적으로 확률적 접근 방식에서 문제를 설정하는 것은 전투의 절반이 아니라 거의 모든 것입니다. 내 쪽에서 힌트를 줄 수 있습니다. "성장"과 같은 이벤트가 아니라(그것을 결정하기가 매우 어렵습니다), 이벤트 A 후 1시간 후에 비율에 대한 기대 변화의 크기를 평가할 필요가 있습니다. 또는 하루, 초 - 의존 어떤 이벤트에.
왜 복잡합니까? 단순화된 용어 "성장"은 일부 고정된(심지어 한 시간 동안 - 이 경우에는 중요하지 않음) 시간 동안 양수 증가를 의미합니다.
나는 이미 저격수와 관련하여 문제의 조건을 재구성했는데 더 혼동하기 어렵습니다. 해결해 봅시다.
A - 범인은 건강합니다. P(D/A)=0.55 - 사수가 건강할 때 목표물을 명중할 확률,
B - 위치에 바람이 없습니다. P(D/B)=0.6 - 해당 위치에 바람이 없는 경우 목표물을 명중할 확률,
C - 저격수에게 좋은 무기가 주어졌습니다. P(D/C)=0.65 - 저격수에게 좋은 무기가 제공된 경우 목표물을 명중할 확률.
조건/사건 A, B, C가 독립적이고 쌍으로 또는 그룹으로 호환 가능하다고 가정합니다.
ABC 조건/사건이 일치할 때 사수가 사선을 점유한다고 가정합니다. 그는 건강하고 바람이 총알을 날리지 않으며 사수는 좋은 무기를 가지고 있습니다.
질문: 이러한 조건이 일치할 경우 사수 P(D/ABC)가 목표물을 명중할 확률은 얼마입니까?
문제가 있습니다. 사건 A, B, C는 독립적일 수 있습니다(그들은 좋은 무기를 줬고, 바람은 그쳤고, 건강 상태는 개선되었습니다) - 그러나 이것들은 사격 과정 자체의 사건이 아닙니다. 바람이 없는 상태에서 건강이 좋은 경우 확률을 어디에서 얻을 수 있는지 모르겠습니다. 시도가 없었고 샘플링 빈도가 결정되지 않았습니다. 이벤트 자체는 독립적이지만 결과에 대한 기업의 영향 메커니즘은 알려져 있지 않습니다.
이것은 두 가지 다른 약물에 대한 환자의 반응을 예측하려는 것과 같습니다. 예, 독립적입니다 (우리가 원할 때 각 정제를 마실 것입니다). 예, 반응은 별도로 알려져 있으며 각각에 대한 지침에 설명되어 있습니다. 그러나 동시 사용의 효과는 어떤 식으로든 평가되지 않았습니다. 이 약들은 알려지지 않은 방식으로 상호 작용할 수 있습니다. 그리고 서로의 행동을 강화하고 반대로 약화시킵니다. 그리고 그들이 질병에 직접적으로 작용하는 방식에서는 전혀 아닙니다.
갑자기 화창한 날씨의 고요한 날씨에 기분이 좋고 새 무기를 출시하는 기쁨에 사수는 자존심이 높아져 거의 목표물을 보지 않고 과감하게 쏘기 시작할 것입니까?
숫자는 머리에서 가져옵니다 ... 발명되었습니다. 무언가에서 벗어나야 합니다.
네, 조건 A, B, C가 없을 때 10만 번의 테스트와 50,000번의 안타로 얻은 사수를 명중할 확률이 0.5라고 가정해 봅시다.
그리고 실제로:
순전히 직관적으로 - 결과는 33% 향상됩니다(1.05 * 1.1 * 1.15 = 1.328). 즉, 최종 확률은 0.5 * 33% = 0.66%가 되며 원칙적으로 진실과 유사합니다. 그리고 가장 강력한 요인 C에서 샘플링하는 것보다 훨씬 낫지 않습니다.
이것이 올바른 해결책인지 확실하지 않습니다. 왜요? 사건 D의 발생을 선호하는 요인 A와 B는 최종 확률을 높이는 데 거의 기여하지 않기 때문입니다. 별도로 요인 C는 기회를 0.5에서 0.65로, 요인 A와 B는 추가로 0.65에서 0.66으로 향상시킵니다. 0.01로 무시할 수 있습니다. 직관 수준인 IMHO에서 결과는 0.7-0.75 범위에 있어야 합니다.
동의한다. 따라서 그는 0.5 * 0.5 * 0.5가 하늘의 손가락이라고 썼습니다.
문제에 대한 대안이 있습니까, 아니면 최소한 힌트가 있습니까?
물론 과제가 없기 때문에 해결책은 없습니다. 일반적으로 확률적 접근 방식에서 문제를 설정하는 것은 전투의 절반이 아니라 거의 모든 것입니다. 내 쪽에서 힌트를 줄 수 있습니다. "성장"과 같은 이벤트가 아니라(그것을 결정하기가 매우 어렵습니다), 이벤트 A 후 1시간 후에 비율에 대한 기대 변화의 크기를 평가할 필요가 있습니다. 또는 하루, 초 - 의존 어떤 이벤트에.
왜 복잡합니까? 단순화된 용어 "성장"은 일부 고정된(심지어 한 시간 동안 - 이 경우에는 중요하지 않음) 시간 동안 양수 증가를 의미합니다.
나는 이미 저격수와 관련하여 문제의 조건을 재구성했는데 더 혼동하기 어렵습니다. 해결해 봅시다.
왜 복잡합니까? 단순화된 용어 "성장"은 일부 고정된(심지어 한 시간 동안 - 이 경우에는 중요하지 않음) 시간 동안 양수 증가를 의미합니다.
나는 이미 저격수와 관련하여 문제의 조건을 재구성했는데 더 혼동하기 어렵습니다. 해결해 봅시다.
처음부터 올바른 공식이 있습니다. 이 공식은 조건부 확률이 아니라 확률에 대해 참이라는 점을 분명히 하겠습니다. 조건부 확률의 경우 다음과 같습니다.
P(D) = P(A) * P(D|A) + P(B) * P(D|B) + P(C)*P(D|C)
이 공식을 위해서는 앞서 언급한 지표 A, B, C를 유발하는 선험적 확률을 입력해야 합니다.
처음부터 올바른 공식이 있습니다. 이 공식은 조건부 확률이 아니라 확률에 대해 참이라는 점을 분명히 하겠습니다. 조건부 확률의 경우 다음과 같습니다.
P(D) = P(A) * P(D|A) + P(B) * P(D|B) + P(C)*P(D|C)
이 공식을 위해서는 앞서 언급한 지표 A, B, C를 유발하는 선험적 확률을 입력해야 합니다.
고맙습니다.
P(D) = P(A) * P(D|A) + P(B) * P(D|B) + P(C)*P(D|C)
이것은 독립 행사가 아닌 전체 그룹을 위한 것입니다.
인디케이터와 시그널이 있는 조건을 잘못 이해하고 있는 것 같은데, 바로 깜박임, 발생 빈도/우연 등의 연관성이 있습니다. 나쁜 꿈처럼 잊어버리고 같은 문제를 다시 말해보자.
++++++++++++++++++++++++++++++++++++++++++++++++++++++ ++ ++++++++++++++++++++++++++++++++++++++++++++++++++ ++++ +++++++++++++++++
우리는 표적을 맞추거나(이벤트 D) 놓칠 수 있는 위치에 사수가 있습니다.
목표물을 명중할 확률은 일부 조건/이벤트에 따라 다릅니다.
ABC 조건/사건이 일치할 때 사수가 사선을 점유한다고 가정합니다. 그는 건강하고 바람이 총알을 날리지 않으며 사수는 좋은 무기를 가지고 있습니다.
질문: 이러한 조건이 일치할 경우 사수 P(D/ABC)가 목표물을 명중할 확률은 얼마입니까?
문제가 있습니다. 사건 A, B, C는 독립적일 수 있습니다(그들은 좋은 무기를 줬고, 바람은 그쳤고, 건강 상태는 개선되었습니다) - 그러나 이것들은 사격 과정 자체의 사건이 아닙니다. 바람이 없는 상태에서 건강이 좋은 경우 확률을 어디에서 얻을 수 있는지 모르겠습니다. 시도가 없었고 샘플링 빈도가 결정되지 않았습니다. 이벤트 자체는 독립적이지만 결과에 대한 기업의 영향 메커니즘은 알려져 있지 않습니다.
이것은 두 가지 다른 약물에 대한 환자의 반응을 예측하려는 것과 같습니다. 예, 독립적입니다 (우리가 원할 때 각 정제를 마실 것입니다). 예, 반응은 별도로 알려져 있으며 각각에 대한 지침에 설명되어 있습니다. 그러나 동시 사용의 효과는 어떤 식으로든 평가되지 않았습니다. 이 약들은 알려지지 않은 방식으로 상호 작용할 수 있습니다. 그리고 서로의 행동을 강화하고 반대로 약화시킵니다. 그리고 그들이 질병에 직접적으로 작용하는 방식에서는 전혀 아닙니다.
갑자기 화창한 날씨의 고요한 날씨에 기분이 좋고 새 무기를 출시하는 기쁨에 사수는 자존심이 높아져 거의 목표물을 보지 않고 과감하게 쏘기 시작할 것입니까?
돌아가서 주문합시다.
위에서 제안한 공식(X, A, B, C를 통해 의도적으로 다르게 작성합니다):
P(X) = 1 - (1 - P(A)) * (1 - P(B)) * (1 - P(C))
적어도 하나의 지표에서 신호의 확률을 제공합니다. 이것이 결과가 너무 높은 이유입니다. 세 개의 표시기가 더 자주 신호를 보냅니다. 그러나 실제로 이것은 문제의 공식화에서 추구되는 것이 아닙니다.
베이즈:
P(D|ABC) = P(ABC|D) * P(D) / P(ABC)
여기서 P(ABC) = P(A) * P(B) * P(C)
여기서 지표의 선험적 확률은 모든 지표의 신호의 총합 중 각 지표의 신호 수로 구합니다.
P(D) = 슈퍼 추세가 없을 때 기본적으로 0.5입니다. 즉, 매수 및 매도 신호의 확률이 동일합니다.
그러나 P(ABC|D)를 계산하는 방법 - 의심이 듭니다. 가장 간단한 옵션(독립성으로 인해):
P(ABC|D) = P(A|D) * P(B|D) * P(C|D)
이러한 각 조건부 확률은 구매가 정확한 모든 막대 세트에 대한 각 지표의 신호 수로 간주되어야 합니다.
그러나 이 모든 것이 궁극적인 진리는 아닙니다. ;-/