它是什么？ - 页 19 1...1213141516171819202122232425 新评论 Vitaliy 2010.01.12 17:16 #181 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。 VonDo Mix 2010.01.12 17:20 #182 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。 Candid 2010.01.12 18:20 #183 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 在 其 理想 行为（分布） 中 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。 Avals 2010.01.12 19:26 #184 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 在 其 理想 行为（分布） 中 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。 Vladimir Gomonov 2010.01.12 20:37 #185 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。 Vitaliy 2010.01.12 20:40 #186 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。)) Vitaliy 2010.01.12 21:15 #187 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 不 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 Sceptic Philozoff 2010.01.12 21:46 #188 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。 Candid 2010.01.12 21:49 #189 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的值 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？ Vitaliy 2010.01.12 21:52 #190 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？ 1...1213141516171819202122232425 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
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。
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 在 其 理想 行为（分布） 中 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。
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 在 其 理想 行为（分布） 中 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）。
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。
(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。
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？
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。
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!
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....
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 不 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。
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
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。
Потрудитесь, пожалуйста, источники столь интересной информации все же предоставить. Где раздают такие знания?
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的值 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？
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？