无限次滚动选择的模具的平均值


13

如果我无数次掷骰子,并且总是选择两个骰子中的较高者,那么期望的最高平均值是否会超过3.5?

看来一定是因为,如果我掷出一百万个骰子,并且每次都选择最高值,那么每次掷出六位数的可能性就非常大。因此,预期均值必须类似于5.999999999999 ...

但是,我似乎无法通过仅使用2个骰子来弄清楚我的示例的期望值是多少。有人可以帮我打电话吗?会勉强超过3.5吗?这甚至是可以计算的吗?


3
您可以列举样本空间吗?列出2骰子示例的可能性。
soakley

Answers:


6

实验也可以模拟。当枚举困难时(例如滚动3个骰子),此方法很有用。

# fix the seed for reproducibility
set.seed(123)

# simulate pair of dice
rolls = matrix(sample(1:6, 2000000, replace=T), ncol=2)

# compute expected value
mean(apply(rolls, 1, max))
[1] 4.471531

30

无需为此使用仿真,一般情况下很容易分析。设为骰子数,为滚动骰子时的最大掷骰数。nXn

由此得出 ,一般来说 for at 1 and6。因此我们可以获得

P(X1)=(16)n
P(Xk)=(k6)n
k
P(X=k)=P(xk)P(xk1)=(k6)n(k16)n.

因此我们可以用封闭形式写下概率分布。对此操作可获得期望值4.472222。n=2


2
请注意,在极限情况下,为,因此该公式也证实了您对问题的直觉。P(X=6)=1n(56)n1n
马修·德鲁里

11

我建议只是通过琐碎的案例来查看答案。

掷两个骰子可能产生的结果会生成6x6矩阵:

[(1,1)(1,2)...(2,1)(2,2)...(3,1)(3,2)......]

总和的期望值为7。之所以如此,是因为这些卷是相同的独立图纸,因此可以将它们相加。期望轧制一个公平的立方模为3.5。

但是您正在询问最大化。现在让我们枚举两个骰子的最大化。同样,它是一个6x6矩阵:

[12...22...33......]

计算期望值,如下所示:。

E[x]=Σ(xP(x))=1/36(1)+1/36(2)+...+1/36(6)4.47

注意,掷骰子(在概率意义上)等效于掷骰次。因此,对于滚动骰子,你可以看到矩阵的变化,以及如何产生的预期也会改变。nnn


2

假设这36个组合中的每一个具有相等的概率,我们只需要将36个组合中的每一个的值相加并除以36就可以得到平均值:

  1. 1种可能性:11
  2. 3种可能性:12,21,22
  3. 5种可能性:13,23,31,32,33
  4. 7种可能性:14、24、34、41、42、43、44
  5. 9种可能性:15、25、35、45、51、52、53、54、55
  6. 11种可能性:16,26,36,46,56,61,62,63,64,65,66

(1 * 1 + 2 * 3 + 3 * 5 + 4 * 7 + 5 * 9 + 6 * 11)/ 36 = 4.47222 ..


1

Troll Dice Roller是用于查找骰子概率工具。他有一篇论文解释了这种实现,但这是很学术的。

max(2d6) 产量

1 - 2.8%
2 - 8.3%
3 - 13.9%
4 - 19.4%
5 - 25%
6 - 30.6%
Average value =    4.47222222222
Spread =       1.40408355068
Mean deviation =       1.1975308642
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.