手机浏览器扫描二维码访问
P(1,1)=P(1)P(1)=(13)(13)=19
独立随机变量的概念当然可以推广到更多的随机变量上。如果有n个随机变量,它们的取值无非就对应了一个长度为n的序列。所有这样序列的集合就是这组随机变量的取值范围。如果这些随机变量是相互独立的,那么每个序列出现的概率无非就是把这个序列中每个数出现的概率乘在一起。比如,上面的老千连续掷了10次硬币,那么出现1101011110的概率就是:
(13)(13)(23)(13)(23)(13)(13)(13)(13)(23)=(13)^7*(23)^3.
哎,累死俺了,这个也要讲,学霸们可能要打瞌睡了。不好意思,俺怕讲得太快,有的同学要去看韩剧了。哎,致敬也是体力活啊!
大数定理的英文是,它的中文翻译通常是“大数定律”而不是大数定理。但俺却偏要叫它大数定理!
定律或是英文里的law都是指不需要证明但可以被验证的理论假设。比如牛顿的万有引力定律。从数学上说,不需要证明就被接受的假设被认为是公理。但是这个大数定理并非公理,它是被严格证明出来的(证明也不复杂,只要用马尔可夫不等式或切比晒夫不等式就行了),因此准确的数学语言应该叫它“定理”。管他叫“定律”会让人以为这个东东就是假设出来的公理,从而产生歧义,当年也不知道谁这么没涵养管它叫“law”。所以,不管你们服不服,俺都要管它叫大数定理。
大数定理大概说了这样一个意思。假设有某个随机实验会产生一个随机变量X。如果你重复做这个随机实验n次,你就会得到一个随机变量序列X1,X2,X3,…,Xn。这里假定这些随机变量相互独立(即这些随机实验互不影响)而且n是个很大的数(比如,一万,十万,百万),那么把这n个数加起来除以n(即取平均),得到的数(即(X1+X2+…+Xn)n)几乎总是很接近随机变量X的均值。同学们注意一下俺这里“几乎总是”和“很接近”的用词哈。虽然俺是个马虎的人,这里的遣词造句是极其考究,极负责任,极具情怀的。
咱们用老千掷硬币的例子先看看大数定理到底说了些啥子嘛。假设那个老千掷了n次硬币,那么他就得到了n个在{0,1}里取值的数。因为这n个数都是随机的,这n个数的均值当然也是个随机变量,就是说也有一个概率分布函数,有一定的不确定性。大数定理告诉俺们,当n很大的时候,这n个数的平均值“几乎总是很接近”13。“几乎总是”和“很接近”是可以在数学上严格定义的,不过当俺讲完它们的定义的时候,估保守,但俺码字已经快要吐血,正在后悔俺为什么要揽下这么个差事,所以就随便套了一下切比晒夫不等式得出下面这些“至少有”的结论):
当n=1000时,至少有91.1%的概率这个平均值很接近13。
当n=10000时,至少有99.1%的概率这个平均值很接近13。
当n=100000时,至少有99.9%的概率这个平均值很接近13。
如果把“很接近13”理解为跟13相差不到0.02,那么:
当n=1000时,至少有44.4%的概率这个平均值很接近13。
当n=10000时,至少有94.4%的概率这个平均值很接近13。
当n=100000时,至少有99.4%的概率这个平均值很接近13。
当n=1000000时,至少有99.9%的概率这个平均值很接近13。
现在展开你想象的翅膀,你应该看到当n变成无穷大的时候,这个平均值就不再是“几乎总是很接近13”,而是“就是13”了!
至此同学们可能已经体会出俺极其考究、极负责任的“几乎总是很接近”了吧。这里的情怀还是让俺带你们领略一下吧。老千掷出的序列当然是随机的、不确定的、没有规律的。这个序列的平均数虽然也在13周围随机跳动,但却随着n的增大越发确定起来。当n很小、她就在你跟前的时候,变化多端、捉摸不定的她让你无法看清;当n增大的时候,她渐行渐远,但她在风中颤动的身影却在你记忆的相机里慢慢聚焦,越来越清晰;直到她消逝在无限的远方,她竟定格成一幅永恒而又无比真切的画面......
学霸们可能会觉得俺太矫情了:不就一个简单的大数定理吗,有必要这么忽悠吗?其实俺也觉得自己有些矫情。但看完本文之后,俺请你再回头体会一下大数定理的情怀。
“二十个问题”游戏的准确规则及特例
用概率论武装一下之后,同学们应该已经认识到,在“二十个问题”游戏中俺心里想的神秘数字其实就是一个随机变量X。我们可以假设它的取值范围S={1,2,…,M}和概率分布函数P(x)都已知。当然在实际情况下我们未必真知道P(x),但往往可以大致估计这个函数。如果对这个分布函数我们一无所知,我们不妨认为P(x)是个均匀分布。
对于任意一个给定的问问题策略,如果俺心里的神秘数字是x,我们把所需的问题个数记作L(x)。比如M=8,而我们用前面提到的那个从1问到7的策略问问题,我们就会得到:
L(1)=1,L(2)=2,L(3)=3,L(4)=4,
L(5)=5,L(6)=6,L(7)=7,L(8)=7。
(对,L(8)=7,俺没敲错。)
因为俺心里想的是个随机变量X,在这个策略下所需要的问题数目L(X)就也是个随机变量。这个随机变量L(X)也有一个分布,在知道P(x)的前提下,如果想算也是可以算出来的。但是俺懒得算它。
既然L(X)是个随机变量,一个最自然的方式定义这个策略所需要的问题个数就是用这个随机变量的均值,或者说用平均所需要的问题个数。如果你的数字直觉好,应该可以看到,即使不求L(X)的分布,这个随机变量的均值其实就是
L(1)*P(1)+L(2)*P(2)+…+L(M)*P(M).
用L(X)的均值定义一个问问题策略所需要的问题个数除了“自然”,还有什么物理意义吗?当然!前面的大数定理告诉咱们,如果你用这个策略玩这个游戏很多次,你所用问题个数的平均值“几乎总是很接近”L(X)的均值。而当你玩了这个游戏无数次之后,你平均每次用的问题数就正好是这个L(X)的均值。
由此可见,如果俺们准备玩这个游戏很多次,那么用L(X)的均值定义所需要问题的个数,用金星老师的话说就是一个动作两个字:完美。
至此,俺们已经确定这个“二十个问题”游戏的准确规则,即:你要设计一种问问题的策略,当用这个策略跟俺玩很多次(更准确的说,无数次)这个游戏之后,平均每次用的问题个数要越少越好!换句话说,我们希望寻找一个最好的问问题策略,同时确定最少需要多少个问题(平均意义上)。
其实在一些特殊的情况下,确定最优的问问题策略和最少需要的问题个数并不困难。
考虑这样一个特例:俺心里的神秘数字X的取值范围是S={1,2,…,8},而且X的概率分布函数是个均匀分布。那么最优的问问题方法就是所谓的“二分法”:每问一个问题要把这个神秘数字的可能范围缩减一半。比如这样的问法:
女领导的兵王司机 陆鸣血脉重生 凤神临世 绝品保镖美总裁 荒坟夜啼 楚扬苏芷洛小说 贴身侍卫 限时婚约:前夫请签字 德赫瑞姆的领主 一品夫人:农家医女 女神临世素手倾天 恐怖复苏:开局激活酆都大帝模板 我的火影忍者果然有问题 暮色倾尽好晨光 全能金手指 豪门绝宠之峥少溺爱狂妻 [主咒回]社恐的我无所不能 爹地,大佬妈咪掉马了 商界大佬想追我 我的重返2008
她是天赋异禀的天才设计师,却被闺蜜和丈夫联合算计而死。重活一世,她手撕白莲花,放手虐渣渣,顺利开挂,就连清心寡欲帝国总裁陆寒霆也对她宠之入骨。Tags鲜妻入怀陆少,轻一点苏南鲜妻入怀陆少,轻一点txt全集下载鲜妻入怀陆少,轻一点无弹窗鲜妻入怀陆少,轻一点最新章节鲜妻入怀陆少,轻一点txt全文下载鲜妻入怀陆少,轻一点全文阅读...
黑枭女王遇袭重生,睡了前世死敌大BOSS!宿敌在枕边,日夜不停战。可为何他画风突变?不但帮她虐渣斗白莲,还帮她复仇查凶手。顾九爷弄死我的不正是景大少你吗?景少委屈世上最痛苦的是你喜欢一个人,费尽心机接近,没等表白对方挂了。世上最幸福的是你喜欢的那个挂了的人,死而复生,还活在你床上!酸爽独宠,1v1此文又名...
飞卢小说网原创小说魔魂龙心与上古卷轴以上古卷轴5为背景,给原剧情填充大量细节,再加以融合,形成一个新的故事。只不过,并非所有原剧情的结果都在意料之中。本该死去的人,可能会活下来。本该活着的人,可能会死去。就连龙裔也...
林峰原本是妖界之主,因为被仙魔两界之主算计,最后重生到了一个废物身上,但是他并不愤怒,因为这废物有着一个如花似玉的老婆。...
作者五十弦的经典小说迟太太,迟总又来催婚最新章节全文阅读服务本站更新及时无弹窗广告小说苏意一直以为,她有个幸福美满的家庭,有疼爱她的老公。后来撞见老公跟姐姐的奸情,才知道一切都是骗局!被卖给另一个男人,怀上了他的孩子。万念俱灰时,他带来了光,转身,又将光粉碎。迟先生,没人会站在原地傻等。所以我来找你了。...
火爆新书许诺入学填未婚由黑空行云所编写的玄幻科幻类型的小说,本小说的主角许诺庄梦蝶程鹏,文中的爱情故事凄美而纯洁,文笔极佳,实力推荐。小说精彩段落试读曾经,他是万人敬仰的超级学霸!如今,他是人人鄙夷的废柴学渣!原来,是一丝神龙残魂进入了许诺的体内,融合完成,成为神龙之体的许诺,开始了他的逆袭之路,重回巅峰!...