lasso>> :Приведенная цитата не есть определение МО. Само определение мат.ожидания чуть ниже.
나는 우리의 논의를 위해 이 정의에 만족하는 것이 상당히 가능하다고 생각합니다. MO는 임의의 변수의 가능한 모든 실현에 대한 평균입니다.
나는 통합이 평균화를 의미한다고 쓰여진 책에 대한 링크를 찾기에는 너무 게으르지만(일반적으로 최대 정규화 요소까지), 이 포럼의 많은 사람들이 이것을 확인할 수 있습니다. 같은 사람들은 이산 수량의 경우 통합이 합산으로 대체된다고 말할 것입니다.
MO는 예상 값입니다. 다시 말해서, 이것은 우리가 기대하는 것, 이상적인 행동(분포)에서 임의의 변수로부터 예상되는 발생 빈도입니다.
수학적 기대치가 아니라 Math.Happened(600) + MO의 혼합을 계산하여 1000개의 이벤트(500)의 두 번째 시리즈에서 계산했습니다.
MO에 대해 이야기할 때 중요한 단서를 놓쳤습니다. 항상 값이 무엇인지 표시해야 합니다. 따라서 귀하의 문제에서 우리는 내가 쓴 것에 대해 정확히 이야기하고 있습니다. 처음 1000회 이후에 600회가 있을 경우 2000회 연속으로 빨간색 발생의 MO 수에 대해 이야기하고 있습니다. 일련의 2000개 롤에서 빨간색 롤 수의 MO 로 교체하려고 합니다. 이것은 다른 양입니다. Bayes가 맹세합니다. :)
글쎄, 내가 무슨 말을 더 할 수 있니? MO = 1100일 때 옵션 A1 && B2와 A1 && A2는 MO 주위에 대칭적으로 위치하므로 확률이 같은 이유에 대한 질문을 제거합니다. 그게 다야, 피곤해. 이것으로 충분하지 않으면 참조 그룹에서 당신을 제외해야 할 것입니다 :) .
추신: 이해에 유용한 또 다른 트릭이 있다는 것을 잊어버렸습니다. 모든 것을 다시 신중하게 다시 읽으십시오.
lasso писал(а)>> 동료들이여, 조용히 하십시오. 조용한. 이제 모두 분해해 보겠습니다. 플리즈, "미추리파"와 "젊은 박물학자"를 포함하지 않고 계산으로 합리적으로 우리의 주장을 방어합시다.
이 인용문은 MO의 정의가 아닙니다. 수학적 기대치의 정의는 약간 낮습니다.
MO는 예상 값입니다. 다시 말해서, 이것은 우리가 기대하는 것, 이상적인 행동(분포)에서 임의의 변수로부터 예상되는 발생 빈도입니다.
그리고 MO는 특정(로컬) 일련의 이벤트 결과에 의존하지 않습니다.
MO는 다음과 같이 가정합니다.
또는 b) 경험적으로 결정됩니다. 예를 들어, 각 시리즈에서 1000개의 테스트로 구성된 50개의 시리즈를 수행했습니다. 그리고 이미 각 시리즈에서 얻은 값 에서 평균 값 을 찾습니다.
이것은 사실이 아닙니다. MO라고 부르는 것은 확률이며 이산 분포에 대한 MO는 가능한 값과 확률의 곱의 합과 같습니다. 앞면/뒷면의 확률이 0.5/0.5이고 앞면이 떨어질 때 CB=+1, 뒷면=-1의 값이면 MO=1*0.5-1*0.5=0입니다.
그러나 확률이 없는 경우(실제로는 절대 존재하지 않음) P(독수리) = 머리가 떨어지는 횟수 / 총 던진 횟수를 평가해야 합니다. 저것들. 확률 추정치는 사건의 빈도와 같습니다.
MO \u003d (1 * 머리 수 - 1 * 꼬리 수) / 던지기 횟수. 이것은 SW의 두 값에 대한 것입니다.
값이 클수록 MO \u003d (x1 * N1 + x2 * N2 + ... + xi * Ni) / N 공식이 있습니다. 여기서 x1 ... xi - CB 값 , N1 ... Ni - 방울 수, N= N1+...+Ni - 총 던지기 수
600/400을 굴리면 확률 이 0.5/0.5로 돌아가는 이유가 궁금하십니까? 따라서 행이 무언가를 기억하고 보상하기 때문이 아닙니다. 이것이 큰 수의 법칙입니다. 이 편차는 편차가 N 자체보다 N 성장에 따라 더 느리게 증가한다는 사실로 보상됩니다. 처음에 600/400이었다면 확률 추정치는 0.6/0.4.0.55/0.45입니다. 대략적으로 말하자면, 이 편차는 테스트 수가 증가함에 따라 흐려질 것입니다. 확률 추정치(사건의 빈도)는 무한대의 한계에서만 확률로 줄어들 것입니다(그런데 테스트가 많을수록 동일할 가능성은 줄어듭니다).
Candid писал(а)>> 처음 1000개 이후에 600개가 있을 때 옵션에만 관심이 있다고 말하면 그 지점을 거치지 않는 옵션을 불가능하게 만드는 것입니다. 따라서 MO도 변경됩니다. 오래전이라 어디 있는지 기억이 안나네요 :)
Candid 는 (a)>> 통합이 평균을 의미한다고 쓰여진 책에 대한 링크를 찾기에는 너무 게으르지만 (일반적으로 최대 상수), 이 포럼의 많은 사람들이 이것을 확인할 수 있습니다. 같은 사람들은 이산 수량의 경우 통합이 합산으로 대체된다고 말할 것입니다.
그러한 흥미로운 정보의 출처를 제공하는 데 수고를 가하십시오. 그러한 지식은 어디에 배포됩니까?
포럼 회원! 나는 당신에게 침묵하지 말 것을 요청하지만 - 주장했습니다. 이 페이지의 첫 번째 게시물에서 잘못된 것은 무엇입니까?
솔직한 글>> 당신은 MO에 대해 이야기할 때 중요한 단서를 놓쳤습니다. 당신은 항상 가치가 무엇인지 말해야 합니다.
그것에 대해 쓰는 것이 지겹지만 반복합니다. ........... 나는 수세기에 걸친 룰렛의 관찰과 수천 건의 관찰 결과, 그리고 스티어링 휠이라는 가정에서 진행했습니다. 테이블과 바퀴가 완벽하게 만들어지고 균형이 잡혀 있습니다. 내 룰렛에는 0이 없습니다(더 이상 길을 잃지 않도록). 36홀. 18 레드. 18 블랙. 저것들. 순전히 0.5 ~ 0.5
따라서 귀하의 문제에서 우리는 내가 쓴 것에 대해 정확히 이야기하고 있습니다. 처음 1000회 이후에 600회가 있을 경우 2000회 연속으로 빨간색 발생의 MO 수에 대해 이야기하고 있습니다. 일련의 2000개 롤에서 빨간색 롤 수의 MO 로 교체하려고 합니다. 이것은 다른 양입니다. Bayes가 맹세합니다. :)
글쎄, MO의 정의에는 조건이 없습니다 (... 처음 1000 후에 600이 될 것이라는 전제하에 ... ) NO !!! 그렇지 않으면 소스에 대한 링크가 필요합니다!
처음에 600/400인 경우 확률 추정치는 0.6/0.4입니다. 또 다른 1000번의 테스트를 수행하고 예를 들어 500/500을 얻은 경우 확률 추정치는 이미 0.55/0.45가 됩니다.
다시 한 번 반복합니다. 우리는 일련의 이산적인 일련의 사건에 따라 ROULETTE에서 Red의 확률을 추정 하지 않습니다 . 이는 우리의 전임자(Laplace, Bernoulli, Bayes), 우리의 역사, Red-Black의 역사에 의해 이미 미국 이전에 만들어졌습니다. . 모두!!! p=q=0.5 정도 #define p 0.5 on this POINT.
MO는 예상 값입니다. 다시 말해서, 이것은 우리가 기대하는 것, 이상적인 행동(분포)에서 임의의 변수로부터 예상되는 발생 빈도입니다.
이것은 세속적 의미의 관점에서 해석한 것이지 정의가 아니다. 정의 이것은 이상적인 구현의 평균입니다. 기대나 미래에 대해서는 아무 것도 없습니다. 미래의 어떤 시점에서 임의의 프로세스에 대한 예측은 정확히 같은 방식으로 결정됩니다. 즉, m.o입니다. 그리고 더 이상 아무것도.
확률의 본질과 의미에 대해 오랫동안 이야기할 수 있지만 이 개념에는 여전히 빈도가 아닌 것이 있습니다. 확률은 우리의 의견으로는 두 가지 모두에 적용할 수 있는 현상의 행동 모델을 암시적으로 포함합니다. 과거에도 현재에도 미래에도. 그리고 주파수에는 과거만 있습니다.
글쎄, MO의 정의에는 조건이 없습니다 (... 처음 1000 후에 600이있을 경우 ... )
알았어, 하지 말자. 그리고 이제 당신이 완고하게 눈치 채고 싶지 않은 신뢰할 수있는 사건에 대한 고려를 거부해야합니까? 신뢰할 수 있는 이벤트가 있습니다. 첫 번째 테스트 시리즈에서 Red에서 600번의 히트를 기록했습니다. 전체 이벤트(2000회 시도)에서 평균적으로 기대할 수 있는 것을 계산해야 하지만 처음 1000회 시도가 이미 600개의 Reds로 끝났다고 가정 합니다.
예, 나쁜 일은 일어나지 않을 것입니다. 우리는 1000번 시행의 두 번째 시리즈에서 Reds 수의 기대치가 정확히 500이라는 것을 알고 있습니다. 우리의 프로세스는 Bernoulli이므로 과거가 이 기대치에 영향을 미치지 않는다는 것을 압니다. 여전히 500번과 같습니다. 이제, 600은 이미 첫 번째 시리즈에 있었고 다른 500을 추가합니다.
이 수치를 무엇이라고 부르든 - 기대치, 예측치 또는 무엇이든 동일하게 500 + 600은 일련의 2000번의 시도의 결과로 얻을 수 있는 것의 중심에 있을 것입니다.
그러한 흥미로운 정보의 출처를 제공하는 데 수고를 가하십시오. 그러한 지식은 어디에 배포됩니까?
글쎄요, 적당한 대학에서 받을 수 있을 것 같아요. 정말 공부하러 가도 될까요?
글쎄, MO의 정의에는 조건이 없습니다 (... 처음 1000 후에 600이있을 경우 ... )
다시 한 번, 이것이 확실히 마지막입니다. 이것은 MO의 정의에 있을 수 없으며 MO를 알고자 하는 수량 의 정의에 있습니다. 그리고 당신은 개인적으로 이 정의 를 내렸습니다. 아무도 당신을 혀로 끌지 않았습니다.
글을 쓰기 시작한 이후로 다른 방법을 제시하겠습니다.
따라서 올바른 줄자를 사용하여 여러 번 회전(공 던지는 것을 잊지 마십시오)하십시오. 모든 결과를 일련의 2000번 던지기로 나눕니다. 결과의 평균을 계산하고 잘 수행한 경우 1000에 가까운 결과를 얻습니다. 이것은 2000번의 연속 던지기에서 빨간색 발생 횟수에 대한 MO 추정치입니다. 계속 무한대로 돌리면 무한히 1000에 가까운 숫자가 나옵니다.
그러나 긴장을 풀지 마십시오! :) 다음 작업은 더 어려울 것입니다. 처음 1,000회 이후에 600회가 있을 경우 2000회 연속 던지기에서 빨간색 발생 횟수의 MO를 추정해야 합니다 . 받은 모든 2000번의 던지기 중 처음 1,000번 이후에 600번의 빨간 방울이 있었던 곳만 남겨 두어야 합니다. 그리고 그들은 훨씬 적을 것입니다. 따라서 MO를 잘 평가하려면 룰렛을 여러 번이 아니라 훨씬 더 많이 돌려야 합니다. 그들 자신이 책임이 있습니다. 그러나 이제 마침내 꽤 많은 수의 시리즈를 얻었고 평균을 계산했으며 ... 우리는 그것이 1000보다 1100에 훨씬 더 가까울 것이라고 확신합니다. 나는 당신이 1000이 될 때까지 룰렛을 돌릴 기회를 줄 준비가 되어 있습니다. 아니면 당신이 동의할 때까지.
더 간단한 작업을 먼저 연습할 수도 있습니다. 2000, 1000, 600이 아니라 4, 2, 2라고 합시다. 즉, 무승부 결과를 4개의 시리즈로 나누고 2개의 무승부 후에 2개의 빨간색이 나온 것을 선택합니다. 여기에서 첫 번째 적절한 추정을 위해 엄청난 수의 추첨이 필요하지 않으므로 동전을 가져 와서(룰렛이 없는 경우) 지금 바로 시작할 수 있습니다. 이전과 마찬가지로 MO 점수가 2에 가까울 때까지 또는 이 값에 대한 MO가 3이 되는 데 동의할 때까지 이 작업을 수행할 수 있습니다.
이벤트 1200/800의 확률을 고려했습니다. 피(A1 && A2)
그리고 그들은 사건 A2|A1에 대해 이야기했습니다(사건 A1이 이미 발생했다면 사건 A2의 조건부 확률).
조건부 확률에 대해 어디에서 이야기 했습니까 ???
나는 땅을 파는 것이 아니다. 나는 그들이 나를 올바르게 이해하지 못한다면 부분적으로는 이것에 대한 책임이 있다고 생각합니다.
고맙습니다.
세케이에서. 확률과 수학의 역설에서. 통계는 드 무아브르의 역설을 설명합니다. Avatara 는 분명히 그를 암시했습니다..
그리고 Candidrus와 논쟁하는 것은 무의미합니다. 그는 프롬프트를 이해하지 못하고 즉시 명예를 훼손했습니다.
나는 나 자신을 측정했다.
나는 우리의 논의를 위해 이 정의에 만족하는 것이 상당히 가능하다고 생각합니다. MO는 임의의 변수의 가능한 모든 실현에 대한 평균입니다.
나는 통합이 평균화를 의미한다고 쓰여진 책에 대한 링크를 찾기에는 너무 게으르지만(일반적으로 최대 정규화 요소까지), 이 포럼의 많은 사람들이 이것을 확인할 수 있습니다. 같은 사람들은 이산 수량의 경우 통합이 합산으로 대체된다고 말할 것입니다.
MO는 예상 값입니다. 다시 말해서, 이것은 우리가 기대하는 것 , 이상적인 행동(분포)에서 임의의 변수로부터 예상되는 발생 빈도입니다.
수학적 기대치가 아니라 Math.Happened(600) + MO의 혼합을 계산하여 1000개의 이벤트(500)의 두 번째 시리즈에서 계산했습니다.MO에 대해 이야기할 때 중요한 단서를 놓쳤습니다. 항상 값이 무엇인지 표시해야 합니다. 따라서 귀하의 문제에서 우리는 내가 쓴 것에 대해 정확히 이야기하고 있습니다. 처음 1000회 이후에 600회가 있을 경우 2000회 연속으로 빨간색 발생의 MO 수에 대해 이야기하고 있습니다. 일련의 2000개 롤에서 빨간색 롤 수의 MO 로 교체하려고 합니다. 이것은 다른 양입니다. Bayes가 맹세합니다. :)
글쎄, 내가 무슨 말을 더 할 수 있니? MO = 1100일 때 옵션 A1 && B2와 A1 && A2는 MO 주위에 대칭적으로 위치하므로 확률이 같은 이유에 대한 질문을 제거합니다. 그게 다야, 피곤해. 이것으로 충분하지 않으면 참조 그룹에서 당신을 제외해야 할 것입니다 :) .
추신: 이해에 유용한 또 다른 트릭이 있다는 것을 잊어버렸습니다. 모든 것을 다시 신중하게 다시 읽으십시오.
동료들이여, 조용히 하십시오. 조용한. 이제 모두 분해해 보겠습니다. 플리즈, "미추리파"와 "젊은 박물학자"를 포함하지 않고 계산으로 합리적으로 우리의 주장을 방어합시다.
이 인용문은 MO의 정의가 아닙니다. 수학적 기대치의 정의는 약간 낮습니다.
MO는 예상 값입니다. 다시 말해서, 이것은 우리가 기대하는 것 , 이상적인 행동(분포)에서 임의의 변수로부터 예상되는 발생 빈도입니다.
그리고 MO는 특정(로컬) 일련의 이벤트 결과에 의존하지 않습니다.
MO는 다음과 같이 가정합니다.
또는 b) 경험적으로 결정됩니다. 예를 들어, 각 시리즈에서 1000개의 테스트로 구성된 50개의 시리즈를 수행했습니다. 그리고 이미 각 시리즈에서 얻은 값 에서 평균 값 을 찾습니다.
이것은 사실이 아닙니다. MO라고 부르는 것은 확률이며 이산 분포에 대한 MO는 가능한 값과 확률의 곱의 합과 같습니다. 앞면/뒷면의 확률이 0.5/0.5이고 앞면이 떨어질 때 CB=+1, 뒷면=-1의 값이면 MO=1*0.5-1*0.5=0입니다.
그러나 확률이 없는 경우(실제로는 절대 존재하지 않음) P(독수리) = 머리가 떨어지는 횟수 / 총 던진 횟수를 평가해야 합니다. 저것들. 확률 추정치는 사건의 빈도와 같습니다.
MO \u003d (1 * 머리 수 - 1 * 꼬리 수) / 던지기 횟수. 이것은 SW의 두 값에 대한 것입니다.
값이 클수록 MO \u003d (x1 * N1 + x2 * N2 + ... + xi * Ni) / N 공식이 있습니다. 여기서 x1 ... xi - CB 값 , N1 ... Ni - 방울 수, N= N1+...+Ni - 총 던지기 수
600/400을 굴리면 확률 이 0.5/0.5로 돌아가는 이유가 궁금하십니까? 따라서 행이 무언가를 기억하고 보상하기 때문이 아닙니다. 이것이 큰 수의 법칙입니다. 이 편차는 편차가 N 자체보다 N 성장에 따라 더 느리게 증가한다는 사실로 보상됩니다. 처음에 600/400이었다면 확률 추정치는 0.6/0.4.0.55/0.45입니다. 대략적으로 말하자면, 이 편차는 테스트 수가 증가함에 따라 흐려질 것입니다. 확률 추정치(사건의 빈도)는 무한대의 한계에서만 확률로 줄어들 것입니다(그런데 테스트가 많을수록 동일할 가능성은 줄어듭니다).
조건부 확률에 대해 어디에서 이야기 했습니까 ???
나는 땅을 파는 것이 아니다. 나는 그들이 나를 올바르게 이해하지 못한다면 부분적으로는 이것에 대한 책임이 있다고 생각합니다.
그래서 당신이 그것을 의미하지 않았다면 당신의 작업은 단순히 공식화됩니다. 2000 테스트가 수행되었습니다 - 1200 빨간색, 800 검정색. 1000개의 시리즈로 나누어 중간 결과를 얻는 데 문제 없이
(1) 상대방의 수준을 평가하려고 할 때 상대방의 수준이나 한도를 평가하는 것입니다.
(2) 그리고 서로 혼동하지 마십시오.
1) 사실이다.
2) 그리고 이것은 불가능합니다. 그러나, 어쩌면 그것은 단지 나의 천정일지도 모릅니다... ;) 기술을 공유하시겠습니까? 자기 방해가있는 경우.
그러한 흥미로운 정보의 출처를 제공하는 데 수고를 가하십시오. 그러한 지식은 어디에 배포됩니까?
포럼 회원! 나는 당신에게 침묵하지 말 것을 요청하지만 - 주장했습니다. 이 페이지의 첫 번째 게시물에서 잘못된 것은 무엇입니까?
그것에 대해 쓰는 것이 지겹지만 반복합니다. ........... 나는 수세기에 걸친 룰렛의 관찰과 수천 건의 관찰 결과, 그리고 스티어링 휠이라는 가정에서 진행했습니다. 테이블과 바퀴가 완벽하게 만들어지고 균형이 잡혀 있습니다. 내 룰렛에는 0이 없습니다(더 이상 길을 잃지 않도록). 36홀. 18 레드. 18 블랙. 저것들. 순전히 0.5 ~ 0.5
따라서 귀하의 문제에서 우리는 내가 쓴 것에 대해 정확히 이야기하고 있습니다. 처음 1000회 이후에 600회가 있을 경우 2000회 연속으로 빨간색 발생의 MO 수에 대해 이야기하고 있습니다. 일련의 2000개 롤에서 빨간색 롤 수의 MO 로 교체하려고 합니다. 이것은 다른 양입니다. Bayes가 맹세합니다. :)
글쎄, MO의 정의에는 조건이 없습니다 (... 처음 1000 후에 600이 될 것이라는 전제하에 ... ) NO !!! 그렇지 않으면 소스에 대한 링크가 필요합니다!
그게 다야, 피곤해. 이것으로 충분하지 않으면 참조 그룹에서 당신을 제외해야 할 것입니다 :) .
아니요. 아니요. 생각도 하지마세요... 라운드 중간에 많이 피곤하면 누워만 있어도 됩니다 ...)) 하지만 떠날 수는 없습니다. 아무도 이해하지 못할 것입니다.
물론 복싱을 했다면 말이죠. ))
아발스 감사합니다. 실제로 우리의 견해는 일치합니다. 그리고 나는 이미 "적"의 진영 중 당신을 선정했습니다))) 그러나 여전히 ....
처음에 600/400인 경우 확률 추정치는 0.6/0.4입니다. 또 다른 1000번의 테스트를 수행하고 예를 들어 500/500을 얻은 경우 확률 추정치는 이미 0.55/0.45가 됩니다.
다시 한 번 반복합니다. 우리는 일련의 이산적인 일련의 사건에 따라 ROULETTE에서 Red의 확률을 추정 하지 않습니다 . 이는 우리의 전임자(Laplace, Bernoulli, Bayes), 우리의 역사, Red-Black의 역사에 의해 이미 미국 이전에 만들어졌습니다. . 모두!!! p=q=0.5 정도 #define p 0.5 on this POINT.
그래서 당신이 그것을 의미하지 않았다면 당신의 작업은 단순히 공식화됩니다. 2000 테스트가 수행되었습니다 - 1200 빨간색, 800 검정색. 1000개의 시리즈로 나누어 중간 결과를 얻는 데 문제 없이
아니, 쉽지 않다. 나는 혼수상태다. 당신의 생각을 전달하는 방법??? 문제의 원래 버전에 대해 다시 읽으십시오. https://www.mql5.com/en/forum/122871/page14#254008
그리고 새총에 대한 해석 https://www.mql5.com/ru/forum/122871/page16#255508
수학적 기대치의 정의는 약간 낮습니다.
MO는 예상 값입니다. 다시 말해서, 이것은 우리가 기대하는 것 , 이상적인 행동(분포)에서 임의의 변수로부터 예상되는 발생 빈도입니다.
이것은 세속적 의미의 관점에서 해석한 것이지 정의가 아니다. 정의 이것은 이상적인 구현의 평균입니다. 기대나 미래에 대해서는 아무 것도 없습니다. 미래의 어떤 시점에서 임의의 프로세스에 대한 예측은 정확히 같은 방식으로 결정됩니다. 즉, m.o입니다. 그리고 더 이상 아무것도.
확률의 본질과 의미에 대해 오랫동안 이야기할 수 있지만 이 개념에는 여전히 빈도가 아닌 것이 있습니다. 확률은 우리의 의견으로는 두 가지 모두에 적용할 수 있는 현상의 행동 모델을 암시적으로 포함합니다. 과거에도 현재에도 미래에도. 그리고 주파수에는 과거만 있습니다.
글쎄, MO의 정의에는 조건이 없습니다 (... 처음 1000 후에 600이있을 경우 ... )
알았어, 하지 말자. 그리고 이제 당신이 완고하게 눈치 채고 싶지 않은 신뢰할 수있는 사건에 대한 고려를 거부해야합니까? 신뢰할 수 있는 이벤트가 있습니다. 첫 번째 테스트 시리즈에서 Red에서 600번의 히트를 기록했습니다. 전체 이벤트(2000회 시도)에서 평균적으로 기대할 수 있는 것을 계산해야 하지만 처음 1000회 시도가 이미 600개의 Reds로 끝났다고 가정 합니다.
예, 나쁜 일은 일어나지 않을 것입니다. 우리는 1000번 시행의 두 번째 시리즈에서 Reds 수의 기대치가 정확히 500이라는 것을 알고 있습니다. 우리의 프로세스는 Bernoulli이므로 과거가 이 기대치에 영향을 미치지 않는다는 것을 압니다. 여전히 500번과 같습니다. 이제, 600은 이미 첫 번째 시리즈에 있었고 다른 500을 추가합니다.
이 수치를 무엇이라고 부르든 - 기대치, 예측치 또는 무엇이든 동일하게 500 + 600은 일련의 2000번의 시도의 결과로 얻을 수 있는 것의 중심에 있을 것입니다.
그러한 흥미로운 정보의 출처를 제공하는 데 수고를 가하십시오. 그러한 지식은 어디에 배포됩니까?
글쎄, MO의 정의에는 조건이 없습니다 (... 처음 1000 후에 600이있을 경우 ... )
다시 한 번, 이것이 확실히 마지막입니다. 이것은 MO의 정의에 있을 수 없으며 MO를 알고자 하는 수량 의 정의에 있습니다. 그리고 당신은 개인적으로 이 정의 를 내렸습니다. 아무도 당신을 혀로 끌지 않았습니다.
글을 쓰기 시작한 이후로 다른 방법을 제시하겠습니다.
따라서 올바른 줄자를 사용하여 여러 번 회전(공 던지는 것을 잊지 마십시오)하십시오. 모든 결과를 일련의 2000번 던지기로 나눕니다. 결과의 평균을 계산하고 잘 수행한 경우 1000에 가까운 결과를 얻습니다. 이것은 2000번의 연속 던지기에서 빨간색 발생 횟수에 대한 MO 추정치입니다. 계속 무한대로 돌리면 무한히 1000에 가까운 숫자가 나옵니다.
그러나 긴장을 풀지 마십시오! :) 다음 작업은 더 어려울 것입니다. 처음 1,000회 이후에 600회가 있을 경우 2000회 연속 던지기에서 빨간색 발생 횟수의 MO를 추정해야 합니다 . 받은 모든 2000번의 던지기 중 처음 1,000번 이후에 600번의 빨간 방울이 있었던 곳만 남겨 두어야 합니다. 그리고 그들은 훨씬 적을 것입니다. 따라서 MO를 잘 평가하려면 룰렛을 여러 번이 아니라 훨씬 더 많이 돌려야 합니다. 그들 자신이 책임이 있습니다. 그러나 이제 마침내 꽤 많은 수의 시리즈를 얻었고 평균을 계산했으며 ... 우리는 그것이 1000보다 1100에 훨씬 더 가까울 것이라고 확신합니다. 나는 당신이 1000이 될 때까지 룰렛을 돌릴 기회를 줄 준비가 되어 있습니다. 아니면 당신이 동의할 때까지.
더 간단한 작업을 먼저 연습할 수도 있습니다. 2000, 1000, 600이 아니라 4, 2, 2라고 합시다. 즉, 무승부 결과를 4개의 시리즈로 나누고 2개의 무승부 후에 2개의 빨간색이 나온 것을 선택합니다. 여기에서 첫 번째 적절한 추정을 위해 엄청난 수의 추첨이 필요하지 않으므로 동전을 가져 와서(룰렛이 없는 경우) 지금 바로 시작할 수 있습니다. 이전과 마찬가지로 MO 점수가 2에 가까울 때까지 또는 이 값에 대한 MO가 3이 되는 데 동의할 때까지 이 작업을 수행할 수 있습니다.
동의하십니까?
4회 연속으로 2회 적중 후 예상대로(더 정확하게는) 던질 수 있어야 합니까?
600/400을 굴리면 확률 이 0.5/0.5로 돌아가는 이유가 궁금하십니까?
이 질문은 나를 전혀 괴롭히지 않습니다. 많은 게임을 하고 부정적인 수학적 기대( 1/37 = 0 )와 시작 자본(예금 ) 우리는 적어도 6-7번은 파산했어야 했다. 그러나 그런 일은 일어나지 않았습니다.
.......
나는 스타터 주제와 같은 것에 괴로워한다. 약간의 차이만 있을 뿐입니다. 그는 누군가의 차트를 보여주며 "이게 뭐야?"라고 묻습니다.
나는 내 차트를 "보여주고"(본질은 아니지만 룰렛으로) "이게 뭐지?"라고 똑같이 묻습니다. 그러나 그래프와 달리 - 나는 무언가를 설명할 수 있습니다. 하지만 아무도 신경 쓰지 않는 것 같습니다!
그럼 우리가 여기 왜 있는 겁니까, 여러분?