Gracz otrzymuje uczciwą, sześcioboczną kostkę. Aby wygrać, musi rzucić liczbą większą niż 4 (tj. 5 lub 6). Jeśli wyrzuci 4, musi rzucić ponownie. Jakie są jej szanse na wygraną?
Myślę, że prawdopodobieństwo wygranej można wyrazić rekurencyjnie jako:
Przybliżiłem jako , przeprowadzając 1 milion prób w Javie, w ten sposób:
import java.util.Random;
public class Dice {
public static void main(String[] args) {
int runs = 1000000000;
int wins = 0;
for (int i = 0; i < runs; i++) {
wins += playGame();
}
System.out.println(wins / (double)runs);
}
static Random r = new Random();
private static int playGame() {
int roll;
while ((roll = r.nextInt(6) + 1) == 4);
return (roll == 5 || roll == 6) ? 1 : 0;
}
}
I widzę, że można rozwinąć następujący sposób:
Ale nie wiem, jak rozwiązać ten rodzaj relacji powtarzalności bez uciekania się do tego rodzaju przybliżenia. Czy to możliwe?
probability
tronbabylove
źródło
źródło
Odpowiedzi:
Wystarczy go rozwiązać za pomocą algebry:
źródło
Uwaga: Jest to odpowiedź na początkowe pytanie, a nie na powtórzenie.
Jeśli rzuci 4, to w zasadzie się nie liczy, ponieważ następny rzut jest niezależny. Innymi słowy, po wyrzuceniu 4 sytuacja jest taka sama jak wtedy, gdy zaczęła. Możesz więc zignorować 4. Wówczas wyniki, które mogą mieć znaczenie, to 1-3 i 5-6. Istnieje 5 różnych wyników, z których 2 wygrywają. Tak więc odpowiedź wynosi 2/5 = 0,4 = 40%.
źródło
Odpowiedzi dsaxton ( /stats//a/232107/90759 ) i GeoMatt22 ( /stats//a/232107/90759 ) podają najlepsze podejście do problemu. Innym jest uświadomienie sobie, że twój wyraz
To naprawdę geometryczny postęp :
Ogólnie mamy
więc mamy
Oczywiście sposobem na udowodnienie ogólnej formuły sumy postępu geometrycznego jest zastosowanie rozwiązania algebraicznego podobnego do dsaxton.
źródło
Wszystkie powyższe odpowiedzi są poprawne, ale nie wyjaśniają, dlaczego są poprawne i dlaczego możesz zignorować tak wiele szczegółów i uniknąć konieczności rozwiązywania skomplikowanej relacji powtarzalności.
Powodem, dla którego inne odpowiedzi są poprawne, jest właściwość Strong Markov , która dla dyskretnego łańcucha Markowa jest równoważna zwykłej właściwości Markowa. https://en.wikipedia.org/wiki/Markov_property#Strong_Markov_property
Zasadniczo chodzi o to, że zmienna losowa
to czas zatrzymania . https://en.wikipedia.org/wiki/Stopping_time Czas zatrzymania jest losową zmienną, która nie zależy od jakichkolwiek przyszłych informacji .
You can read more about stopping times and the Strong Markov property in Section 8.3 of (the 4th edition of) Durrett's Probability Theory and Examples, p. 365.
źródło
Another way to look at the problem.
Lets call a 'real result' a 1,2,3,5 or 6.
What is the probability of winning on the first roll, if you got a 'real result'? 2/5
What is the probability of winning on the second roll, if the second roll is the first time you got a 'real result'? 2/5
Same for third, fourth.
So, you can break your sample in (infinte) smaller samples, and those samples all give the same probability.
źródło