Вы неправильно посчитали СКО, для этого процесса оно пропорционально n. После второй серии испытаний относительное отклонение от матожидания уменьшилось.
在 第二系列n = 2000之后 A3 = A1 && A2 = {(600K, 400Ch in series 1) AND (600K, 400Ch in series 2)}.......... .................................................................................
Вы неправильно посчитали СКО, для этого процесса оно пропорционально n. После второй серии испытаний относительное отклонение от матожидания уменьшилось.
好吧，好吧，由于某些原因，我确信红方的命中率分布（如果没有零，即p=q=0.5）是二项式的，而二项式又很好地近似于正态，对于它来说，拉普拉斯定理是有效的...也许你对方差感到困惑，它等于npq？
好吧，好吧，由于某些原因，我确信红方的命中率分布（如果没有零，即p=q=0.5）是二项式的，而二项式又很好地近似于正态，对它来说，拉普拉斯定理是有效的...也许你把它与分散性混淆了，分散性等于npq？
也许我做到了。但RMS不是=Root(Disp)吗？
按照拉普拉斯同志的说法，会是怎样的呢？
我想我已经开始明白坎迪 在说什么了。关于（伯努利的）过程。在这种情况下，基本测试结果的累积总和，也就是说，比如红色为1，黑色为0。
而你和我，套索，是在谈论一个概率分布。
拉普拉斯定理是中心极限定理的一个特例。拉普拉斯定理是中心极限定理的一个特例，它是关于方差为npq的概率分布的收敛性。
是的，没错，我对n的正确根号感到困惑。我不知道你在说什么，但套索 的例子是关于过程的：）。
他有一个错误，第二轮比赛后的期望值不是1000乘1000，而是1100乘900。他似乎还混淆了经过2000次试验得到1000的概率和连续两次不可能的1000次试验的全部概率（A1 &&B2）。
P.S.
在 第二系列n = 2000之后 A3 = A1 && A2 = {(600K, 400Ch in series 1) AND (600K, 400Ch in series 2)}.......... .................................................................................
..................................................................................... MO=1100 Disp=2000*0.5*0.5 RMS=22.36 3*SCO=67.08 偏差（A3）=（1200-1100）/22.36=4.47
Ну вот, и тут меня нашли. Но я еще не готов :)
无法附加...
G.Sekei."概率论和数理统计中的悖论"。
在似曾相识的4.5M...
而如果你压缩它，会有多难？你能把它发送到我的电子邮件地址（见个人资料）吗？
Ну вот, и тут меня нашли.
你是找到了还是得到了？:)
嗯，我自己还没有想明白。我也许应该自己尝试做一些事情，以了解你的想法。一旦我有了感觉，也许我就会有一些新的想法。
你拿到了吗？
我也是。请。
big[mylogin]@mail.ru
6,000与10,000的4,000相比是可以理解的。我们不打算超越常态。
再次提出同样的问题，但我将以不同的方式提出来。
我们创建一个新的对象--一个事件系统（如轮盘赌）。没有零。红色/黑色 - 50/50。我们已经做了1000次试验。事件A1发生了（一个事件），其中红方跌出600次，黑方跌出400次。相应地，有极小的、但可接受的P(A1)，例如=0.0001。
就是这样，我们已经忘记了这一千次测试。我们从一块干净的石板开始。
问题：在接下来的1000次试验中（在同一系统中），哪种事件的概率更大--A3={红色掉出600次，黑色掉出400次}或A4={红色掉出400次，黑色掉出600次}。
或者P(A4)=P(A3)？根据伯努利先生的方案，你是如何计算的？
如果忘记了，已经发生了，那么概率就与第一次测试前相同。而在第一次测试之前，两次得到600/400的概率是不同的--等于一次得到600/400的概率的平方。这些只是不同的事件。