저는 몇 권의 책을 읽고 코드를 작성하여 확률과 통계를 배우고 있습니다. 동전 뒤집기를 시뮬레이션하는 동안 나는 순진한 직관에 약간 반하는 것으로 나타났습니다. 공정한 동전을 번 뒤집 으면 머리와 꼬리의 비율 은 예상 대로 증가함에 따라 1로 수렴 합니다. 그러나 다른 한편으로, 증가함에 따라 꼬리와 같은 수의 머리를 뒤집을 가능성 이 줄어들어 정확히 1 의 비율을 얻습니다 .
예를 들어 (내 프로그램의 일부 출력)
For 100 flips, it took 27 experiments until we got an exact match (50 HEADS, 50 TAILS)
For 500 flips, it took 27 experiments until we got an exact match (250 HEADS, 250 TAILS)
For 1000 flips, it took 11 experiments until we got an exact match (500 HEADS, 500 TAILS)
For 5000 flips, it took 31 experiments until we got an exact match (2500 HEADS, 2500 TAILS)
For 10000 flips, it took 38 experiments until we got an exact match (5000 HEADS, 5000 TAILS)
For 20000 flips, it took 69 experiments until we got an exact match (10000 HEADS, 10000 TAILS)
For 80000 flips, it took 5 experiments until we got an exact match (40000 HEADS, 40000 TAILS)
For 100000 flips, it took 86 experiments until we got an exact match (50000 HEADS, 50000 TAILS)
For 200000 flips, it took 96 experiments until we got an exact match (100000 HEADS, 100000 TAILS)
For 500000 flips, it took 637 experiments until we got an exact match (250000 HEADS, 250000 TAILS)
For 1000000 flips, it took 3009 experiments until we got an exact match (500000 HEADS, 500000 TAILS)
내 질문은 이것입니다 : 이것을 설명하는 통계 / 확률 이론에 개념 / 원리가 있습니까? 그렇다면 어떤 원칙 / 개념입니까?
내가 이것을 어떻게 생성했는지보고 싶은 사람이 있다면 코드에 연결 하십시오.
-- 편집하다 --
그만한 가치를 위해 여기에 이것을 나 자신에게 설명하는 방법이 있습니다. 공정한 동전을 번 번 머리 수를 기본적으로 임의의 숫자가 생성됩니다. 마찬가지로 같은 일을하고 꼬리를 세면 난수도 생성됩니다. 따라서 둘 다 계산하면 실제로 두 개의 난수를 생성하고 이 커질수록 난수가 커집니다. 그리고 생성하는 난수가 클수록 서로 "누락"할 가능성이 높아집니다. 이 흥미로운 점은 두 숫자가 실제로 어떤 의미로 연결되어 있고, 각 숫자가 분리되어 있어도 비율이 더 커질수록 비율이 1로 수렴한다는 것입니다. 어쩌면 나일지도 모르지만 그런 종류의 깔끔한 것을 발견했습니다.