概率论的学习和整理--番外12:2个概率选择比较的题目

这篇具有很好参考价值的文章主要介绍了概率论的学习和整理--番外12:2个概率选择比较的题目。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

1 要解决的题目

2 先说结论,后面解释原因

2.1 先考虑期望,期望要尽量大,但比然有限制

2.2  再考虑方差,在期望给定前提下,尽量减小方差,稳定体验

2.3 结论:先考虑期望,再考虑方差

3 算法

3.1 错误算法

3.2  正确算法1,直接解方程

3.3 正确算法2,用条件期望求解

3.4 算法3,用递归--等比数列求和来算

4  上述两个方案比较的意义-回到问题本身


1 要解决的题目

题目

3个A合成1个B

方案1:1/4 几率返还一个A,

方案2:1/10 几率多得1个B

哪一个更好呢?文章来源地址https://www.toymoban.com/news/detail-578719.html

2 先说结论,后面解释原因

2.1 先考虑期望,期望要尽量大,但比然有限制

  • 提供方利益和用户利益并不一致,需要双方达到一个平衡
  • 用户肯定更喜欢期望大的,期望大意味着可以获得更多
  • 但是提供方往往要严控期望值,也就是严控奖励发放数量

2.2  再考虑方差,在期望给定前提下,尽量减小方差,稳定体验

  • 再双方利益达到一个平衡点后,也就是期望稳定后,是否可以提高玩家的体验呢?
  • 答案是可以的
  • 那就是:尽量缩小方差,稳定玩家的体验,避免体验次数不同的玩家体验差异太大!

2.3 结论:先考虑期望,再考虑方差

  • 先在允许的范围内考虑期望尽量大
  • 期望差不多的时候,应该要考虑方差小的,也就是概率差不多的感受更好
  • 因为这2个方案期望差不多,但是方案1的概率大方差小,这2个方案里方案1更好

3 算法

先举1个错误例子

3.1 错误算法

下面这是错的!

这种简单思维,完全没有考虑到递归的影响,绿色还可以继续再来合成,需要折算

方案1

  • 3A=1/4*(3+1)+3/4*3     '这里这个1是可以继续再合成的,进行递归合成,无限次
  • 3A=4/4+9/4
  • 3A=13/4

方案2

  • 3A=9/10*3+1/10*6
  • 3A=27/10+6/10
  • 3A=33/10

比较

  • E(X1)-E(X2)=11/4-33/10=(110-132)/40= -22/40= -11/20

3.2  正确算法1,直接解方程

方案1

解方程,算二者关系

把A视为A, 把B视为B,每3个A可以合成一次B

  • 3A=3/4*B+1/4*(B+A)
  • 11/4*A=B
  • A=4/11*B

方案2

  • 3A=9/10*B+1/10*2B
  • 3A=11/10*B
  • A=11/30*B

比较

  • E(X1)-E(X2)=4/11-11/30= (120-121) /330 = -1/330

3.3 正确算法2,用条件期望求解

把A视为E(X), 把B视为1,每1个A只相当于1/3个B

  • 使用条件期望,先要考虑清楚,要考察的随机变量
  • 这里 令 X=是生成B的数量
  • 因为把合成公式用这个视角带入
  • 方案1: 3E(X)=3/4*1+1/4*(1+E(X))
  • 方案2: 3E(X)=9/10*1+1/10*2
  • 因为把合成公式用这个视角带入,但可以只看1个材料合成的情况,1/3即可
  • 其实,其实是用1个A,3个A,或者12个A都可以的,最后都可以约掉
  • 方案1: E(X)=3/4*1/3+1/4*(1/3+E(X)/3)
  • 方案2: E(X)=9/10*1/3+1/10*2/3

如果条件期望计算

方案1

  • E(X)=1/4*1/3(1+E(X))+3/4*1/3
  • E(X)=1/12*(1+E(X))+3/12
  • E(X)=4/11

方案2

  • E(X2)=9/10*1/3+1/10*2*(1/3)
  • E(X2)=3/10+2/30
  • E(X2)=11/30

比较

  • E(X1)-E(X2)=4/11-11/30= (120-121) /330 = -1/330

3.4 算法3,用递归--等比数列求和来算

用递归的方法算

考虑到递归的影响,绿色还可以继续再来合成,需要折算

考虑递归--用等比数列求和的方式算

方式1

  • 需要根据现在的合成关系,去展开
  • 然后去观察下,每次迭代之间的数值关系
  • 确实是符合等比数量
  • 找到公比,后来就好计算了
  • 12A =lim 4B+4B/12+4B/12/12+....
  • 12A =等比数列求和
  • 12A =lim 4B*(1-(1/12)^n)/(1-1/12)
  • 12A =4B*12/11
  • A =4/11*B

概率论的学习和整理--番外12:2个概率选择比较的题目,学习

方式2

这个不用递归

因为没有涉及到合成后又生成A的问题

  • 3A=9/10*B+1/10*2B
  • 3A=11/10*B
  • A=11/30*B

比较

E(X1)-E(X2)=4/11-11/30= (120-121) /330 = -1/330

4  上述两个方案比较的意义-回到问题本身

题目

3个A合成1个B

方案1:1/4 几率返还一个A,

方案2:1/10 几率多得1个B

哪一个更好呢?

  • 可见其实计算了这2种方法
  • 发现,两者的期望差不多,
  • 但是方案1,25%概率,方差会小很多,感受更趋同
  • 方案2,10%概率生成2个B,方差就大很多,感受就不稳定
  • 所以,这2个方案里方案1更好

到了这里,关于概率论的学习和整理--番外12:2个概率选择比较的题目的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 概率论的学习和整理13--方差和协方差(未完成)

    一组数据的方差,没有加权信息,一般认为是 等概率的,按个数进行平均算方差 随机变量的方差,因为有概率作为权重,需要按概率算方差 常见说法,说到方差,一般把期望和方差成对出现一起说 什么是期望? 期望是一种平均值,出自赌博,是用概率做权重,随机变量的

    2024年02月03日
    浏览(28)
  • 概率论的学习和整理17:EXCEL的各种期望,方差的公式

    目录 1 总结 1.1 本文目标总结方法 1.2 总结一些中间关键函数 2 均值和期望 2.1 求均值的公式 2.2 求随机变量期望的公式 2.3 求随机变量期望的朴素公式 3 方差 3.1 确定数的方差 3.2 统计数的方差公式 3.3 随机变量的方差公式 3.4 EXCEL提供的直接计算方差的公式 4  期望 和方差的公

    2024年02月16日
    浏览(26)
  • 概率论的学习和整理21:用EXCEL来做假设检验(未完成草稿)

    目录 1 EXCEL可以用来做假设检验 1.1 如何打开 数据分析 和 规划求解 1.2  EXCEL里关于正态分布的准备知识 2 基本的假设检验 2.1 最基本的假设检验,单边的Z检验 2.1 双样本F检验 2.1.1 例题 2.1.2 进行F检验之前需要满足一些假设条件 2.1.3 计算步骤 2.1.4 如何查表:下面这个图是 显著

    2024年02月16日
    浏览(28)
  • 概率论和随机过程的学习和整理20:条件概率我知道,但什么是条件期望?可用来解决递归问题

    目录 1 目标问题: 什么是条件期望? 条件期望有什么用? 2 条件期望,全期望公式 3 条件期望,全期望公式 和 条件概率,全概率公式的区别和联系 3.1 公式如下 3.2 区别和联系 3.3 概率和随机过程 4 有什么用:---可以解决很多递归的问题 4.1 使用前有个前提:界定清楚你要求

    2024年02月15日
    浏览(32)
  • 概率论的学习和整理15: 超几何分布,二项分布,泊松分布是如何趋近收敛的?

    目录 1 问题: 2 结论 3 实验1  4 实验2  5 实验3  6 实验4 5 各种规律总结 5.1   1  5.2  2 5.3  3 5.4 4 6 超几何分布,二项分布,泊松分布,三者用EXCEL模拟 6.1 简单的扩展到泊松分布 6.2  比较整体的动态过程,增加实验次数时 从一个简单模型说开去 比如,有10个球,其中有x个

    2024年02月16日
    浏览(27)
  • 概率论的学习和整理11:伯努利试验对应分布:0-1分支, 二项分布 (未修改完成!!!)

    目录 1 伯努利试验 1.1 什么是伯努利试验 1.2 伯努利试验相关的3种分布 2 关于0-1分布 (也称为伯努利分布   ab分布  两点分布等) 2.1 0-1分布的基本概率和公式 2.2 0-1分布的概率分布图,pdf 和 cdf 2.3 0-1分布的期望和方差                  3  几何分布 3.1 什么是几何分布 4 二

    2024年02月13日
    浏览(31)
  • 概率论学习笔记全网最全!!!!

    第01回:一些基本概念 1. 随机试验 满足下列条件的试验称为随机试验. 可以在相同的条件下重复地进行; 每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果; 进行一次试验之前不能确定哪一个结果会出现. 2. 样本空间 ​ 我们研究随机现象的方法其实就是利用

    2024年02月03日
    浏览(47)
  • 什么是机器学习?监督学习的定义、概率论的基本概念以及模型选择、过拟合与欠拟合的问题。常见的监督学习算法,包括朴素贝叶斯(Naive Bayes)、决策树(Decision Tree)支持向量机随机森林

    作者:禅与计算机程序设计艺术 什么是机器学习?从定义、发展历程及目前的状态来看,机器学习由3个主要分支组成:监督学习(Supervised Learning),无监督学习(Unsupervised Learning)和强化学习(Reinforcement Learning)。这三类学习都可以使计算机系统根据输入数据自动分析和改

    2024年02月09日
    浏览(38)
  • 《概率论与数理统计》学习笔记

    重温《概率论与数理统计》进行查漏补缺,并对其中的概念公式等内容进行总结,以便日后回顾。 目录 第一章 概率论的基本概念 第二章 随机变量及其分布 第三章  多维随机变量及其分布 第四章  随机变量的数字特征 第五章  大数定律及中心极限定理 第六章  样本及抽样

    2024年02月03日
    浏览(29)
  • 深度学习-必备的数学知识-概率论2

    概率论 在上一篇文章中,我带大家初略的了解了概率论是什么。这篇文章中我将为大家讲解概率论中的随机变量和概率分布。 随机变量 在概率论中,随机变量(random variable)是一个可以随机地取不同值的变量。一个随机变量是对可能的状态的描述,它的取值范围是事件的所

    2024年02月03日
    浏览(31)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包