一个概率论问题 - 页 10

新评论
 
Alexander:


这些数字是从我的脑子里取出来的......。组成的。你必须从某个地方开始，不是吗？

是的，我们假设在没有条件A、B和C的情况下，射手命中的概率是0.5，这是在10万次试验和5万次命中后得到的。

而事实上。

  • A--提高5%的分数。
  • B - 将结果提高10%。
  • C - 将结果提高15%。
A&B&C会在多大程度上改善结果？

纯粹从直觉上看--结果将提高33%（1.05*1.1*1.15=1.328），即最终的概率将是0.5*33%=0.66%，原则上似乎是真的。而且比最强因素C的样本略好。
 
Maxim Kuznetsov:
纯粹从直觉上看--结果将提高33%（1.05*1.1*1.15=1.328），即最终的概率将是0.5*33%=0.66%，原则上似乎是真的。而且比最强因素C的样本要好一点。

我不确定这是否是正确的决定。为什么？因为有利于事件D的因素A和B对最终的概率几乎没有贡献。单独的因素C将几率从0.5提高到0.65，因素A和B另外从0.65提高到0.66，即提高0.01，这是可以忽略不计的。在直觉层面，结果应该是0.7-0.75左右
 
Alexander:


我同意。这就是为什么我写道，0.5*0.5*0.5是一个指头在天上。

你是否有其他解决问题的方法，或者至少有一个提示？

当然，没有解决方案，因为没有问题集。一般来说，在概率方法中设置问题--不是战斗的一半，而是整个事情。我可以从我这边给你一个提示。我们不应该把这样的事件评价为 "增长"（这很难确定），而是在事件A发生后的一个小时内期望值的转变。或者在24小时内，在一秒钟内 - 这取决于什么事件。
 
Vladimir:
当然，没有解决方案，因为没有问题的设定。一般来说，在概率方法设置中，一个问题不是工作的一半，而是为什么是整个事情。我可以从我这边给你一个提示。我们不应该把这样的事件评价为 "增长"（这很难确定），而是在事件A发生后的一个小时内期望值的转变。或在一天内，或在一秒钟内 - 这取决于什么事件。


为什么要把事情复杂化？简化的术语 "增长 "只是意味着在某个固定的（让它是一个小时--在这种情况下并不重要）时间段内的正增量。

已经重新制定了与箭头有关的问题的条件，这就更难混淆了。让我们试着解决这个问题。

 
Alexander:


为什么要把它复杂化？简化的术语 "增长 "只是意味着在某个固定的（让它是一个小时--在这种情况下并不重要）时间段内的正增量。

已经重新制定了与箭头有关的问题的条件，这就更难混淆了。让我们试着解决这个问题。


你的公式原来写得很正确。澄清一下，这个公式对概率来说是真的，而不是条件概率。对于条件概率来说，它是。

p(d) = p(a) * p(d|a) + p(b) * p(d|b) + p(c) *p(d|c)

对于这个公式，我们需要引入A、B、C的先验概率，正如我之前所说。

 
Stanislav Korotky:


你原来写的是正确的公式。我们要清楚，这个公式对概率而言是正确的，而对条件概率而言则不正确。对于条件概率来说，它是。

p(d) = p(a) * p(d|a) + p(b) * p(d|b) + p(c) *p(d|c)

对于这个公式，你需要输入A、B、C指标的先验概率，正如我之前已经提到的。


谢谢你。
 
Stanislav Korotky:

p(d) = p(a) * p(d|a) + p(b) * p(d|b) + p(c) *p(d|c)

这是为一个完整的团体，而不是为独立的活动。
 
Комбинатор:
这是针对一个完整的团体，而不是针对独立的活动。
对。我的错。
 
Alexander:

似乎人们对带有指示器和信号的条件有误解，立即将其与闪烁、发生的频率/发生率等联系起来。让我们忘记它是一个坏梦，重新表述同一个问题。

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

我们有一个射手在位置上，他可以击中或错过目标（事件D）。

击中目标的概率取决于一些条件/事件。

  • A--射手健康状况良好。 P(D/A)=0.55--如果射手健康状况良好，击中目标的概率。
  • B - 该位置无风。P(D/B)=0.6，如果没有风，击中目标的概率。
  • C--射手得到了一个好的武器。P(D/C)=0.65，如果射手有一把好的武器，击中目标的概率。
假设条件/事件A、B和C是独立的，并且是成对和成组的联合。

我们假设射手在条件/事件ABC一致的情况下走上了射击线，即他健康状况良好，风没有吹走子弹，射手的武器也很好。

问题：当这些条件同时存在时，射手击中目标的概率是多少P（D/ABC）？

这里有些地方不对。事件A,B,C可能是独立的（给了好枪，风大了，感觉好了）--但它们不是射击过程本身的事件。我不知道在没有风的情况下感觉良好的概率从哪里来。没有测试，采样频率没有确定。 事件本身是独立的，但它们对结果的企业影响机制是未知的。

似乎与试图预测病人对服用两种不同药物的反应是一回事。是的，独立的（当我们想要的时候，然后我们服用每一种药丸），是的，单独的反应是已知的，并在他们每个人的说明中描述。但它们同时使用的效果还没有得到任何评估。这些药物可能以一种未知的方式相互作用。它们可以增强彼此的效果，或者反过来说，削弱彼此的效果。而完全不是以直接作用于疾病的方式。

如果在低迷和晴朗的天气下，在得到新武器的喜悦中感觉良好，会导致射手的自尊心增强，他几乎不看目标就开始兴致勃勃地射击，那该怎么办？

 

让我们按顺序再看一遍。

上面提出的公式（我特意换个写法--通过X、A、B、C）。

p(x) = 1 - (1 - p(a))*(1-P(B))*(1-P(C))

将给出至少一个指标的信号的概率。这就是为什么结果如此之高--三个指标的信号更加频繁。但这本质上不是问题陈述所要寻找的。

由贝叶斯。

p(d|abc) = p(abc|d) * p(d) / p(abc)

这里P(ABC) = P(A) * P(B) * P(C)

其中，先验指标概率计算为所有指标总和中每个指标的信号数量。

默认情况下，当没有超级趋势时，P(D)=0.5，也就是说，买入和卖出信号的概率是相等的。

但我对如何计算P(ABC|D)有疑问。最简单的方法（由于独立性）。

p(abc|d) = p(a|d) * p(b|d) * p(c|d)

而每一个这样的条件概率必须被计算为在所有买入正确的条形图集合上的每个指标的信号数量。

但这一切并不是最终的真相。;-/
1...3456789101112
新评论