伯努利、莫布-拉普拉斯定理;科尔莫戈罗夫准则;伯努利方案;贝叶斯公式;切比雪夫不等式;泊松分布规律;费雪、皮尔逊、学生、斯米尔诺夫等定理、模型,语言简单,没有公式。

 

你能不能用简单的语言解释一下它的含义。

例如,在马尔科夫链的解释和例子类型中,它是随机事件序列的最简单情况之一 但是,尽管它很简单,即使在描述相当复杂的现象时,它也常常是有用的。

链条 马尔科夫 链是一个随机事件的序列,其中每个事件的概率只取决于前面的事件,但与前面的事件无关例如,马尔可夫链是洗一副扑克牌的序列。再一次洗牌后,牌的排列顺序只取决于洗牌前的排列顺序,与之前的排列顺序无关。也就是说,一个系统的状态序列是一个马尔可夫链,如果系统的当前状态完全决定了它接下来会发生什么,而它是如何到达那个状态的则无关紧要。
 

在所有这些中,唯一对我有用的是这个--马尔科夫链是一个随机事件的序列,其中每个事件的概率只取决于进程在当前时刻所处的状态,而与先前的状态无关


 
sever31:

你能否用简单的语言解释它们的含义。

例如,在马尔科夫链的解释和例子类型中,它是随机事件序列的最简单情况之一 但是,尽管它很简单,即使在描述相当复杂的现象时,它也常常是有用的。

链条 马尔科夫 链是一个随机事件的序列,其中每个事件的概率只取决于前一个事件,但与先前的事件无关例如,马尔可夫链是洗一副扑克牌的序列。再一次洗牌后,牌的排列顺序只取决于洗牌前的排列顺序,与之前的排列顺序无关。也就是说,一个系统的状态序列是一个马尔可夫链,如果系统的当前状态完全决定了它接下来会发生什么,而它是如何到达这个状态的则无关紧要。

这张卡的例子有些地方不能让人信服。很明显,最后一次洗牌后,牌的顺序取决于之前所有的洗牌结果。

如果这都是一些特殊意义上的 "依赖",那么这就是为 "被选中的人 "玩弄术语。

 
sever31:

你能不能用简单的语言解释一下它的含义。

例如,在马尔科夫链的解释和例子类型中,它是随机事件序列的最简单情况之一 但是,尽管它很简单,即使在描述相当复杂的现象时,它也常常是有用的。

链条 马尔科夫 链是一个随机事件的序列,其中每个事件的概率只取决于前面的事件,但与前面的事件无关例如,马尔科夫链是一副扑克牌的顺序洗牌。再一次洗牌后,牌的排列顺序只取决于洗牌前的位置,与之前所有的牌无关。也就是说,一个系统的状态序列是一个马尔可夫链,如果系统的当前状态完全决定了它接下来会发生什么,而它是如何到达那个状态的则无关紧要。
我是这样理解的。例如,让我们采取(在我们的案例中)一个卖出和一个买入。将订单设置到正确位置的概率是1/2,即50%。我们考虑到了价差,所以它比较少。下一步--如果我们赢了,下一个概率是1/2-(减去)1/4,如果我们输了,1/2+1/4,以此类推。))))
 
MoneyJinn: 我对卡片的例子不以为然。很明显,最后一次洗牌后,牌的顺序取决于之前所有的洗牌结果。
纸牌的例子说,上次洗牌时的牌序是我们计算下次洗牌时不同牌序的概率的全部信息。加入以前的洗牌结果并没有给我们带来任何新的信息。
 
Mathemat:


阿列克谢,你能不能对所提到的所列公民的教义做出清晰、简明的解释,并举例说明。
 

我可以,但我现在很生气。我写了15行关于伯努利定理的文章,但论坛让我重新登录。这一切都丢失了。等一下,弗拉基米尔

P.S. 甚至不要问为什么论坛会有这么多故障。我不知道。要移动这么大的一个论坛并不容易。

 

事实上,为了涵盖话题发起人提出的全部问题,我们需要写一篇文章。对于学者来说。这将是非常困难的,因为传统上观察者/统计学指的是相当复杂的理论:社会学家、医务工作者、生物学家在解释他们的观察时经常非常不正确地应用观察者/统计学。 原因是他们的基本教育不是数学。

简而言之,让我们慢慢开始,一次一个问题。

因此,这里是BSE中的伯努利定理。事实上,对于人文主义者来说,这篇文章并没有澄清什么,因为定理的表述本身并不存在。只有切比雪夫对一个事件的频率偏离其概率的估计(还没有混淆?

在简单的,但不幸的是相当不正确的形式下,伯努利定理是这样的。

随着试验次数的增加,[伯努利方案中] 事件的频率趋向于其概率。

要解释这个表述(尤其是小字),你至少要深入研究一下概率论的一些基本概念。

1.概率论中的概率是一个无法定义的概念(就像几何中的直线和点)。但为了有意义地应用它,我们需要以某种方式解释它。反之,频率解释被接受:在测试重复的恒定条件下,事件的概率大约等于其发生的频率,并且有非常多的测试。比方说,如果我们掷骰子并跟随事件 "五已落下",而我们的骰子是完美的(所有面都同样可取),那么这个事件的概率p=1/6,而额外事件("除五外任何东西都已落下")的概率是q=1-p=5/6。所以,如果我们把这个骰子掷了一百万次,五的频率大约 是1/6,而可能的频率偏差几乎总是与1/6相差无几。

2.什么是伯努利方案?它是一连串单一类型和独立的试验,其中只有2种结果是可能的--成功(Y)和失败(F)。

在我们的例子中,我们可以把Y看作是 "一个A掉出来 "的事件,把H看作是 "其他东西掉出来,不等于一个A"。我们知道成功的概率,它是p=1/6。

"独立 "这个词几乎是伯努利方案中最重要的东西。如果我是一个有经验的赌徒,而且我和别人一起玩,我几乎肯定可以控制游戏,从而使它对我有利。我将能够跟踪结果并进一步掷骰子,以便我获胜。换句话说,我能够打破伯努利方案中试验的最重要条件--它们的独立性。而我们在这里谈论的概率估计将是错误的。

3.我们知道,如果我们抛掷10次骰子,5个骰子可以落下0、2、5,甚至10次。所提到的那些最可能的结果是10次中的2次(它最接近于1/6的概率)。结果 "5个从未发生 "的概率不高也不低,但对于结果 "10个中的10个--5个 "来说,概率极低。这些概率有什么规律可循?用来找出这种规律的一种技术是实际化的 "乘法":让我们把10次投掷的单一序列称为一个系列,现在开始执行许多系列。

如果我们进行许多10次投掷的系列(例如,N=1,000,000个系列),然后在表格中输入系列的结果("2个5","5个5",等等),然后画一个直方图,即系列频率对结果的依赖,我们得到一个与高斯非常相似的曲线,即一个钟形。事实上,它不是高斯曲线,尽管有一百万个系列,它与高斯曲线的差别很小。这个直方图在理论上可以被计算出来,它将对应于二项分布。

在N=100和N=1,000,000的情况下,主要的区别将只是直方图的 "平均宽度"。在第二种情况下,它比第一种情况小得多,也就是说,直方图更窄。"平均宽度"(标准偏差)是衡量可能的频率与理论频率的偏差。

现在我们可以为伯努利定理代言了。

随着伯努利方案的试验次数N的增加,成功率与成功概率的实际偏差不超过预先确定的无论多么小的epsilon>0的概率趋于1。

伯努利定理并没有给出对于给定的N来说,偏差可以有多大的估计。这些估计可以在莫伊斯-拉普拉斯定理(局部或整体)的帮助下进行。但关于这一点--下一次。现在要问问题。

P.S. 我已经纠正了该主题标题中的错误。

 

该主题是SUPER。我被它的外表震惊了。

对作者来说,这将是很艰难的。这就像一个合格的中文翻译。

慢慢来吧,伙计们。

 

IMHO,这不会有帮助。如果没有适当的基础,所有这些都是空的。谁有一个基地,他不需要咀嚼,那些或其他的功能,以解释那些或其他的条件 - 没有问题,但在其他方面...:-)。

多次阅读《入门》,你就会变得有意义了!!!。:-)

P.S. ...特别是"...你说的通俗易懂,没有公式,是什么意思?一件事与另一件事相矛盾...:-)比起有一个公式,语言要简单得多,也简短得多!当有一个具体的公式,特别是有其组成变量的描述时,就不需要任何语言......一切都很清楚。