累积概率是多少？
如果其中一个概率是1（比方说A），那么这个事件无论如何都会发生，我们不需要看概率B。这就是背后的道理：扔两个硬币，你至少需要1个老鹰。或者扔2个骰子，你至少需要1个6。
我有一个问题要问数学家们。虽然这看起来是个题外话，但它适用于MTS。
问题。
设有一个事件X，其发生的概率同样分别取决于两个相互独立的事件A和B。
如果依赖A的事件X的概率为P（A）=0.4。
和事件X的发生概率，取决于B，被定义为P(B)=0.2。
那么问题来了。
结果事件X发生的概率是多少：P(A &&B) ？
没有足够的数据来决定。
例如，条件是。
-如果一个男人的右手无名指上有戒指，他就结婚了 p=0.5（女人结婚了）。
-任何男人都是已婚的，P=0.5（有单身的，有孩子的，有鳏夫的）。
但如果同时满足这两个条件--一个男人的右手无名指上有戒指，他就是结婚了。这种事件的概率接近于1。也就是说，概率p(X/A)和p(X/B)不能从概率p(X/AB)计算出来。
公式中p(x)=1-(1-p(A))*(1-p(B))为两个连续的独立事件，结果是事件A或B中至少有一个会发生的概率。例如，第一道防线击中敌人导弹的概率=0.7，第二道防线为0.5。撞到其中一条线的概率是多少？p=1-(1-0.7)*(1-0.5)=0.85
在依赖事件的情况下，我们需要在公式中加入条件概率，但这仍然不是问题。这都是在计算连续结果中至少有一个事件发生的概率。
另外，在市场的情况下，有这样一种东西，即稳健性，这导致问题有不同的解决方案。
例如，来自《新市场魔术师》（Erckhardt）。
"......稳健的方法是否还有其他实际意义，与假设为正态概率分布的研究结果不同？
- 一个重要的应用涉及到你对一个特定市场有多个指标的情况。问题出现了：如何以最有效的方式结合几个指标？基于某些精确的统计测量，有可能为不同的指标分配权重。然而，为每个指标分配的权重的选择往往是主观的。
你会发现，在大多数情况下，最好的策略不是加权，而是给每个指标分配一个1或0的值。 换句话说，接受或拒绝一个指标。如果一个指标足够好，可以在原则上使用，那么它也足够好，可以被分配一个与其他指标相同的权重。如果它不符合这个标准，就不值得去理会。
这一原则同样适用于交易的选择。你如何将你的资产最好地分配给不同的行业？我将再次论证，分配应该是均匀的。要么交易想法足够好，可以执行--在这种情况下，应该全面执行--要么根本不值得关注"。
我有一个问题要问数学家们。虽然这看起来是个题外话，但它适用于MTS。
问题。
设有一个事件X，其发生的概率同样分别取决于两个相互独立的事件A和B。
如果依赖A的事件X的概率为P（A）=0.4。
而事件X取决于B的概率为P（B）=0.2。
那么问题来了。
结果事件X发生的概率是多少：P(A &&B) ？