数据分析入门经典问题：你两个朋友同一天过生日的概率有多大？
全文共4594字，预计学习时长9分钟
假如把N个人分成一组，至少有两个人是同一天生日的概率是多少？
现在来猜一猜：假设这一组有N=30个人。那么有两个人在同一天吃生日蛋糕的概率是多少呢？我们换个说法：你敢不敢用10美元赌里面有两个同月同日生的人？
我们会以这个例子收尾，但首先我们需要收集所有的元件（也就是下文标题部分），才能解开生日谜题。
基础中的基础
为了充分“卖弄学问”，我们就略去惹人白眼的引言部分：概率的数值在0和1 之间（如果喜欢的话，你还可以说它在0%到100%之间）。好的。现在你明白为什么“我1000%确定他们会迟到”一类句子会让数据猿急得跳脚。
分析概率的三种方式
人们在分析概率时，常用三种方法：
• 基于事件的概率（包括列举事件，计算事件数量）
• 基于频率的概率（包括用代表事物在平行宇宙中的收束方式的分布）
• 主观概率（包括代表人对于可能发生情况的信念的分布，尤指通过赌注的方式……毕竟不空口说白话可以避免胡说八道）
假如你的统计课老师没有一字一句地强调基础要点，那笔者告诉你，课本将提到以下内容：
基于事件的概率
概率=[分子]/[分母]
前几章会从基于事件的概率分析方法开始。因为通过这种方法人们能很容易地就获取到基本信息，而且或许大部分人（你懂的）已经有这方面的直觉。举个例子：投掷一枚硬币背面朝上的概率是？1/2. 投掷骰子出现6点的概率是多少？1/6.为什么会这样？
分子：所考察的事件可能发生的次数
分母：任何（有关）事件发生的次数
就一枚硬币来说，分母即所有相关事件是正面朝上和背面朝上。这就是分母2的来源。很简单。
细数事件
要想处理基于事件的概率问题，我们首先需要列举出所有的事件并记录事件的数量。这也就是为什么教材很可能会不停地讲如何组合分析，直到你彻底看烦。组合分析能教你掌握计算（针对所求分子和分母的）事件数量的方法。
回顾在作业中出现无数遍的问题，无非是关于：“从100名候选人中选出19名委员有多少种方式？”（17310309456440种）或者是“一组4位数密码共有多少种组合可能？”（1000种）。
在基于事件的世界里，所有的时间群发生的概率相等，因而它们在算法中不受各个层的凌乱的调节器影响。在这个世界里，抛出去的每枚硬币的正反面朝上的概率相当，所有投掷的骰子出现的数字平衡，所有的卡牌都无需重排，所有的人的出生日期的分布均等。
对于生日问题，我们需要快速了解什么是计数：
“AND”要求对（x）计数进行吃乘积。 “OR”要求对（+）计数进行叠加。
你可以去查找证据……或者快速阅读这个例子，满足自己的求知欲：如果有2种素食套餐和3种肉食套餐可供我选择，那么一共有多少种选择呢？答案是2+3=5种可能。假如我确定会选择一个主餐，要从2份甜品之中选择一样，这种情况下会有多少种套餐组合呢？答案是共有5x2=10种。不信吗？你可以找几道菜，把所有组合一一写出来。
随机组合的套餐是素食的概率是多少？
分子= 2x2=4；；分母=10
答案=4/10=40%
超越事件
现在看了三章，但突然教材中有关组合分析的内容全部消失了。当你入门排列组合的时候，它们就销声匿迹了。与此同时，分布变得无处不在。发生了什么？
可以思考如下问题：“你需要至少等待十分钟才能上公交车的概率是多少？”这会是一个很难“数”出来的问题（到底需要多少秒呢？），计数在这里甚至会变得有些棘手，因为你不能用计数的方式分割时间这个连续的介质。更糟的是，有些公交车司机可能会根据公交车的延迟程度，考虑是否停下来抽烟休息。你怎么能列举这种情况？不可能做到的。也许计数在这里根本不适用…..
学习基于频率的概率定义时，将遇到这种说法：“如果上文事件在无限平行宇宙中发生（限定，或者假设这一事件受某些规则制约），有多少公交车会在超过十分钟以后到？”（平行宇宙？！难怪我们数据猿总是眼光清奇）
然后（通常是很久之后），当到达课本贝叶斯数据的主观概率定义章节时，你将可能根据你自己的感受建立分布。看见没有，在你被剥夺列举事件的能力后，剩下的是不是方法是不是很复杂？不过对于生日问题来说，假设所有366个生日出现的概率相同，我们还可以继续数数。
什么，你不喜欢我的假设？想开点吧，所有的统计数据都关乎假设——否则宇宙会陷入一片混乱。如果不喜欢我的假设，觉得我的方案不是你期待的，那就提出一套新的方案来。。我们可以随心所欲提出假设，数据也因此富有创造性。在这里我想不恰当地引用George Box的一句名言：“所有的解决方案都是错误的，但一旦某一个方案符合你一直以来的假设，那它就可能对你有用。”
没有称赞之意
解决生日问题的最后组件是补数，另一方面它也被称为NOT。
P（not A）= 1- P（A）
这个公式读作：“某一事件的概率（由于创造力有限，我们将其称为事件A）不发生的概率等于100%的概率减去该事件发生的概率。”
所以投掷骰子不出现点6的概率是多少呢？
答案是1-1/6=5/6
好的，这就是所有内容。现在准备解决生日问题了！
生日问题
问题是什么来着？
如果一组有N个人，至少出现两个人是同一天生日的概率是多少？
那就来搭建“乐高块”吧…..
生日问题的分母
一个人有多少种生日的可能呢，366种（上文提过）。
所以N=30时会有多少生日数量吗？
第一个人有366种可能，第二个人也有366种，第三个人也是366种……然后第N个人也是366种情况。把这N个366相乘就是结果了！
分母=366^ N，苍天好大一个数! N为30，结果就是一个76位数，比1000后面再跟24组“000” 的数还大（给事物命名不好玩吗？）
生日问题的分子
准备迎接令你晕头转向的部分吧。这里需要记录所有不同的可能，保证至少有两个人是同一天过生日。所以如果第一个人有366中选项，而第29个人有1个选项，因为需要和第一个人相符，但可能是第二个人或者第十七个人，抑或有三个人的生日在同一天，或者……不，试图将所有的可能选项记在脑海里会变得很乱。
……这就是为什么生日问题会成为一项很有趣的工程。在看诀窍之前需要绞尽脑汁（或者到网上跪求解题攻略。你是这样找到这条博文的吗？很好，我懂你了）。
解决生日问题的窍门
与其列举所有的两个以上的人在同一天生日的可能，不如将问题转化为一个更简单的切入角度：寻找问题对立面！
P(至少有两个人是同一天生日)=1-P(所有人都不是同一天生日)
所以我们只需要求以下问题的答案：“没有任何一个人与另一个人是同一天生日的概率是多少？”也就是说，所有人都不是同一天生日的概率是多少？
“所有人都不是同一天生日”的分母
答案仍然是366^ N。通过对问题的补数进行转化，我们将重点放到分子上，让分母保持不变。
“所有人都不是同一天生日”的分子
这就是神奇之处！
第一个人的生日有366种可能（贪婪的家伙）然而第二个人只有365种可能因为我们要求他们的生日不在同一天。如果第一个人的生日在10月8日，我们就把所有在10月8日过生日的人排除在外。这样每个样本中的成员的可能生日数量将越来越少。
所以366是第一个人的可能数量，而365是第一个人的可能数量而364是第三个人的可能数量……而(367-N)是第N个人的可能数量。
如果N 是30，将各个数相乘，见证奇迹！
366 x 365 x 364 x 363 x 362 x 361 x 360 x 359 x 358 x 357 x 356 x 355 x 354 x 353 x 352 x 351 x 350 x 349 x 348 x 347 x 346 x 345 x 344 x 343 x 342 x 341 x 340 x 339 x 338 x 337 = …
啊，又是一个76位数的数字。
但是，幸运的是，计算机会帮我们处理除法问题，如果操作得当的话。
也许这不是我们需要的
P（所有39个人的生日都不在同一天）=（366 x 365 x 364 x 363 x 362 x 361 x 360 x 359 x 358 x 357 x 356 x 355 x 354 x 353 x 352 x 351 x 350 x 349 x 348 x 347 x 346 x 345 x 344 x 343 x 342 x 341 x 340 x 339 x 338 x 337) / (366 ^ 30)
=0.3
最后，就是我们需要的数值！
P(30个人有人是同一天生日) = 1-0.3 =70%
在30个人的组中，有人是同一天的生日的概率是~70%。
我希望你没有赌10美元说，有人的生日在同一天的概率小于每个人的生日都不在同一天的概率……但是如果你真的赌了，我不反对把钱捐给维基百科。
赌错结果很可能是因为你低估了一组数据不重复的难度——如果你是在门口负责拦截所有与室内的人同一天生日的人的保镖，不久之后想进入房内的人就会失望。
这取决于你有多少个朋友……
我可以用两分钟，通过电脑上的R程序得出每一个N的概率。如果你好奇具体数值是什么（N等于23时概率为50%，N等于55时概率为99%），可以来体验我编写的代码串。可能不太好看，但绝对好用。无需下载，就可以在浏览器上运行。
我们学到了什么？
除了一些基本概率知识（处理概率问题的不同方法，分子和分母的计算方法），以及计数原则（加法原则和乘法原则）以外，这篇文章的主旨是，为什么需要以特定顺序解决特定问题。
为什么在教材开始，计数是重中之重，而在后续内容中，计数会淡出我们的视野，留下愤愤不平的我们？结果貌似说明每一种方法都对应着一种目的，每一种事件发生的概率相等这一前提对于专业人员来说，过于浅显，无法消化……即使在生日问题上也是如此。当业余人士想象数据分析猿每一天都在干什么的时候，他们首先想到的是数牌和抛硬币，这不是很好玩吗？辟谣跑断腿啊！
生日问题之所以是数据分析入门的经典问题，是因为这个问题上所需的脑力刚刚好：数据分析员需要学习如何转化问题，以使转化后的问题更便于解题。采取简单粗暴的办法将难以计算，因此需要另辟蹊径。如果你选择了数据分析的生活，时刻准备迎接一系列抛掷硬币和转化的问题。
留言 点赞 发个朋友圈
我们一起分享AI学习与发展的干货
数据分析入门经典问题：你两个朋友同一天过生日的概率有多大？相关推荐
- oracle查询同一天生日的,数据分析经典问题：两个朋友同一天过生日的概率？
如果把N个人分成几组,那么至少有两个人是同一个人的概率是多少? 现在让我们猜一猜:假设这个组有30个人.两个人在同一天吃生日蛋糕的可能性有多大?换句话说:你敢赌10美元赌两个人在同一个月的同一天出生吗 ...
- 老王有两个孩子，已知至少有一个孩子是在星期二出生的男孩。问：两个孩子都是男孩的概率是多大？
这个问题其实不难,只是很多时候,尤其在没有任何提示的时候,容易想错.条件概率的题目一定要看清楚条件信息. 问题描述:老王有两个孩子,已知至少有一个孩子是在星期二出生的男孩.问:两个孩子都是男孩的概率是 ...
- 一家有两个孩子，已知至少有一个孩子是在星期二出生的男孩。问：两个孩子都是男孩的概率是多大？
这道题想都没想就选了 0.5,第二个孩子是男是女不是一样吗!!! 然而答案是 13/27, 好吧,让我们来昧着初心解释一下: 把这道题必须用贝叶斯公式来做,因为我也无法凭空想出 "周二出生& ...
- 菜鸟入门13，认识两个新朋友——PWM和DAC
文章目录 前言 用STM32F103输出一路PWM波形,建议采用定时器方法.野火和网上大多数资源采用此方法,有完整源码.用示波器观察输出波形. 显示波形 用STM32F103的DAC功能完成以下波形输 ...
- 数据分析入门极简书单
本文授权转载自麻瓜编程 如果你找一个熟悉的朋友给你推荐书单,他会倾向于越短越好,因为他想把他知道的最好的推荐给你,让你少花时间在不重要的事情上. 但如果你在网上看到一个书单,往往会发现都很长长长长长, ...
- 数据分析入门学习指南，零基础小白都能轻松看懂
数据分析在如今的求职场上越来越重要.然而,让很多朋友困惑的是,我是没有编程基础的小白,能学会数据分析么?该如何学习数据分析呢? 其实,如果你打算成为一名数据分析师,如何出身并不重要,数据科学是一门应用 ...
- 数据分析入门学习指南|零基础小白必看
数据分析在如今的求职场上越来越重要.然而,让很多朋友困惑的是,我是没有编程基础的小白,能学会数据分析么?该如何学习数据分析呢? 其实,如果你打算成为一名数据分析师,如何出身并不重要,数据科学是一门应用 ...
- 数据分析入门项目之 ：Titanic: Machine Learning from Disaster
1.摘要: 本文详述了新手如何通过数据预览,探索式数据分析,缺失数据填补,删除关联特征以及派生新特征等数据处理方法,完成Kaggle的Titanic幸存预测要求的内容和目标. 2.背景介绍: Tita ...
- 计算机应届生必读的 AI 入门经典书单
图源来自Pexels 有人说,学AI意味着 30k 打头的月薪,有了"科学家"的虚名,赶上了工业革命的时髦. 但也有人说,这是人工智能撒下的弥天大谎,不然那些工业界的大牛学者为啥都 ...
最新文章
- JavaScript 初学者必看“箭头函数”
- HTTP Content-Disposition Explanation [ from MDN ]
- mysql硬盘安装方法_Mysql安装教程
- 【华为云技术分享】ARMv8-A存储模型概述(1)
- JS——基础知识--变量类型和变量计算
- Flutter 使用Dart Format格式化代码
- 常见的显卡故障与原因
- 如何修改PDF文件内的文字的字体和颜色？
- python推箱子游戏代码_推箱子游戏，推箱子游戏代码python实现
- cgroup 分析之CPU和内存部分
- 还没有表白神器？情人节来喽，快为心爱的她送上一份专属的礼物吧~
- 【论文翻译】异构网络的影响与相似性
- oracle goldengate 数据库复制配置手册
- Ubuntu下噩梦搬的hud-service进程CPU直接爆炸
- 有哪些网站，一旦知道，你就离不开了？
- 求1到100之间所有能被3整除的整数的和
- 基础数论算法（4） 中国剩余定理
- ROS中使用Intel RealSense D455或L515深度相机
- WebApi路由机制详解
- Bert Ertman专访：将Spring及遗留应用迁移到Java EE 6平台