预计到第一个举手投掷的次数


Answers:


17

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:

p(X=k)=(1p)k1p

ķ被投掷的总数包括终止该实验的第一个“头”。

对于给定的pX的期望值为。1/p=2

期望值的推导可以在这里找到。隐式保留的最后步骤如下:

ddr11r=1(1r)2插入表达式:

E(X)=p1px=1x rx=p1p r (ddr11r)=p1p r 1(1r)2。当,简化为r=1p

E(X)=1p,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):

p(n;r,p)=(n+r1r1)pr(1p)n

预期的试验次数n + r由以下通式给出:

r(1p)

给定我们已知的参数:r = 1p = 0.5

E(n+r;1,0.5)=r1p=110.5=2

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。E(n+r)r=1

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

1
对于当前问题,该分布称为几何分布。G(p)
西安

And the expected value of X for a given p is 1/p,应该怎么证明呢?
Dilip Sarwate 2015年

math.stackexchange.com/questions/235927/上有一个很好的推导,但是我可以在响应中包括该推导的结尾。
Antoni Parellada 2015年

4

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。0x

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:

  1. 抽出“停止”票证(值为)的机会为。0p

  2. 开出“ Continue”票证(价值)的机会是。x1p

  3. 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:

    p×0+(1p)×x=(1p)x.

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,x

x=1+(1p)x.

解决回答第一个问题。x 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。x1


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npnhpnnxn/hn/(h+1)n/(pn),因此它必须等于本身。x

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。x17set.seed(17)x


您能帮助我理解为什么绘画游戏中的“ x”和第二个方程式中的“ x”代表同一东西吗?我不知道你怎么得到第二个方程式。非常感谢你。
点亮

@Light第二个公式在其前面的段落中进行了说明。
ub

♦感谢您的答复。我已经阅读了x的定义以及您一次又一次说的那段,但是我还是不明白。让我说一下我的理解,请帮助我知道是否误解了某事。根据我的理解,x是抽奖游戏中的“附加”期望数字,它与原始游戏有所不同,因为硬币游戏的期望(我称之为“ E”)包括第一次投掷。我认为E应该是“ x + 1”,但它们不是同一回事。在等式中,您使x和E变得使我感到困惑。感谢你。
点亮

2

令X为直到获得正面所需的掷硬币次数。因此,我们需要计算E(X)(即X的期望值)。

无论第一个翻转是什么,我们都可以调节E(X)。让E(X | H)表示在我第一次掷硬币的时候,剩下的硬币掷硬币的次数。同样,让E(X | T)表示剩余硬币翻转的次数,假设我在第一个翻转中有尾巴。

通过第一步调节,我们有

E(X)=12(1+E(X|H))+12(1+E(X|T))

现在,由于表示在第一个接收到头后剩余的翻转,所以它将等于0,因为我不需要在获得1个头后翻转。E(X|H)

而且,,因为我们在获得1个头上没有任何进展。E(X|T)=E(X)

因此,E(X)=12(1+0)+12(1+E(X))

=> E(X)=2

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.