#define total 10000000voidOnStart() {
int sum[total];
MathSrand(GetTickCount());
for (int j=0; j<total; j++) {
sum[j]=0;
int b[10];
for (int i=0; i<10; i++) {
int r=35000;
while (r>=30000) r=rand();
b[i]=r%5000;
if (b[i]<50) sum[j]++;
}
ArraySort(b);
for (int i=0; i<9; i++) if (b[i]==b[i+1]) {
j--;
break;
}
}
int s0=0,s1=0,s2=0;
for (int j=0; j<total; j++) {
if (sum[j]==0) s0++;
if (sum[j]==1) s1++;
if (sum[j]==2) s2++;
}
Print("Вероятность без банкротства - "+string(double(s0)/total)+"; Вероятность 1 банкротства - "+string(double(s1)/total)+"; Вероятность 2 банкротств - "+string(double(s2)/total));
}
在R方面不强。
解释一下以下几点。
k<- 0:n 是一个量纲的向量。你能对这个概念进行解读吗？
第二个值是破产公司的数量（应该是50），那么你为什么要把向量k加到50？
第三个值是非破产公司的数量（应该是4950）。你有4950-n+k吗？
第四个值是股票数量=10。这里的一切似乎都很好。
R在线
k是第二年破产数量的可能值的向量：0，1，...。, 9, 10.
n-k是一个10，9，...，1，0的向量（特征R）。
球的总数 5010 = 5000 + 10
破产总数不是50，而是50+k，不是4950-n+k（这里k不再是一个向量，而是一个从0到10的未知数）。
你假设在第二年我们有5000家公司，其中50家也会破产。这是不正确的。我们所知道的是，我们的破产概率与去年相同--每5000人中很可能有49或52起破产（连续两年每5000人中正好有50起的概率非常小）。
R在线
k是第二年破产数量的可能值的向量：0，1，...。, 9, 10.
n-k是一个10，9，...，1，0的向量（特征R）。
球的总数 5010 = 5000 + 10
破产总数不是50，而是50+k，不是4950-n+k（这里k不再是一个向量，而是一个从0到10的未知数）。
你假设在第二年我们有5000家公司，其中50家也会破产。这是不正确的。我们所知道的是，我们的破产概率与去年相同--每5000人中很可能有49或52起破产（连续两年正好是每5000人中有50起的概率非常小）。
我再次重申。问题的条件远非实际。你不需要边走边给问题添加术语。我也曾有过第一个想法，向该主题的作者提出很多引导性的问题，但我意识到没有必要将事情复杂化。这个问题很具体，虽然离实践很远。
谢谢你的链接。我已经理解了R。这就简单多了。其结果与我的相同。
其结果是。
我的上述计算结果。
P1 = (50!*4950!*10!*4990!)/(49!*9!*4941!*5000!) = (50*4950*4949*4948*4947*4946*4945*4944*4943*4942*10)/(5000*4999*4998*4997*4996*4995*4994*4993*4992*4991) = 0.09150979127569519373319974384113
破产的概率正好是10家公司中的2家。
P2 = (50!*4950!*10!*4990!)/(2*48!*8!*4942!*5000!) = (49*50*4950*4949*4948*4947*4946*4945*4944*4943*9*10)/(2*5000*4999*4998*4997*4996*4995*4994*4993*4992*4991) =0.00408294394502039462124049848583
HZ马上注意到你有问题，因为在这种情况下，概率不可能等于1，它必须小于1。
而对这种情况进行建模，证实了这些数字。
这正是人们可以利用超几何分布与二项分布接近 的情况。由此产生的不准确性比与模型的近似有关的不准确性要小得多（不同企业的破产概率不平等，破产之间的依赖性，等等）。
二项分布要求概率是独立的。在这种情况下，概率是依赖性的。
二项分布要求概率是独立的。在这种情况下，概率是依赖性的。
在理论家那里不存在 "独立的概率"，有的是独立的事件。
你所使用的模型并不适合（或者说，只是大约适合）。如果你不理解，那是你的问题。在理论家那里不存在 "独立的概率"，有的是独立的事件。
我同意。这样听起来更好。
是的，我在术语方面很弱。而且，说实话，我对概率论的了解也很业余。
我同意。这样听起来更好。
是的，我在术语方面很薄弱。说实话，我在概率论方面的知识总体上是业余的。
我们不要谈论 "你 "的业余生活，因为我已经厌倦了在 "我们 "的头上洒满灰烬。
和阿列克谢在几乎所有的事情上都有多大的宇宙知识......。我只得举起手来表示惊讶。
我们不要谈论 "你 "的业余生活，因为我已经厌倦了在 "我们 "的头上洒满灰烬。
和阿列克谢在几乎所有的事情上都有多大的宇宙知识......。我只有举起手来表示惊讶......。
:)
是的，不，我是认真的。更多的是一种直观的、随手可得的东西。
我们不要谈论 "你的 "业余的，因为我已经厌倦了用灰烬洒在 "我们 "的头上。
和阿列克谢在几乎所有的事情上都有多大的宇宙知识......。我只能举起双手惊叹不已。
正如马特鲁斯金在一个类似的案例中所说。"我还可以刺绣......。而在打字机上......"))
:)
是的，不，我是认真的。我更多地是凭直觉和随心所欲的那种人。
麻省理工学院在YouTube上有一个很好的理论家课程。
去年，美国市场 上5000家公司中有50家破产了。所以一个公司破产的概率是1/100。
我有一个10只股票的投资组合。
我的10家公司中有1家在一年内破产 的概率是多少？这很容易计算。
一个公司破产的概率是1/100。而我们采取了10家公司，所以我们将事件发生的几率提高了10倍。
所以我们得到的概率是：1/100*10=1/10。
我的10家公司中有2家在一年内破产 的概率是多少？我们如何计算呢？
这只是一个完整的主题引用。 它 强调了什么是条件，并指出了 与主题领域相关的内容。
你在哪里看到了条件概率？ 没有任何条件。有去年的统计数据。
在投资时甚至没有一个公司的总数，它是未知的，顺便说一下，这并不重要。
PS/对于拖拉机耕作海洋和GA击败随机的情况都不感到惊讶:-)