Answers:
可以使用如下的几何分布来回答:
第一次成功(失败)之前的失败数k-1(成功概率为p(“ 失败”))由下式给出:
与ķ被投掷的总数包括终止该实验的第一个“头”。
对于给定的p,X的期望值为。
期望值的推导可以在这里找到。隐式保留的最后步骤如下:
插入表达式:
。当,简化为
,请在上面证明其合理性。]
或者,我们可以使用负二项式分布来解释为第一次成功之前的失败次数。概率质量函数表示为p(在获得r个成功之前失败的次数n,在每次伯努利试验中给定成功的特定概率p的情况下):
预期的试验次数n + r由以下通式给出:
给定我们已知的参数:r = 1和p = 0.5,
因此,我们可以期望在获得第一个头部之前先进行两次抛掷,预期的尾巴数为。
我们可以运行蒙特卡洛模拟来证明这一点:
set.seed(1)
p <- 1/2
reps <- 10000 # Total number of simulations.
tosses_to_HEAD <- 0 # Setting up an empty vector to add output to.
for (i in 1:reps) {
head <- 0 # Set the variable 'head' to 0 with every loop.
counter <- 0 # Same forlocal variable 'counter'.
while (head == 0) {
head <- head + rbinom(1, 1, p) # Toss a coin and add to 'head'
counter <- counter + 1 # Add 1 to 'counter'
}
tosses_to_HEAD[i] <- counter # Append number in counter after getting heads.
}
mean(tosses_to_HEAD)
[1] 2.0097
And the expected value of
for a given
is
,应该怎么证明呢?
通过开箱即用的票券为游戏建模。 门票有两种。上面写着“停,你扔头”。另一方面写着“继续,你把尾巴扔了”。在第一种情况下,预期的额外掷球次数为而在第二种情况下,预期的额外掷球次数为,例如-我们尚不知道,必须弄清楚。
将这些期望写在各自的票证上:这些是票证的价值。
我们确实知道的三件事是:
抽出“停止”票证(值为)的机会为。
开出“ Continue”票证(价值)的机会是。
根据定义,这次抽奖的期望是所有彩票的概率加权值的总和:
让我们解释一下这个数字:这是在出现头部之前需要的额外抛掷的预期次数。由于抽奖券对应于掷硬币,因此增加一张彩票所需的一张抽奖会给我们带来预期的抛掷次数- 本身就是。等同于这两个表达式,
解决回答第一个问题。 由于尾数总是比平局数少一,因此预期的尾数也必须比预期数少一。 因此,回答了第二个问题。
通过考虑很长的抛掷序列,可以获得第二个直观清晰的解决方案。玩了多少场比赛?答案:正面数(如果序列以一系列反面结束,则再加上不完整的游戏)。预计要几个头?答案:。将此号码。该弱大数定律断言,实际头数极有可能非常接近提供足够大。因此,平均游戏长度(由和之间的某个数字给出将任意接近,因此它必须等于本身。
这导致了一种非常有效的方式来模拟游戏长度的分布。这是R
代码。它在布尔数组中将“ heads”记录为真实值,并计算连续的真实值之间的损失。
p <- 1/3 # Set the chance of heads
tosses <- runif(1e6) < p # Make a million tosses
sim <- diff(c(TRUE, which(tosses))) # Compute game lengths
hist(sim, xlab="Game length", main="Distribution") # Graph their distribution
mean(sim) # Report the average length
当我将种子设置为()后运行此代码时,输出与的差别很小。xset.seed(17)