概率论的学习和整理14: 概率发生变化的抽奖,如何计算概率?( 缺 VBA模拟部分)

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14: 概率发生变化的抽奖,如何计算概率?( 缺 VBA模拟部分)。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 问题:如果要考察的概率模型(抽奖)里,基础中奖概率一直在变化怎么办?

1.1 基础问题,抽奖抽中的概率会变化

1.2  概率稳定的老模型,有什么问题?

1.3 比如:构建这样的一个新模型

2 用excel 计算这些概率

2.1 不用几何分布,但是照样可以求第n次是第一次成功的概率

2.1.1 计算过程

2.1.2 结论1

3 对比 概率变化的抽奖的好处

3.1 和几何分布的对比

3.1.1 最显著的是方差也变得集中

3.2 改变原始概率和增加的概率变化很多

3.2.1 变化模式,基础成功=10%,每次增加1%,几何分布保持概率10%

3.2.2 变化模式,基础成功=10%,每次增加5%,几何分布保持概率10%

3.2.3 变化模式,基础成功=30%,每次增加1%,几何分布保持概率30%

 3.2.4 变化模式,基础成功=30%,每次增加5%,几何分布保持概率30%

3.3 其实,概率变化的函数还可以各种改进设计等

4 n次不全失败的概率=n次中至少成功1次的概率 = Σ 第n次成功(前面都失败)概率

5  如果在这个基础上,需要求条件概率呢? 

6 这个概率不断增加的模型,pdf的函数图形和具体数值关系很大

7 EXCEL if函数 判断来模拟? 可以试试

8  如果用VBA模拟,修改下代码

9 这个和那几种 zhuanpan 的概率模型


1 问题:如果要考察的概率模型(抽奖)里,基础中奖概率一直在变化怎么办?

1.1 基础问题,抽奖抽中的概率会变化

  • 有时候概率并不是固定的,而是会发生变化的
  • 如果概率发生变化了,就不能套用一般的概率模型了
  • 需要用一些其他办法计算了
  1. 复杂的高等数学手段?
  2. 写代码硬模拟? 模特卡洛模拟?
  3. EXCEL也可以解决部分这种问题

下面尝试用EXCEL 和 VBA解决一些这种问题

1.2  概率稳定的老模型,有什么问题?

  • 概率稳定的抽奖模型,一般可以用 几何分布来看
  • 如果概率够高,那么中奖的期望次数很小,狠容易达到
  • 可以参考我之前的 几何分布的内容

概率论的学习和整理8: 几何分布_奔跑的犀牛先生的博客-CSDN博客几何分布_几何分布https://blog.csdn.net/xuemanqianshan/article/details/126149038?spm=1001.2014.3001.5502

  • 如果概率比较低,比如10%这种,看着还不算很低,虽然期望次数为10
  • 但是方差比较大,很多运气不好人可能20次,30次才能抽到,有的期望次数甚至到了100多次,虽然那种情况的概率也很低
  • 但是这样不同人的抽奖感受就差别很大,这个就是问题所在了。
  • 也就是很多游戏的抽奖,为什么都要加保底次数等设计了!

概率递增抽奖期望,机器学习,人工智能

1.3 比如:构建这样的一个新模型

  • 成功概率初始为 0.1
  • 如果不成功每次加0.01,直到成功为止
  • 任意一次成功后,下次成功概率重新回到0.1
  • (其实可以有关于失败次数N 更复杂的概率公式,先构建一个这样的)

2 用excel 计算这些概率

2.1 不用几何分布,但是照样可以求第n次是第一次成功的概率

  • 第n次才成功的概率 = 前面n-1 都失败,第n次成功的概率

2.1.1 计算过程

  • 几何分布,p(x=n) =(1-p)^(1-n)*p
  • 因为几何分布的概率是稳定不变的,成功一直=p,失败概率=1-p,所以n-1次失败可以简化为(1-p)^(n-1) 
  • 现在概率变化就写成(大写只是为了好看)
  • p(x=n) =(1-P1)(1-P2)*....*(1-P(n-1))*Pn
  • 只要注意,每次的Pi 或者(1-Pi)都是变化不同的,这个虽然手算很麻烦,但是EXCEL算起来很简单。

概率递增抽奖期望,机器学习,人工智能

  • 第1列,次数n
  • 第2列,第n次,单次试验失败概率
  • 第3列,第n次,单次试验成功概率
  • 第4列,n次连续都失败概率,
  • 第5列,n次中至少有1次成功的概率
  • 第6列,前面n-1次都失败+第n次成功的这个事件的概率  (多个n的事件对应的就是随机变量)
  • 后面就是求 Σpdf, 期望等!

2.1.2 结论1

  • 用EXCEL拉表很方便结算,有限次数,次数不多的这个公式
  • p(x=n) =失败n-1的累计概率*最后一次成功的概率
  • p(x=n) =(1-P1)(1-P2)*....*(1-P(n-1))*Pn
  • 即使不用几何分布也可以用相同的思想求 最后一次才成功的概率!
  • 表上,第n成功(前面都失败)概率 这一列就是 类似 几何概率的  第n次才成功的概率
  • 表上,n次中至少成功1次的概率 这一列就是 非全失败的概率

3 对比 概率变化的抽奖的好处

3.1 和几何分布的对比

  • 左边,是每次试验,成功和失败概率都在变化的模型  (实验组)
  • 右边,是每次试验概率不变的,几何分布,用于对比(对照组)

概率递增抽奖期望,机器学习,人工智能

差异总结

提高概率的模式成为A模式,几何分布称为B模式

1 很明显,A模式因为成功概率逐渐增加,第一次成功的期望次数肯定会变小,也即变容易了,这个是6.8次,而几何分布是10次,这个是显然的

2 A模式的期望次数更小

3 A模式的方差大幅度降低,比几何分布好很多,这个应该是最优秀的地方

这里可能被数据影响的假象

  • 因为我用的A模式,基础成功概率10%,而每次只增加1%,所以概率变化并不明显,
  • 但是即使这样的情况,方差的缩小很明显!很优秀

3.1.1 最显著的是方差也变得集中

  • 方差被拍扁了
  • 就是方差变得更集中了,这个是很明显的
  • 也就是,提高了一些概率,抽奖获得均值会变快,但是最明显的就是玩家抽奖的方差变小
  • 因为方差得这个被压扁得特点,也就是能保证,绝大多数人的体验变得更好。!

概率递增抽奖期望,机器学习,人工智能

3.2 改变原始概率和增加的概率变化很多

这里可能被数据影响的假象

  • 多种情况下,增加概率的模式下,对比 相同基础成功概率的几何分布
  • 即使每次增加概率很小,方差都能显著的缩小
  • 虽然概率也一定会增加,但可能增加得不够显著(取决于增加的概率/基础成功概率 比例
  • 虽然期望也一定会变小,但变小幅度不如方差明显,不算很显著

3.2.1 变化模式,基础成功=10%,每次增加1%,几何分布保持概率10%

下面这个同上图

概率递增抽奖期望,机器学习,人工智能

3.2.2 变化模式,基础成功=10%,每次增加5%,几何分布保持概率10%

概率递增抽奖期望,机器学习,人工智能

3.2.3 变化模式,基础成功=30%,每次增加1%,几何分布保持概率30%

概率递增抽奖期望,机器学习,人工智能

 3.2.4 变化模式,基础成功=30%,每次增加5%,几何分布保持概率30%

概率递增抽奖期望,机器学习,人工智能

  •  这里现实的 Σpdf 和 期望数字出问题,是因为
  • 初始概率足够高,一定次数下就必成了。 

概率递增抽奖期望,机器学习,人工智能

3.3 其实,概率变化的函数还可以各种改进设计等

  • 比如固定某些次必须中奖
  • 读之前的失败次数k 作为增加概率的系数的,而不是每次固定增加0.01,比如是0.01*K^2
  • 甚至可以搞分段函数
  • 还有些搞一些幸运值,其实 “幸运值--增加概率” 之间,比然是有个对应函数关系得,这个函数关系式可以简单,可以复杂,可以搞成各种各样得曲线形状

概率递增抽奖期望,机器学习,人工智能

 概率递增抽奖期望,机器学习,人工智能

4 n次不全失败的概率=n次中至少成功1次的概率 = Σ 第n次成功(前面都失败)概率

  • 可以看到
  • n次不全失败的概率=n次中至少成功1次的概率 = Σ第n次成功(前面都失败)概率
  • n次至少成功1次的概率: n次中只要成功次数>=1次就算,包括成功1次,成功2次,,,,等等,也不在乎是第几次成功
  • 第n次成功(前面都失败)概率: 必须是前面n-1都失败,刚好第n 次成功

概率递增抽奖期望,机器学习,人工智能

5  如果在这个基础上,需要求条件概率呢? 

比如如下问题

前面假设相同

现在要求,前面9次都失败时,后面继续抽,成功抽中1次奖励就停止的概率

也就是想知道,如果已知前面9次都失败,后面继续抽还要多少次能抽中奖励?

其实是个条件概率

而条件概率的公式

  • P(A|B) =P(AB) / P(B)
  • P(最后1次成功|前9次都失败) =P(前9次都失败 & 最后一次成功) / P(前9次都失败的概率)
  • 从条件概率的定义看
  • P(前9次都失败 & 最后一次成功) = P(最后1次成功概率)  去掉前9次成功的那些变量和那些那些变量对应的概率即可!!!
  • P(前9次都失败的概率)= 很简单得前9次失败概率*连乘
  • P(最后1次成功|前9次都失败)= P(最后1次成功概率) /P(前9次都失败的概率)
  • 而且 Σpdf=1

概率递增抽奖期望,机器学习,人工智能

 概率递增抽奖期望,机器学习,人工智能

6 这个概率不断增加的模型,pdf的函数图形和具体数值关系很大

概率函数pdf的变化也和初始概率,增加概率等关系很大

  • 我写的那篇几何分布里有详细考虑这个,
  • 这里也一样
  • 如果原始概率高,增加少,则是 刚开始就是最高点
  • 增加概率/初始成功概率,这个比例也很重要

概率递增抽奖期望,机器学习,人工智能

概率递增抽奖期望,机器学习,人工智能

概率递增抽奖期望,机器学习,人工智能

7 EXCEL if函数 判断来模拟? 可以试试

8  如果用VBA模拟,修改下代码

可以写个程序模拟下

蒙特卡洛模拟

平均概率random

还可以考虑其他分布的概率分布、

比如不平均概率的

改进的蒙特卡洛模拟

还有算了一个超几何分布’

但是不是等概率模型,如何处理的一个例子

这些特殊例子

是否可以变成公式??

9 这个和那几种 zhuanpan 的概率模型

是不是都有关系??

原理和公式改写?文章来源地址https://www.toymoban.com/news/detail-795781.html

到了这里,关于概率论的学习和整理14: 概率发生变化的抽奖,如何计算概率?( 缺 VBA模拟部分)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(40)
  • 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(41)
  • 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(45)
  • 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(39)
  • 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(43)
  • 概率论和随机过程的学习和整理--番外16,N合1的合成问题的求平均个数,次数,阶数

    目录 1 问题 2 用条件期望,求合成的次数 2.1 思路1 2.2 思路2 3  用条件期望,求合成的个数 3.1 令X表示用材料1往上合成时,合成材料2的个数 3.2 令Y表示用材料1往上合成时,合成材料3的个数 4 用条件期望,求合成的材料的阶数 5 比较计算次数,个数,合成东西的阶数 假设有

    2024年02月15日
    浏览(42)
  • 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(60)
  • 《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(41)
  • 深度学习-必备的数学知识-概率论4

    概率论 我们将接着上一篇文章继续讲解。 在接下来的文章中,将会把随机变量本身写作大写字母,随机变量的值写作小写字母。 期望、方差和协方差 期望(expectation)是指随机变量X所有可能取值的平均或期望值。期望可以看作随机变量的中心或平均位置。换句话说期望是随

    2024年02月04日
    浏览(48)
  • 深度学习-必备的数学知识-概率论3

    概率论 我们将接着上一篇文章继续讲解。 条件概率 大家还记得上一篇文章的提到的联合概率分布吗?定义在一组变量的联合概率分布的子集上的概率分布被称为边缘概率分布(marginal probability distribution)。 对于离散型随机变量x和y,如果我们有 P ( x , y ) P(x,y) P ( x , y ) ,则可

    2024年02月03日
    浏览(49)

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