Angenommen, eine schöne Münze wird wiederholt geworfen, bis zum ersten Mal ein Kopf erhalten wird.
- Wie viele Würfe werden voraussichtlich benötigt?
- Was ist die erwartete Anzahl von Schwänzen, die erhalten werden, bevor der erste Kopf erhalten wird?
probability
self-study
expected-value
bernoulli-distribution
geometric-distribution
nicole900
quelle
quelle
Antworten:
Dies kann mit der geometrischen Verteilung wie folgt beantwortet werden :
Die Anzahl der Fehler k - 1 vor dem ersten Erfolg (Köpfe) mit einer Erfolgswahrscheinlichkeit p ("Köpfe") ist gegeben durch:
wobei k die Gesamtzahl der Würfe ist, einschließlich der ersten "Köpfe", die das Experiment beenden.
Und der erwartete Wert von X für ein gegebenes p ist .1/p=2
Die Ableitung des Erwartungswertes finden Sie hier . Die letzten impliziten Schritte sollten wie folgt lauten:
, das in den Ausdruck eingefügt werden soll:ddr11−r=1(1−r)2
. Mitr=1-pvereinfacht sich zuE(X)=p1−p∑x=1∞x rx=p1−p r (ddr11−r)=p1−p r 1(1−r)2 r=1−p
, begründet seine Verwendung oben.]E(X)=1p
Alternativ könnten wir die negative Binomialverteilung verwenden , die als Anzahl der Fehler vor dem ersten Erfolg interpretiert wird. Die Wahrscheinlichkeitsmassenfunktion wird als p (Anzahl der Ausfälle, n , vor dem Erreichen von r Erfolgswahrscheinlichkeiten, wenn in jedem Bernoulli-Versuch eine bestimmte Erfolgswahrscheinlichkeit, p , gegeben ist) angegeben:
Die Erwartung für die Anzahl der Versuche n + r ergibt sich aus der allgemeinen Formel:
Bei unseren bekannten Parametern: r = 1 und p = 0,5 ,
Daher können wir erwarten, zwei Würfe zu machen, bevor wir den ersten Kopf mit der erwarteten Anzahl von Schwänzen erhalten, die .E(n+r)−r=1
Wir können eine Monte-Carlo-Simulation ausführen, um dies zu beweisen:
quelle
And the expected value of
p 1 / p und wie soll man das beweisen?for a given
is
Modellieren Sie das Spiel, indem Sie ein Ticket aus einer Schachtel ziehen. Es gibt zwei Arten von Tickets. Auf einem steht "Stop, du hast Köpfe geworfen"; Auf der anderen Seite steht "Weiter, du hast Schwänze geworfen." Die erwartete Anzahl zusätzlicher Würfe im ersten Fall ist während die erwartete Anzahl zusätzlicher Würfe im zweiten Fall beispielsweise x ist - wir wissen es noch nicht und müssen es herausfinden.0 x
Schreiben Sie diese Erwartungen auf ihre jeweiligen Tickets: Dies sind die Werte der Tickets.
Die drei Dinge, die wir kennen, sind:
Die Chance, ein "Stop" -Ticket (mit dem Wert ) zu ziehen, ist p .0 p
Die Chance, ein "Continue" -Ticket (mit dem Wert ) zu ziehen, beträgt 1 - p .x 1−p
Die Erwartung für diese einzelne Ziehung ist per Definition die Summe der wahrscheinlichkeitsgewichteten Werte für alle Arten von Tickets:
Dies führt zu einer äußerst effizienten Möglichkeit, die Verteilung von Spiellängen zu simulieren . Hier ist
R
Code. Es zeichnet "Köpfe" als wahre Werte in einem booleschen Array auf und berechnet die Wirbel zwischen aufeinanderfolgenden wahren Werten.set.seed(17)
quelle
Sei X die Anzahl der Münzwürfe, die erforderlich sind, bis ein Kopf erhalten wird. Wir müssen also E (X) berechnen (dh den erwarteten Wert von X).
Wir können E (X) von jedem unserer ersten Flips abhängig machen. E (X | H) soll die Anzahl der verbleibenden Münzwürfe bezeichnen, vorausgesetzt, ich habe beim ersten Wurf einen Kopf bekommen. In ähnlicher Weise bezeichne E (X | T) die Anzahl der verbleibenden Münzwürfe, vorausgesetzt, ich habe beim ersten Wurf einen Schwanz.
Durch den ersten Schritt Konditionierung haben wir
Nun, alsE( X| H) bezeichnet die verbleibenden Flips, nachdem ich den Kopf beim ersten Mal erhalten habe. Sie sind gleich 0, da ich nach dem Erhalten von 1 Kopf nicht mehr flippen muss.
Und,E( X| T) = E( X) , da wir keine Fortschritte gemacht haben, um einen Kopf zu bekommen.
So,E( X) = 12∗(1+0)+12∗(1+E(X))
=>E(X)=2
quelle