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(39)
  • 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(38)
  • 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(44)
  • 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(37)
  • 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(41)
  • 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(39)
  • 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(55)
  • 《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(40)
  • 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(45)
  • 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(40)

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