6 votos

Bancos moneda justa-

El examen de un evento. Digamos que voltear una moneda muchas veces. Digamos 1.000.000 de veces. Sabemos que aunque cada flip no está conectado, influenciado por el pasado o el futuro volteretas, en el largo plazo cada lado de la cara o cruz terminará aproximadamente alrededor de 500.000 (50/50 evento - la teoría de equilibrio)

Mi pregunta es: ¿Qué rangos de precios, la diferencia puede tomar entre cabezas y colas en todo el 1.000.000 de volteretas? Por ejemplo, si pudiéramos ver los resultados en 1892 voltea nos han sido testigos de un "70" diferencia (981 cabeza sobre el 911 Colas).

O tal vez si pudiéramos ver los resultados en 15250 voltea nos han sido testigos de un "6" diferencia" (7622 cabeza sobre el 7628 Colas)

Así que... Qué se puede considerar normal la diferencia de rango? $\pm 70$? $\pm50$? Y lo que podría considerarse una EXTREMA RARAS diferencia de rango en algún lugar en la mueve? $\pm500$ $\pm2000$? $\pm10.000$?

8voto

Brian Tung Puntos 9884

Dada una moneda, el número de cabezas (en $1000000$ volteretas) tiene una distribución binomial con una media de $500000$, pero está muy cerca de ser una distribución normal con la misma media, y con una desviación estándar de

$$ \sigma = \sqrt{1000000 \left(\frac{1}{2}\right) \left(\frac{1}{2}\right)} = 500 $$

El uso de las propiedades habituales de la distribución normal, nos encontramos con que el número de cabezas que debe ser dentro de $500$ (sigma) de $500000$ $68$ por ciento del tiempo, dentro de $1000$ (dos sigmas) acerca de $95$ por ciento del tiempo, y así sucesivamente.

ETA: (Semi-)hecho de la diversión-La probabilidad de que estamos fuera de la sigma es de aproximadamente $\frac{1}{\pi}$; la probabilidad de que estamos frente a dos sigmas es acerca de $\frac{1}{7\pi}$; la probabilidad de que estamos fuera de tres sigmas es acerca de $\frac{1}{16e^\pi}$.

2voto

Michael Menke Puntos 527

Esto se da por el % de desviación estándar $\sigma$. En el caso de una moneda volteada N veces, si queremos saber el número de cabezas, la desviación estándar, del promedio de $N/2$ es $\sigma = \sqrt{.25N} = \sqrt{N}/2$.

Dentro de 2 desviaciones estándar se considera normales. Algo más de 2 desviaciones estándar de la media generalmente es considerado un outlier.

2voto

Kyle Puntos 21

A lo largo de muchos coin flips, el número de "Cabezas" es aproximadamente una distribución normal. (Ver: la aproximación normal a la binomial.)

Para $n$ coin flips, la distribución de la proporción de cabezas es de aproximadamente:

$$N\left(\frac{1}{2}n,\sqrt{\frac{1}{4}n}\right)$$

La construcción de una $95\%$ intervalo de probabilidad para esta distribución, se puede decir que el 95% del tiempo, el número de cabezas en $n$ moneda gira será en:

$$\left(\frac{n}{2}-(1.96)*\sqrt{\frac{1}{4}n},\frac{n}{2}+(1.96)*\sqrt{\frac{1}{4}n}\right)$$

Para $n=1000000$ esto implica que $95%$ del tiempo, el número de cabezas de estar dentro del intervalo de $$\left(499500,500500\right)$$

1voto

Markus Scheuer Puntos 16133

Nota: Esta situación merece algunas consideraciones adicionales que poner el problema en una luz diferente.

El siguiente es de capítulo III: las Fluctuaciones en la Moneda que se mueva y el paseo Aleatorio de la clásica Introducción a la Teoría de la Probabilidad y Sus Aplicaciones, Vol. Yo por W. Feller.

(W. Feller): Por ejemplo, en varias aplicaciones se asume que las observaciones de un individuo de la moneda-lanzando juego durante un largo intervalo de tiempo producirán las mismas características estadísticas como la observación de los resultados de un gran número de juegos independientes en un instante dado. Esto no es así.

Él continúa con

De acuerdo a las creencias generalizadas de una así llamada ley de los promedios deberá garantizar que, en un largo moneda al lanzamiento de juego de cada jugador va a estar en el lado ganador de la mitad del tiempo, y el plomo va a pasar en no pocas ocasiones de un jugador a otro.

Pero, en realidad, esta es la equivocada y contraria a la habitual creencia de que la siguiente se tiene:

Con una probabilidad de $\frac{1}{2}$ no ecualización se produjo en la segunda mitad del juego, independientemente de la duración del juego. Además, las probabilidades cerca del punto final son mayores.

El razonamiento se basa en el Arco seno de la ley para la última visita (ver, por ejemplo, Vol. 1, cap.3, sección 4, Teorema 1): La probabilidad de que, hasta e incluyendo la época de la $2n$ de la última visita a el origen se produce en la época de $2k$ está dado por \begin{align*} \alpha_{2k,2n}=\frac{1}{4^n}\binom{2k}{k}\binom{2n-2k}{n-k} \end{align*}

Desde entonces, según la fórmula de Stirling \begin{align*} \binom{2k}{k}\sim \frac{1}{\sqrt{\pi k}} \end{align*} se puede demostrar que fija $0<x<1$ $n$ suficientemente grande \begin{align*} \sum_{k<xn}\alpha_{2k,2n}\approx \frac{2}{\pi}\arcsin \sqrt{x} \end{align*}

Una consecuencia del Arco desde la ley son los siguientes ejemplos

Supongamos que un gran número de monedas de tirar los juegos se llevan a cabo de forma simultánea a un ritmo de uno por segundo, día y noche, durante todo un año.

  • En promedio, en uno de los diez juegos de la última ecualización se producirá antes de $9$ días han pasado, y el plomo no va a cambiar durante los siguientes 356 días.

  • En uno de cada veinte casos, el último de ecualización se lleva a cabo dentro de $2\frac{1}{2}$ días

  • y en uno de cada cien casos se produce dentro de los primeros $2$ horas y $10$ minutos.

(W. Feller): de todos modos, es lógico que si incluso el simple moneda-lanzando juego conduce a resultados paradójicos que contradice nuestra intuición, ésta no puede servir como una guía confiable en las situaciones más complicadas.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X