Was ist das? - Seite 19
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Sie haben Wahrscheinlichkeiten für das Ereignis 1200/800 berechnet, d. h. P(A1 && A2)
Sie sprachen aber von Ereignis A2|A1 (bedingte Wahrscheinlichkeit von Ereignis A2, wenn Ereignis A1 bereits eingetreten ist)
Wo habe ich von bedingten Wahrscheinlichkeiten gesprochen?
Ich schnüffle nicht herum. Ich denke nur, wenn ich missverstanden werde, trage ich auch eine Mitschuld daran.
Ich danke Ihnen.
Sekei beschreibt in seinem Buch Paradoxes in Probability Theory and Mathematical Statistics das de Moivre-Paradoxon. Avatara muss es für Sie angedeutet haben...
Und mit Candide zu streiten ist sinnlos, er hat die Andeutungen nicht verstanden und ist direkt zum Flamingo übergegangen.
Ich habe mich selbst gemessen.
Ich denke, für unsere Diskussion können wir mit dieser Definition zufrieden sein: MO ist ein Durchschnitt aller möglichen Realisierungen einer Zufallsvariablen.
Ich bin zu faul, um Verweise auf Bücher zu finden, in denen geschrieben steht, dass Integration Mittelwertbildung bedeutet (im allgemeinen Fall mit Genauigkeit des Normierungsfaktors), aber viele Leute in diesem Forum können das bestätigen. Dieselben Leute werden Ihnen sagen, dass bei diskreten Mengen die Integration durch die Summation ersetzt wird.
MO ist der erwartete Wert. Mit anderen Worten, es ist das , was wir erwarten, welchen Wert der Häufigkeit des Auftretens wir von einer Zufallsvariablen in ihrem idealen Verhalten (Verteilung) erwarten.
Sie haben nicht das mathematisch Erwartete berechnet, sondern eine Mischung aus Mat.Happened (600) + MO aus einer zweiten Serie von 1000 Ereignissen (500)Sie haben einen wichtigen Hinweis übersehen: Wenn Sie über MO sprechen, sollten Sie immer angeben, über welche Menge Sie sprechen. Nun, in Ihrem Problem geht es um genau das, was ich geschrieben habe: die MO der Anzahl der roten Fälle in der Serie von 2000 Würfen, in der Annahme, dass nach den ersten tausend 600 sein wird. Sie versuchen, sie durch die MO der Anzahl der roten Fälle in einer Serie von 2000 Würfen zu ersetzen. Dies sind unterschiedliche Werte, nach Bayes :)
Was kann ich Ihnen noch sagen? Bei MO=1100 sind die Varianten A1 && B2 und A1 && A2 symmetrisch um MO angeordnet, so dass sich die Frage nach der Gleichheit ihrer Wahrscheinlichkeiten erübrigt. Das war's, ich bin müde, wenn Ihnen das nicht reicht, muss ich Sie aus meiner Bezugsgruppe ausschließen :) .
P.S. Ich vergaß zu erwähnen, dass es noch einen weiteren nützlichen Trick gibt, um zu verstehen: Lesen Sie alles noch einmal in Ruhe durch.
Kolleginnen und Kollegen, Ruhe. >> Stillschweigen. Bringen wir es hinter uns. Aber lassen Sie uns bitte unsere Punkte mit Argumenten und Berechnungen verteidigen, ohne "Michurinisten" und "Junatisten" einzubeziehen.
Das obige Zitat ist nicht die Definition von ME. Die Definition der Partnerschaftserwartung selbst steht weiter unten.
ME ist der erwartete Wert . Mit anderen Worten, es ist das , was wir erwarten, welches Ausmaß an Häufigkeit des Auftretens wir von einer Zufallsvariablen in ihrem idealen Verhalten (Verteilung) erwarten.
Und sie hängt nicht von den Ergebnissen bestimmter (lokaler) Ereignisreihen ab.
MO wird angenommen: a) aufgrund der physikalischen Eigenschaften des Objekts, z. B. eines regelmäßigen Würfels p=1/6 MO=n*p
Oder sie wird bestimmt: b) durch Erfahrung. Wir haben zum Beispiel 50 Serien mit jeweils 1000 Tests gemacht. Und aus den in jeder Reihe erhaltenen Werten ermitteln wir den Durchschnitt
dies ist nicht der Fall. Was Sie MO nennen, ist Wahrscheinlichkeit, und MO für eine diskrete Verteilung ist gleich der Summe des Produkts der möglichen Werte durch ihre Wahrscheinlichkeit. Wenn die Wahrscheinlichkeit für Kopf/Zahl = 0,5/0,5 und für Kopf=+1, Zahl=-1, dann ist MO=1*0,5-1*0,5=0.
Wenn wir aber keine Wahrscheinlichkeiten haben (und in der Praxis haben wir sie nie), müssen wir P(Köpfe)=Gesamtzahl der Spielsteine/Gesamtzahl der Würfe schätzen. Das heißt, die geschätzte Wahrscheinlichkeit ist gleich der Häufigkeit des Ereignisses
MO=(1*Anzahl der Adler - 1*Anzahl der Schwänze)/Anzahl der Würfe. Dies gilt für zwei Werte von NE.
Bei höheren Werten wird die Formel lauten: MO=(x1*N1+x2*N2+...+xi*Ni)/N, wobei x1...xi - NE, N1...Ni - Anzahl der Fälle, N=N1+...+Ni - Gesamtzahl der Würfe
Warum kehrt die Wahrscheinlichkeit beim Herausfallen von 600/400 auf 0,5/0,5 zurück? Es liegt also nicht daran, dass die Serie sich an etwas erinnert und das kompensiert. Das ist das Gesetz der großen Zahlen. Diese Abweichung wird durch die Tatsache kompensiert, dass die Abweichung mit zunehmendem N langsamer wächst als N selbst. Wenn es beim ersten Mal 600/400 war, beträgt die Wahrscheinlichkeitsschätzung 0,6/0,4. Wenn wir 1000 weitere Versuche durchführen und zum Beispiel 500/500 erhalten, beträgt die Wahrscheinlichkeitsschätzung 0,55/0,45. Grob gesagt, wird sich diese Abweichung mit zunehmender Anzahl von Versuchen auflösen. Die geschätzte Wahrscheinlichkeit (Häufigkeit des Ereignisses) wird nur im Grenzfall der Unendlichkeit auf die Wahrscheinlichkeit reduziert (und übrigens: je mehr Tests, desto geringer die Wahrscheinlichkeit, dass sie gleich ist).
Wo habe ich etwas über bedingte Wahrscheinlichkeiten gesagt???
Ich schnüffle nicht herum. Ich denke nur, dass ich mitschuldig bin, wenn ich missverstanden werde.
Wenn Sie es also nicht so gemeint haben, ist Ihre Aufgabe einfach: Machen Sie 2.000 Versuche - 1.200 rote, 800 schwarze. ohne mühsame Aufteilung in 1000er-Serien und Zwischenergebnisse
(1) Wenn du versuchst, das Niveau deines Gegners einzuschätzen, schätzt du entweder sein Niveau oder deine Obergrenze ein.
(2) Und verwechseln Sie nicht das eine mit dem anderen.
(1) Dies ist richtig.
(2) Und es ist nicht machbar. Vielleicht ist es aber auch nur meine Decke... ;) Die Technologie teilen? Wenn Sie selbst eine haben.
Bitte zögern Sie nicht, die Quellen für diese interessanten Informationen anzugeben. Wo geben sie dieses Wissen weiter?
Mitglieder des Forums! Bitte schweigen Sie nicht, sondern bringen Sie Ihre Argumente vor. Was ist an meinem ersten Beitrag auf dieser Seite falsch?
Ich bin es leid, darüber zu schreiben, aber ich sage es noch einmal: ........ Ich stütze mich dabei auf jahrhundertelange Beobachtungen mit Maßbändern und auf die Annahme, dass der Roulettetisch und das Rouletterad perfekt hergestellt und ausgewuchtet sind. Auf meinem Maßband gibt es keine Nullen (damit wir uns nicht noch mehr verirren). 36 Löcher. 18 rot. 18 schwarz, das sind 0,5 mal 0,5.
Ihr Problem ist also genau das, worüber ich geschrieben habe: die MO-Anzahl von Rottönen in einer Serie von 2000 Schüssen, unter der Annahme, dass es nach den ersten tausend Schüssen 600 sind. Sie versuchen, sie durch die MO der Anzahl der roten Fälle in einer Serie von 2000 Würfen zu ersetzen. Es sind unterschiedliche Werte, nach Bayes :)
Nun, es gibt keine Bedingungen in der Definition von MO (... vorausgesetzt, es gibt 600 nach dem ersten Tausend... ) NEIN!!! Andernfalls ist ein Link zur Quelle obligatorisch!
Das war's, ich bin müde, wenn Ihnen das nicht reicht, muss ich Sie aus meiner Bezugsgruppe ausschließen :) .
Nein. Nein. Denken Sie nicht einmal daran.... In der Mitte einer Runde kann man sich nur hinlegen, wenn man wirklich müde ist... )) Und Sie können nicht aufgeben. Keiner wird es verstehen.
Wenn Sie geboxt haben, natürlich. ))
Avals, ich danke Ihnen. Unsere Ansichten sind fast identisch. Ich wollte Sie gerade in das Lager der "Feinde" einordnen )))) Aber dennoch....
Wenn das erste Mal 600/400 war, beträgt die Wahrscheinlichkeitsschätzung 0,6/0,4. Wenn weitere 1000 Versuche durchgeführt werden und man beispielsweise 500/500 erhält, beträgt die Wahrscheinlichkeitsschätzung bereits 0,55/0,45.
Noch einmal, Wir NICHT eine Schätzung der Wahrscheinlichkeit des Herausfallens von Rot aus der Schleuder durch eine diskrete Reihe von Ereignissen vorzunehmen, wurde sie bereits VOR UNS von unseren Vorgängern (Laplace, Bernoulli, Bayes), unserer Geschichte, der Geschichte des Herausfallens von Rot-Schwarz erstellt. Das war's!!! p=q=0.5 oder so #define p 0.5 THIS IS THE POINT.
Wenn Sie es also nicht so gemeint haben, dann ist Ihr Problem einfach formuliert: Sie haben 2000 Versuche gemacht - 1200 rote, 800 schwarze. Ohne die Mühe, sie in 1000er-Serien aufzuschlüsseln und Zwischenergebnisse zu erhalten.
Nein, das ist es nicht. Ich bin verblüfft. Wie bringe ich meinen Standpunkt zum Ausdruck? Bitte lesen Sie noch einmal das ursprüngliche Problem https://www.mql5.com/ru/forum/122871/page14#254008
und ihre Interpretation der Schleuder https://www.mql5.com/ru/forum/122871/page16#255508
Само определение мат.ожидания чуть ниже.
МО это ожидаемое значение. Другими словами это то, что мы ждем, какую величину частоты появления ожидаем от случайной величины в идеале её поведения (распределения).
Dies ist eine Interpretation im Sinne des weltlichen Sinns, aber keine Definition. Sie kennen die Definition: Es handelt sich um einen Durchschnittswert idealer Realisierungen; er hat nichts mit Erwartungen oder der Zukunft zu tun. Auf dieselbe Weise wird die Vorhersage eines Zufallsprozesses zu einem bestimmten Zeitpunkt in der Zukunft definiert: Sie ist m.o. und nichts anderes.
Man kann viel über das Wesen und die Bedeutung der Wahrscheinlichkeit nachdenken, aber sie hat immer noch etwas, das in der Häufigkeit fehlt: Die Wahrscheinlichkeit enthält implizit das Modell des Verhaltens des Phänomens, von dem wir annehmen, dass es in der Vergangenheit, Gegenwart und Zukunft auf es anwendbar ist. Die Häufigkeit hingegen kennt nur die Vergangenheit.
Nun, es gibt keine Bedingungen in der Definition von ME (... vorausgesetzt, es gibt 600 nach dem ersten Tausend...)
In Ordnung, so sei es. Müssen wir jetzt aufgeben, die glaubwürdigen Ereignisse, die Sie so hartnäckig ablehnen, zu berücksichtigen? Wir haben ein glaubwürdiges Ereignis: Die erste Testreihe brachte uns 600 Treffer für die Red. Wir müssen berechnen, was im Durchschnitt von der gesamten Veranstaltung (2000 Versuche) zu erwarten ist - allerdings unter der Annahme, dass die ersten tausend Versuche bereits zu 600 Roten geführt haben.
Das wird keine große Sache sein. Wir wissen, dass die Erwartung für die Anzahl der Roten in der zweiten Serie von 1000 Versuchen genau 500 beträgt. Da es sich um einen Bernoulli-Prozess handelt, wissen wir, dass die Vergangenheit diese Erwartung nicht beeinflusst: Sie ist ohnehin gleich 500. Da wir wissen, dass bereits 600 in der ersten Serie enthalten sind, fügen wir weitere 500 hinzu.
Egal wie man es nennt, Erwartung, Vorhersage oder wie auch immer, 500+600 werden in jedem Fall in der Mitte dessen liegen, was man als Ergebnis einer Reihe von 2000 Versuchen erhält.
Потрудитесь, пожалуйста, источники столь интересной информации все же предоставить. Где раздают такие знания?
Nun, es gibt keine Bedingungen in der Definition von MO (... vorausgesetzt, dass es nach den ersten Tausend noch 600 gibt...)
Noch einmal, jetzt endgültig das Letzte. Es kann nicht in der Definition von MO liegen, sondern in der Definition des Wertes, dessen MO Sie wissen wollen. Und diese Definition haben Sie selbst gegeben, niemand hat Sie auf den Arm genommen.
Da Sie mit dem Schreiben des Beitrags begonnen haben, möchte ich noch eine weitere Möglichkeit vorschlagen.
Nehmen Sie also Ihr richtiges Roulette und drehen Sie (und denken Sie daran, die Kugel zu werfen) viele, viele Male. Teilen Sie ALLE Ergebnisse in eine Serie von 2000 Rollen auf. Berechnen Sie den Durchschnitt der Ergebnisse, und wenn Sie gute Arbeit geleistet haben, erhalten Sie ein Ergebnis, das nahe an 1000 liegt. Dies wird die MO-Schätzung der Anzahl der roten Fälle in der Serie von 2000 Rollen sein. Wenn man bis ins Unendliche weiterdreht, kommt man unendlich nahe an 1000 heran.
Aber entspannen Sie sich nicht! :) Die nächste Aufgabe wird etwas komplizierter sein. Wir müssen die Anzahl der roten Treffer in der Reihe 2000 schätzen, unter der Bedingung, dass es nach den ersten Tausend 600 sind. Von allen 2000 Schüssen müssen Sie nur die Serien mit 600 roten Treffern nach den ersten tausend behalten. Und es gibt viel weniger von ihnen. Für eine gute Schätzung von MO müssen Sie das Rouletterad also nicht viele, viele, viele Male drehen, sondern viele, viele Male mehr. Daran sind Sie selbst schuld. Aber hier bekommt man schließlich eine ziemlich große Anzahl dieser Reihen, berechnet den Durchschnitt und... Ich wette, dass es viel näher an 1.100 als an 1.000 liegt. Ich bin bereit, Sie das Rouletterad drehen zu lassen, bis Sie 1000 erhalten. Oder bis Sie mit mir übereinstimmen.
Sie können sogar zuerst an einer einfacheren Aufgabe üben. Es sollen nicht 2000, 1000 und 600 sein, sondern 4, 2 und 2. Das heißt, man teilt die Ergebnisse der Ziehungen in eine Serie von 4 und wählt diejenigen aus, bei denen es nach zwei Ziehungen 2 rote Karten gab. Sie brauchen keine große Anzahl von Ziehungen, um Ihr erstes gutes Ergebnis zu erzielen, also können Sie eine Münze nehmen (wenn Sie kein Roulette haben) und sofort loslegen. Sie können dies so lange tun, bis der MO-Wert nahe bei 2 liegt oder bis Sie sich darauf einigen, dass der MO-Wert für diesen Wert 3 ist.
Einverstanden?
Sollte eine Serie von 4 Würfen nach zwei roten Stürzen zu Ihrer (oder vielmehr Ihrer) Erwartung tendieren?
Sie fragen sich, warum die Wahrscheinlichkeit auf 0,5/0,5 zurückgeht, wenn Sie 600/400 erreichen?
Diese Frage beunruhigt mich nicht im Geringsten. Was mich stört, ist, dass ich meine Roulette-Gewinne nicht mathematisch erklären kann, obwohl wir bei der Menge der gespielten Spiele und einer so negativen Erwartung (1/37 = Null) und einem solchen Startkapital (Einzahlung) mindestens 6-7 Mal hätten pleite gehen müssen. Aber das ist nicht geschehen.
.......
Mich plagt das gleiche Problem wie den Spitzenreiter. Nur mit einem kleinen Unterschied: Er zeigt die Karten eines anderen und fragt: "Was ist das?"
Ich "zeige" meine Karten (wenn auch im Roulette, das ist nicht der Punkt) und frage auch "Was ist das?". Aber im Gegensatz zu Charts - kann ich etwas erklären. Aber das scheint niemanden zu interessieren!
Warum sind wir also hier, meine Herren?