它是什么? - 页 19

 
Avals писал(а)>>

你已经计算了事件1200/800的概率,即P(A1 &&A2)

但你说的是事件A2|A1(如果事件A1已经发生,事件A2的条件概率)。

我在哪里谈到了条件概率?

我不是在打探情况。 我只是认为,如果我被误解了,那么我也有一部分责任。

 

谢谢你。

Sekei在他的《概率论和数理统计中的悖论》中描述了de Moivre悖论。阿瓦塔拉 一定为你暗示过......

而与坎迪德争论是没有意义的,他没有得到暗示,直接就开始了火药味。

我已经衡量了自己。

 
lasso >>:Приведенная цитата не есть определение МО. Само определение мат.ожидания чуть ниже.

我想,对于我们的讨论,我们可以满意这个定义:MO是一个随机变量的所有可能实现的平均值。

我太懒了,找不到书上写的积分意味着平均化(在一般情况下,准确到归一化系数)的参考资料,但这个论坛上的很多人都能证实这一点。同样的人还会告诉你,对于离散量来说,积分被求和所取代。

MO是预期值。 换句话说,它是我们所期望的,我们期望 一个随机变量 理想 行为(分布) 出现的频率值是多少

你没有计算数学预期,而是计算了Mat.Happened(600)+MO从第二个系列的1000个事件(500)中得出的一些混合物。

你错过了一条重要的线索,在谈论MO的时候,你应该始终说明你在谈论什么数量。好吧,在你的问题中,我们谈论的正是我所写的:在2000次滚动中,假设第一千次之后将是600次,那么红色瀑布的数量 的MO。你试图用一系列2000次滚动中的红球数量的MO 来代替它。这些是不同的价值,通过贝叶斯 :)

我还能告诉你什么呢?在MO=1100时,A1&B2和A1&A2这两个变体在MO周围对称排列,从而消除了它们的概率为何相等的问题。就这样吧,我累了,如果这对你来说还不够,我就得把你排除在我的参考群体之外了 :) 。


P.S. 我忘了说,还有一个有用的理解技巧--深思熟虑地再次重读所有内容。

 
lasso писал(а)>>
同事们,安静。>>嘘声。让我们把这个问题解决了吧。只不过,请让我们用论据、用计算来捍卫我们的观点,而不涉及 "米丘林主义者 "和 "朱纳特主义者"。

上面这句话不是ME的定义。配偶期望值本身的定义就在下面。

ME是预期值 。换句话说,它是我们所期望的,我们期望 一个随机变量 理想 行为(分布) 出现的频率的大小

而且它不依赖于特定(局部)系列事件的结果。

假设MO:a)基于物体的物理特性,例如,一个规则的立方体p=1/6 MO=n*p

或者说,它是由经验决定的:b)由经验决定。例如,我们做了50个系列,每个系列有1000个测试。从每个系列得到的值中,我们发现平均

事实并非如此。你所说的MO就是概率,对于一个离散分布来说,MO等于可能值的乘积与它们的概率之和。如果头/尾的概率=0.5/0.5,对于头=+1,尾=-1,那么MO=1*0.5-1*0.5=0。

但如果我们没有概率(实际上我们从来没有概率),我们必须估计P(人头)=代币总数/掷骰子总数。就是说,估计的概率等于事件的频率

MO=(1*鹰的数量-1*尾巴的数量)/投掷的数量。这是对NE的两个值而言的。

在更高的数值下,该公式将是。MO=(x1*N1+x2*N2+...+xi*Ni)/N,其中x1...xi是NE值,N1...Ni是跌落数,N=N1+...+Ni是总抛掷数

为什么在跌出600/400时,概率 会回到0.5/0.5?所以,这并不是因为这个系列记住了一些东西并进行了补偿。这就是大数法则。这种偏差将得到补偿,因为随着N的增加,偏差的增长速度将比N本身慢。如果第一次是600/400,那么概率估计是0.6/0.4,如果我们再进行1000次试验,例如得到500/500,概率估计将是0.55/0.45。粗略地说,这种偏差会随着试验次数的增加而冲淡。对概率(事件的频率)的估计只有在无限大的情况下才会降为概率(顺便说一下,测试越多,等于的机会就越少)。

套索 写道>>

我在哪里说过条件概率?

我不是在打探情况。我只是认为,如果我被误解了,我也有一部分责任。

所以如果你不是故意的,你的任务很简单:进行2000次试验--1200次红色,800次黑色。不需要把它分成1000个系列并得到中间结果的麻烦。

 
Candid писал(а)>>

(1) 你看,当你试图评估你的对手的水平时,你在评估他的水平或你的上限。

(2) 也不要把一个人和另一个人混为一谈。

(1) 这是真的。

(2) 而且不可行。 然而,也许这只是我的天花板......。;) 分享技术? 如果你自己有一个。

 
Candid писал(а)>> 如果你说你只对期权感兴趣,当它在第一个1000点之后是600,你就会使不超过这个点的期权变得不可能。MO也相应地发生了变化。 至于它在哪里,我不记得了,那是很久以前的事了 :)

Candid 写道(a)>> 我太懒了,找不到书的链接,那里写着积分意味着平均化(在一般情况下精确到一个常数),但这个论坛上很多人可以 向你证实。同样的人还会告诉你,对于离散量来说,积分被求和所取代。

请不要犹豫,提供这些有趣信息的来源。他们在哪里发出这样的知识?

论坛的成员!请不要保持沉默,而是提出你的论点。我在这一页上的第一个帖子有什么问题?

Candid 写道(a)>> 你错过了一条重要的线索,当谈论ME的时候,你应该总是说明你在谈论什么价值。

写得很累了,但我还是要说:........我是基于几百年和几千年的卷尺观察,以及假设舵台和轮子是完美的制造和平衡。我的卷尺上没有零(这样我们就不会更加迷失)。36洞。18支红军。18个黑色的。 那是0.5乘以0.5。

候选人 写道(a)>>

因此,你的问题正是关于我写的:假设在第一千次拍摄后有600次,那么在2000次拍摄的系列中,红色的MO数量。你试图用一系列2000次滚动中的红球数量的MO 来代替它。它们是不同的价值,由贝叶斯 :)

否则--参考来源是必须的!

候选人 写道(a) >>

就这样吧,我累了,如果这对你来说还不够,我就得把你排除在我的参考群体之外了 :) 。

不,不,想都别想....在一个回合中,如果你真的累了, 你只能自己躺下......))而且你不能放弃。没有人会理解。

如果你一直在打拳,当然。))

 

阿瓦尔斯,谢谢你。我们的观点几乎是一致的。我正准备把你放在 "敌人 "阵营中 ))))但仍....

Avals писал(а)>>

如果第一次是600/400,那么概率估计是0.6/0.4,如果再进行1000次试验,例如得到500/500,那么概率估计已经是0.55/0.45。

再次,我们 对红方在弹弓处摔出的概率作出估计,我们的前辈(拉普拉斯、伯努利、贝叶斯)、我们的历史、红黑摔出的历史已经在HIS之前产生过。就是这样!!!!。p=q=0.5左右 #define p 0.5 这就是重点。

阿瓦尔斯 写道>>。

因此,如果你不是故意的,那么你的问题的表述很简单:你跑了2000次试验--1200次红色,800次黑色。不需要把它分解成1000个系列并得到中间结果的所有麻烦。

不,不是的。我被难住了。我怎样才能表达我的观点呢?请再次阅读原始问题https://www.mql5.com/ru/forum/122871/page14#254008

和她对弹弓的解释https://www.mql5.com/ru/forum/122871/page16#255508

 
lasso >>:

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).

这是在世俗意义上的解释,但不是定义。你知道这个定义:它是理想实现的平均数;其中没有关于期望或未来的内容。以同样的方式,对一个随机过程在未来某个时间点的预测被定义为:它是m.o.,而不是别的。

人们可以对概率的性质和意义进行很多争论,但它仍然有一些频率中所没有的东西:概率隐含着我们认为在过去、现在和未来都适用于该现象的行为模式。另一方面,频率只有过去。

好吧,在ME的定义中没有任何条件(......假设第一千人之后有600人......)

好吧,那就这样吧。那么,现在我们不得不放弃对你固执地拒绝看到的可信事件的交代?我们有一个可信的 事件:第一个系列的测试给我们带来了600次对红色的点击。我们必须计算出对整个事件(2000次试验)的平均预期--但假设 前一千次试验已经产生了600个红军。

这不会是一个大问题。我们知道,在第二轮1000次试验中,红方数量的期望值正好是500。我们的过程是伯努利式的,所以我们知道,过去对这个预期没有影响:反正它和500是一样的。现在,知道600人已经在第一个系列中了,我们再增加500人。

不管你怎么称呼它,期望、预测或任何其他名称,总之,500+600将是你作为2000年系列试验的结果的中心。

 
lasso >>:

Потрудитесь, пожалуйста, источники столь интересной информации все же предоставить. Где раздают такие знания?

那么在合适的大学里,我想你可以得到。也许你真的应该去上学?

嗯,MO的定义中没有任何条件(......假设第一千人之后有600人......)

再一次,现在肯定是最后一个。它不可能在MO的定义中,它是在你想知道其MO的 的定义中。而你亲自给出了这个定义,没有人揪着你的舌头不放。


既然你开始写这个帖子,我再建议一个方法。

所以,拿着你正确的轮盘赌,旋转(记得要扔球)很多很多次。将所有的结果分成一系列的2000个卷子。计算结果的平均值,如果你做得很好,就会得到一个接近1000的结果。这将是对2000年系列卷中红色瀑布数量 的MO估计。如果你一直旋转到无穷大,你会得到一个无限接近于1000的数字。

但不要放松!:)下一个任务将更加复杂。你将不得不估计2000年系列中的红色命中率,条件是在第一千次之后将有600 次。在所有2000张照片中,你将不得不只保留那些在第一千张之后有600个红点的系列。 而他们的数量要少得多。因此,要想很好地估计MO,你就得把轮盘转得不是很多很多次,而是很多很多次了。那是你自己的错。但在这里,你终于得到了相当多的这些系列,计算出平均数和...我敢打赌,它更接近1,100,而不是1,000。我愿意让你转轮盘,直到你得到1000。或者直到你同意我的观点。

你甚至可以先在一个更简单的任务上进行练习。让它不是2000、1000和600,而是4、2和2。也就是说,将抽签结果分成4个系列,并选择那些在两次抽签后有2个红字的抽签。你不需要大量的平局来获得你的第一个像样的分数,所以你可以拿一个硬币(如果你没有轮盘赌)并立即开始。你仍然可以这样做,直到MO分数接近2,或者直到你同意该值的MO是3。

同意吗?

一系列的4次滚动,在两次落红之后,是否应该倾向于你(或者说是你)的预期?

 
Avals писал(а)>>

你是否想知道为什么当你达到600/400时,概率 会恢复到0.5/0.5?

这个问题对我来说一点都不麻烦。困扰我的是,我无法从数学上解释我的轮盘赌赢的钱(金钱方面),尽管以玩的游戏量和这样的负期望值(1/37=0)和这样的起始资本(存款),我们应该至少破产6-7次了。 但这并没有发生。

.......

我和上面的起动者一样,被同样的事情所困扰。只是有一点不同:他给别人看了图表,问:"这些是什么?"

我 "展示 "我的图表(尽管是轮盘赌,不是重点),也问 "这是什么?"。 但与图表不同的是--我可以解释一些事情。 但似乎没有人感兴趣!

那么,我们为什么在这里,先生们?