硬币和骰子是统计学家们的心头好。没有硬币,统计学家根据骰子也能创造出来一枚硬币,没有骰子,统计学家们也能根据硬币创造出来一个骰子。

如何通过投掷一枚硬币产生各种概率

概率、随机数、随机数生成函数(面试题)

硬币等于骰子,are you kidding me?我读书少,你不要骗我。
是在统计学上了,物理上显然是不同的。
此话怎讲?

统计学意义上的硬币,其实是产生 {12 ,12 } \{\frac12,\frac12\} 的概率分布;统计学意义上的骰子,则是产生 {16 ,16 ,16 ,16 ,16 ,16 } \{\frac16,\frac16,\frac16,\frac16,\frac16,\frac16\}的概率分布。想要证明二者是等价的,需证明:

{12 ,12 }⇒{16 ,16 ,16 ,16 ,16 ,16 }{16 ,16 ,16 ,16 ,16 ,16 }⇒{12 ,12 } 

\{\frac12,\frac12\}\quad \Rightarrow\quad \{\frac16,\frac16,\frac16,\frac16,\frac16,\frac16\}\\ \{\frac16,\frac16,\frac16,\frac16,\frac16,\frac16\}\quad \Rightarrow\quad \{\frac12,\frac12\}

下来,我们会看到整个的解题思路的本质,在构造新的样本空间,再在新的样本空间中适当的取舍,构造符合要求的概率。

从硬币到骰子

思路在二进制,需抛硬币三次(2 3 >6 2^3>6),每次正面向上记为1,反面向上记为0,将得到的结果排列,得到 000−111 000-111的八种等可能情况,策略如下:

001→1010→2011→3100→4101→5110→6 

001 \rightarrow 1\\ 010 \rightarrow 2\\ 011 \rightarrow 3\\ 100 \rightarrow 4\\ 101 \rightarrow 5\\ 110 \rightarrow 6\\
000,111 000,\;111重新投掷。

# python
from random import random# random()函数产生0-1均匀分布
from collections import defaultdictdef coin():return 1 if random() < .5 else 0# 仿真硬币0-1分布
def coin2dice():while True:r1, r2, r3 = coin(), coin(), coin()r = r1+r2*2+r3*2**2if r != 0 and r != 7:# 否则继续循环,直到return r
if __name__ == '__main__':coll = defaultdict(int)N = 10**6for i in range(N):coll[coin2dice()] += 1for i in coll:print(i, coll[i]/N)1 0.167048
2 0.166332
3 0.16603
4 0.167182
5 0.166674
6 0.166734

从骰子到硬币

只需一步,奇偶性判断,对骰子的样本空间 {1,2,3,4,5,6} \{1,2,3,4,5,6\} 进行重新组合,二分为 {1,3,5},{2,4,6} \{1,3,5\},\;\{2,4,6\},

{1,3,5}⇒1{2,4,6}⇒0 

\{1,3,5\}\quad \Rightarrow \quad 1\\ \{2,4,6\}\quad \Rightarrow \quad 0

自然也可将骰子的样本空间二分为:{1,2,3},{4,5,6} \{1,2,3\},\;\{4, 5,6\},只要二者平分1(对应的概率均为 12  \frac12)即可。

def dice2coin():r = int(6*random()+1)return 1 if r%2==0 else 0if __name__ == '__main__':coll = collectiondict(int)N = 10**6for i in range(N):coll[dice2coin()] += 1for i in coll:print(i, coll[i]/N)0 0.49961
1 0.50039

2情况数的硬币 等价于 6情况数的骰子的意义是什么

意义在于概率分布的转化,互相转化,一种概率分布向另一种概率分布的转化。

考虑如下的两种场景,

场景1:从两个人中选出一人做某事,费厄泼赖(fair play),两人被选中的概率均为 12  \frac12,此时如果你手头没有一枚硬币,供你通过正反得 12 ,12  \frac12,\frac12的概率分布,而恰有一个骰子,怎么办,此时就用到了如何通过掷骰子得抛硬币的概率分布,也即 {16 ,16 ,16 ,16 ,16 ,16 } \{\frac16,\frac16,\frac16,\frac16,\frac16,\frac16\} 得 {12 ,12 } \{\frac12,\frac12\},如前所述,通过奇偶性判断,抛出的点数为奇数,则指派其中一人,点数为偶数,则指派另一个人。

场景2:从6个人中费厄泼赖地选出一人做某事。此时你没有骰子,只有硬币。如前所述,抛三次,001−110 001-110分别对应于1−6 1-6,000/111 000/111则重新抛掷(以构造情况数为6的等概率分布)。

硬币等于骰子(在统计学意义上)相关推荐

  1. 理解假设检验: 统计学意义上的显著性水平 (Alpha) 和P值

    Understanding Hypothesis Tests: Significance Levels (Alpha) and P values in Statistics

  2. 统计学中p值计算公式_大学统计学白上了?800 多科学家联名反对 “统计学意义”,P 值该废了...

    [新智元导读]三位统计学家在 Nature 上发布公开信,号召科学家放弃追求 "统计学意义",这封公开信一周之内吸引了超过 800 名研究人员共同签署.大学里好不容易听懂的统计学, ...

  3. t检验自由度的意义_T检验、F检验和统计学意义

    [统计学] T 检验. F 检验和统计学意义( P 值或 sig 值),想了解显著性差异 的也可以来看 2007 年 10 月 12 日 星期五 10:45 1,T 检验和 F 检验的由来 一般而言, ...

  4. p值 统计学意义_统计学意义不重要为什么p值不应过高

    p值 统计学意义 Have you ever heard somebody say that a study revealed „significant results"? What doe ...

  5. NRI的统计学意义与临床意义

    之前我们讲过NRI(Net Reclassification Improvement,重分类改善指标),相对于AUC(ROC area under the curve)等指标,NRI更关注在某个截断值 ...

  6. 置信区间、显著性检验和统计学意义

    置信区间 估计参数真值所在的范围通常以区间的形式给出,同时还给出此区间包含参数真值的可信程度,这种形式的估计称为区间估计,这样的区间称为置信区间. 对于任意参数θ在可能的取值范围内,P{θ1<θ ...

  7. T检验、F检验和统计学意义(P值或sig值)(转载)

    1,T检验和F检验的由来 一般而言,为了确定从样本(sample)统计结果推论至总体时所犯错的概率,我们会利用统计学家所开发的一些统计方法,进行统计检定. 通过把所得到的统计检定值,与统计学家建立了一 ...

  8. 做python自动化得时候怎么添加断言_在编写Web自动化测试用例的时候,如何写断言使新手不解,严格意义上来讲,没有断言的自动化脚本不能叫测试用例。就像功能测试一样,当测试人员做了一些操作...

    在编写Web自动化测试用例的时候,如何写断言使新手不解,严格意义上来讲,没有断言的自动化脚本不能叫测试用例.就像功能测试一样,当测试人员做了一些操作之后必然会判断实际结果是否等于预期结果,只不过,这个 ...

  9. 中国没有真正意义上的海滩比基尼(图)

    美国人有一个普遍流行的说法:去海滩玩的,至少有70%的人的目的是"看别人或者被别人看",大海只是一幕美丽浪漫的背景,要不然海滩边上那些小店铺里面的比基尼泳装怎么会那样让人触目惊心. ...

最新文章

  1. matlab mle pci为nan,matlab - 使用mle()估计自定义分布的参数 - 堆栈内存溢出
  2. 【嵌入式】C语言高级编程-可变参数宏(12)
  3. iOS上传头像, 相册权限,相册权限,拍照上传,相册选择图片,拍照页面语言设置,保存到相册...
  4. vue怎么合并两个视频_【软件分享】视频分割合并软件哪款好用呢?怎么剪切合并视频?...
  5. 如何将前端数据保存到文件
  6. Spring配置文件中bean标签的scope属性
  7. 放弃Venn-Upset-花瓣图,拥抱二分网络
  8. 生活中的数学 —— 几何
  9. java遍历jsonarray数组_java-JSON-遍历JSONArray
  10. git快速入门之一:创建本地仓库并同步到远程
  11. JSONObject.fromObject(obj) 报错
  12. pdf阅读器与迅捷pdf编辑器的使用方法
  13. 小学阶段计算机编程启蒙闲谈
  14. webgl图库研究(包括BabylonJS、Threejs、LayaboxJS、SceneJS、ThingJS等框架的特性、适用范围、支持格式、优缺点、相关网址)
  15. IDA F5堆栈不平衡的处理
  16. mysql表的基础操作: Create,,Retrieve,Update,Delete(大量示例)
  17. XGBoost Stopping to Avoid Overfitting(early_stopping_rounds )
  18. 通用编程c语言,STC单片机C语言通用万能编程.docx
  19. 跨境电商独立站模式分析
  20. C语言:判断100-999中哪些数为水仙花数以及拓展应用

热门文章

  1. explain如何查看mysql_MySql中如何使用 explain 查询 SQL 的执行计划
  2. linux下mysql启动失败问题解决(CentOS7)
  3. 【VS】项目属性配置(上)
  4. TensorFlow入门篇(三):MNIST数据集简易分类
  5. Python 设计模式之建造者模式 Builder Pattern
  6. Linux基础-2文件及目录管理
  7. BZOJ.2679.Balanced Cow Subsets(meet in the middle)
  8. typescript之初学习
  9. [Hadoop大数据]——Hive数据的导入导出
  10. Leetcode:Pow(x,n)