随机概率论。汽油弹继续! - 页 27

新评论
 

而且你忘了台阶，台阶越小，下一个状态就越有可能，比如说，在统计误差范围内，老的TF（就市场而言）与上一个状态无法区分。

GameOver: 终于，终于有可敬的人停下来了。 至少在我的印象中，你是没有幽默感的 ))

"我们不想拍摄，我们观察。我警告你们，如果你们敢动，我们就把你们都杀了！"。"(с)

 

立方体的中心是什么，我不明白？下一个状态的概率是基于最后掉落的一面。也就是说，理论上它们是相等的--在一个完美的世界里，在真空中。

，让我总结一下。
，序列有

1。任何允许状态（1/0）掉落的随机分布概率

2.改变以前的趋势或继续

的随机分布的概率 3.而对于点心来说--存在趋势的随机分布的概率或系列本身的随机性。

))))) 第一个问题一切都清楚了，那么其他问题呢？:-))))))，好吧，是的，从天花板上取下来的，但为什么是错的，证明它是对的？:-)

 

GameOver: возьмите пример с кубиком. вероятность повторения предыдущего состояния меньше чем какого либо другого, так?

为什么少？一个完美的立方体没有记忆。那里的概率相同，同样是1/6。

再一次--如适用于立方体问题：只有 "综合 "状态，即系列，才有记忆。而你把记忆的概念应用于一个基本的结果。这在这里是个错误，因为单个的基本结果是相互独立的。

现在让我们想象一下，完全没有变体。 物体改变状态的愿望难道不会变得很明显吗？ 因为保持在先前位置的概率将是变体数量的1？

这不是关于这个问题。在这里，从模具中掉出来的变体只有6种。在特维尔中，不仅要考虑基本的结果，而且要以各种可能的方式将它们结合起来。还有很多系列的变化。在这里和他们在一起更有趣，在那里你可以尝试坚持你的 "改变状态"。比方说以下任务：有1000次试验，600个头和400个尾掉出来。他们又进行了1000次试验。在一系列2000次试验中，哪种结果更有可能--1000只鹰/1000尾或900只鹰/1100尾？这也算。

还有--如果状态没有变化，那么也许序列是随机的这一假设就被破坏了？

不是 "各州不改变"，而是这些州的 分布 ，不改变。其前提是，在足够长的一系列试验中，所有的基本结果都会以大致相同的频率出现。

接下来有太多的模糊问题，你不能这样做。

 
Mathemat:

不是 "状态不改变"，而是这些状态的 分布 ，不改变。其前提是，在足够长的一系列试验中，所有的基本结果都会以大致相同的频率出现。

换句话说，大数法则比卑鄙法则更强大。

 
paukas: 换句话说，大数法则比卑鄙法则更强大。
正是如此!
 
GameOver:

我没有说这是同一件事，不要把它归咎于我。

我在哪里说过桂冠？)又在撒谎？:-)

))))，即如果这个例子是关于旋转的，那么就是轮盘赌。如果这个例子是关于硬币的，那么就是谁？

你可以有一个，但你不能允许别人有一个？

如果你不想谈论它，没关系，祝你好运。

kitty，你被冒犯了吗？(с)

那些关于信仰、骰子、轮盘、硬币等的长篇大论的意义何在？

如果你想讨论指标--请便，如果你想讨论TS，请给我看，但不要把那些奇怪的东西带到这里。

 
HideYourRichess:

kitty，你被冒犯了吗？(с)

所有那些关于信仰、骰子、轮盘、硬币等的冗长争论的意义是什么？

你想讨论指标--请便，你想讨论TS--请出示，但你不需要把那些奇怪的东西带到这里。


我只是不喜欢无礼的人。 我可能会以类似的方式回击。

指标、c和therwer是一种关联。
 
Mathemat:

为什么少？一个完美的立方体没有记忆。同样的概率在那里，同样的1/6。

再次，如应用于立方体问题：只有 "综合 "状态，即系列，有记忆。而你把记忆的概念应用于一个基本的结果。这在这里是个错误，因为单个的基本结果是相互独立的。

这不是关于这个问题。在这里，从模具中掉出来的变体只有6种。在特维尔中，不仅要考虑基本的结果，而且要以各种可能的方式将它们结合起来。还有很多系列的变化。在这里和他们在一起更有趣，在那里你可以尝试坚持你的 "改变状态"。比方说以下任务：有1000次试验，600个头和400个尾掉出来。他们又做了1000次试验。在一系列2000次试验中，哪种结果更有可能--1000只鹰/1000尾或900只鹰/1100尾？这也算。

不是 "各州不改变"，而是这些州的 分布 ，不改变。其前提是，在足够长的一系列试验中，所有的基本结果都会以大致相同的频率出现。

接下来有太多的模糊问题，你不能这样做。


很好，这就是我想说的。 我在最后一转时一直被戳中，概率为1/2。

你在骰子上掷一个1，为什么要少？
接下来击中1的概率是1 （6），而击中任何其他数字的概率是5 （6）。
因此，在无限的变体上，条件的复现率奔向零。
所有这一切的前提是，一个物体倾向于改变其状态--只有这样才能被称为随机。

关于系列。 确切地说，在大的系列上，分布将趋向于正常的事实可以使用。
整个问题是我们如何定义系列长度和概率，以达到一个趋势（即在所有结果都相同的情况下达到一个极端情况）。

我问了一个问题--没有人回答。为什么赌场要限制赌注？因为马丁在原则上对玩家来说是输了？
也许是因为赌场看到了自己5年的地平线？因为赌16连胜的玩家会赢，但20连胜（玩家输的时候）就得等20年了？
有一个合理的限制，在系列的长度和失去系列的风险[概率]之间有一个合理的限制。

这在市场上是一样的。也许每个人都研究过外汇市场上马丁的变体。每个人都明白，这是没有用的--利润与风险（下降）不相关。
但
也就是说，市场可能会通过5或7位数，但即没有人会顺利通过20位数。
如果你想在外汇市场上交易，你必须在交易时小心谨慎，你必须小心谨慎。

 
GameOver:


很好，这就是我想说的。 我在最后一转时一直被戳中，概率为1/2。

为什么要少呢，我在模具上得到的是1。
接下来击中1的概率是1/6，而击中任何其他数字的概率是5/6。 对吗？ 这就是重复的概率小于任何其他结果这一事实所暗示的。

为什么少？不管是在第一枪之前还是之后，赔率都是一样的。这就是概率的作用。或者是怎样的：当你掷硬币时，结果是一只老鹰，那么第二次得到老鹰的概率就小了还是怎样？完全没有，同样是50/50。试着用任何甚至是最原始的LSCP做一个测试。它将显示同样的内容。
 
还有一个后续问题

比方说，我们正在收集一系列10次旋转的统计数据。
我们需要100种变化的统计资料。
介意我们掷1000次骰子吗？
或
我们掷出10，然后丢弃最后一个结果，增加一个新的随机结果。
所以，掷骰子的结果将是10+100=110。
问题--统计学上，两种情况下的分布都将是正常的？
1...20212223242526272829
新评论