拥有多个A的概率:又一个条件概率悖论

《概率论基础教程》总结 -- 样本空间、概率、条件概率 等 一、排列组合 基本三个公式: 1、二项式系数 2、多项式系数 3、方程解的个数 难度不大,解题中注意问题的转化。 二、样本空间 样本空间:考虑一个实验,所有可能结果构成的子集,称为该实验的样本空间。 这个定义就说明了样本空间的概率是1。 事件:样本空间的任意子集称为事件。 集合运算: 因为事件是集合,所以概率计算中就需要用到集合的各种运算,总结如下: 1 阅读详情

    概率论给我们带来了很多匪夷所思的反常结果,条件概率尤其如此。网络上每一次有人发帖提出与条件概率有关的悖论时,总会引来无数人的围观和争论,哪怕这些问题的实质都是相同的。
    来看两道简单的组合数学问题:

       1. 四个人打桥牌。其中一个人说,我手上有一个A。请问他手上有不止一个A的概率是多少?
       2. 四个人打桥牌。其中一个人说,我手上有一个黑桃A。请问他手上有不止一个A的概率是多少?

    这两个问题看起来很像,实际算法大不相同。在第一题问题中,

       手上一个A也没有 有 C(48,13) 种情况
       手上有至少一个A 有 C(52,13) - C(48,13) 种情况
       手上恰好有一个A 有 C(48,12) * 4 种情况
       手上有至少两个A 有 C(52,13) - C(48,13) - C(48,12) * 4 种情况

    根据条件概率公式,手上有超过一个A的概率为(C(52,13) - C(48,13) - C(48,12) * 4) / (C(52,13) - C(48,13)) = 5359/14498 ≈ 37%


    在第二个问题中,

       手上有黑桃A  有 C(51,12) 种情况
       手上没有其它花色的A 有 C(48,12) 种情况
       手上还有其它花色的A 有 C(51,12) - C(48,12) 种情况

    根据条件概率公式,手上有超过一个A的概率为(C(51,12) - C(48,12)) / C(51,12) = 11686/20825 ≈ 56%

 
    有趣的事情出来了:如果这个人宣布了手中A的花色,他手中有一个以上A的概率竟然会大大增加。
    这怎么可能呢?难道我们上面的计算结果是错误的?事实上,上面的计算并没有错:

   

统计案例 | 三门问题 统计案例 | 三门问题一、前言二、背景三、思路1:直观解释四、思路2:列出概率空间与所有事件五、思路3:条件概率法六、思路4:Python模拟七、写在最后 一、前言 今天小编和各位小伙伴来聊一档综艺节目(最高奖项是汽车一辆……就很刺激……),以及其背后的统计案例—三门问题。 二、背景 “三门问题”又称蒙提霍尔问题或蒙提霍尔悖论,要讲清楚这个问题,我们首先得从一档综艺节目说起,这档综艺节目同时也是“三门问题”的来源。想象一下在一档综艺节目中,作为参赛者的你会看见三扇关闭了的门,其中一扇的后面有一辆汽车,选中后 阅读详情

相关推荐

理解先验概率,后验概率,似然概率,条件概率,贝叶斯,最大似然

1,先验概率: 事件发生前的预判概率。可以是基于历史数据的统计,可以由背景常识得出,也可以是人的主观观点给出。一般都是单独事件概率,如P(x),P(y)。 人主观觉得一件事情发生的概率,比如掷骰子,我们基于经验历史觉得概率就是1/6。   2,后验概率: 事件发生后求的反向条件概率;或者说,基于先验概率求得的反向条件概率。概率形式与条件概率相同。 一件事情已经发生了,求这件事情发生的原...

free356的博客 1778

一道有趣的条件概率题

题目: 现在你不断扔一个等概率的六面骰子,直到扔出 \(6\) 停止。求在骰子只出现过偶数的条件下扔骰子次数的期望。 题解: 既然每一次都只能是偶数,也就是只能出现 \({2,4,6}\),且出现 \(6\) 就停,那么答案就是 \(3\) ?但是答案不是 \(3\)。答案是 \(\frac{3}{2}\)。 问题的关键在于要意识到,扔出奇数后相当于实验马上失败了,而不是这次扔出的奇数无效,重新扔...

weixin_30535043的博客 970

趣学贝叶斯统计:条件概率(1)

在本章中,你将学习如何分析条件概率,即事件的概率不是独立的,而是取决于特定事件的结果。此外,我还将介绍条件概率最重要的应用之一:贝叶斯定理。

Welcome to my homepage 1418

多变量条件概率公式的推导(多变量贝叶斯公式)

**对于变量有二个以上的情况,贝式定理亦成立。P(A|B,C)=P(B|A)*P(A)M /(P(B)P(C|B)).则M=(). 我将通过求出M的方式来告诉大家多变量条件概率公式如何推导 首先大家都知道一个耳熟能详的条件概率公式P(A|B)=P(A,B)/P(B),那么我们可以将B,C同时发生记为事件T,所以P(A|T)=P(A,T)/P(T)。则有: P(A|B,C)=P(A,B,C)/P(B...

watermelon12138的博客 5万+

详解概率图模型——有向图模型:贝叶斯网络

详解概率图模型——有向图模型:贝叶斯网络 贝叶斯定理 条件概率 全概率公式 贝叶斯公式 贝叶斯网络 概念 实例:贝叶斯网络Student模型 概率模型图 Python实现

Avery123123的博客 5678

概率论发展史上的几个重要悖论

概率论中的几个经典悖论-三门问题、犯人问题、贝特朗悖论、归纳法悖论

scott198512的博客 4791

多变量条件概率公式(多变量贝叶斯公式)

https://blog.youkuaiyun.com/watermelon12138/article/details/82829718

A person does not really understand something until after teaching it to a computer. Donald.E.Knuth 1136

恶意代码实验3:Word宏病毒实验

只要下次打开这个word文档,就会执行以上代码,并将自身复制到Normal.dot(word文档的公共模板)和当前文档的ThisDocument中,同时改变函数名(模板中为Document_Close,当前文档为Document_Open),此时所有的word文档打开和关闭时,都将运行以上的病毒代码,可以加入适当的恶意代码,影响word的正常使用,本例中只是简单的跳出一个提示框。回答不正确三次,即可自动跳出病毒程序,但那时已经出现几十个文档。1、打开的宏编辑器如图所示,即可编写病毒代码。

qq_63949327的博客 6505

理解文章《拥有多个A的概率:又一个条件概率悖论》中的一个看似奇怪的现象

在阅读了文章[拥有多个A的概率:又一个条件概率悖论]以后,觉得很难理解,于是就做了一个简单的实验,终于理解了其中的原因。

郝伟老师的博客——大数据、并行计算与人工智能时代 836

不止是打字机效果:手把手教你用SpannableStringBuilder打造Android富文本AI对话界面

本文详细介绍了如何使用SpannableStringBuilder在Android平台上构建专业级AI对话界面,涵盖流式文本处理、富文本解析、交互优化等核心技术。通过实战代码示例,帮助开发者实现类似DeepSeek的AI产品交互效果,提升用户体验和应用专业度。

weixin_28358083的博客 199

THB6128步进电机驱动芯片介绍

THB6128芯片也称为步进电机驱动芯片,采用BiCDMOS工艺,IC管脚间距为1mm的小型MFP30KR封装而成。

weichen_78的博客 7182

条件概率、全概率、先验概率、后验概率

** 前言 **   条件概率,全概率,先验概率,后验概率这么多的定义,以前是几乎遇见一次都要百度一次,一看就会,然而没有做好总结下一次还是会忘掉,好记性终究敌不过烂笔头,这次做个总结,一劳永逸,个人愚见,请大家不吝赐教。 ** 1.条件概率 **   首先上定义 :设A,B是两个事件,且P(B)>0,则在事件B发生的条件下,事件A发生的条件概率为: P(A|B)=P(AB)/P(B)   一般说到条件概率这一概念的时候,事件A和事件B都是同一实验下的不同的结果集合,事件A和事件B一般是有交集的,若

孙坤的博客 6713

多台树莓派(主机)通信

在做无人机实验时,有个任务需要 两台无人机 或 无人机与小车 进行通信。 由于我们飞机上用了树莓派,相当于一台电脑,索性选用Socket网络编程。 条件:树莓派、局域网(手机热点或路由器)。需要通信的两台树莓派接入同一个局域网。 如若现场没有网络,可将树莓派配置为无线路由器,发射wifi。网上很多教程,注意一点是树莓派需要先用网线接入路由器再配置。 发送数据: # -*- coding...

LNL_LNL的博客 7689

联合概率和条件概率的区别和联系

两个事件一起(或依次)发生的概率。例如:掷硬币的概率是 ¹⁄₂ = 50%,翻转 2 个公平硬币的概率是 ¹⁄₂ × ¹⁄₂ = ¹⁄₄ = 25%(这也可以理解为 50% 的 50%)对于 2 个硬币,样本空间将是 4 {HH,HT,TH,TT},如果第一个硬币是 H,那么剩余的结果是 2 {HT,HH}。这意味着第一个事件可能会影响第二个事件。例如:从 10 个不同颜色的球中选出 1 个绿球的概率是 ¹⁄₁₀, 10个球中选2个绿球的概率(2个绿、2个蓝、2个红、4个黄)²⁄₁₀ × ¹⁄₉(这个排列组

deephub 4887

Vue3实战:企业级应用集成钉钉扫码登录全流程解析

本文详细解析了在Vue3企业级应用中集成钉钉扫码登录的全流程。从钉钉开放平台应用创建与配置,到Vue3前端如何优雅地嵌入并管理扫码组件,再到后端如何安全地处理OAuth 2.0授权码以换取用户信息并完成登录,提供了完整的实战代码与避坑指南。该方案能有效实现安全便捷的单点登录,统一企业身份认证。

weixin_29019241的博客 291

【Bug已解决】openclaw command not found / openclaw not installed — OpenClaw CLI 安装失败解决方案

安装 OpenClaw 后命令未找到或运行失败,本质是 PATH 未配置或 Python 版本不兼容。文中给出修复 PATH、使用虚拟环境、检查 Python 版本、pipx 安装等完整方案。

一键难忘的博客 8065

先验概率,后验概率,似然概率,条件概率,贝叶斯,最大似然

先验概率,后验概率,似然概率,条件概率,贝叶斯,最大似然 总是搞混,这里总结一下常规的叫法: 先验概率: 事件发生前的预判概率。可以是基于历史数据的统计,可以由背景常识得出,也可以是人的主观观点给出。一般都是单独事件概率,如P(x),P(y)。 后验概率: 事件发生后求的反向条件概率;或者说,基于先验概率求得的反向条件概率。概率形式与条件概率相同。 条件概率

yangang908的专栏 1万+

【智能车Code review】——小S与中S道路判断

基本思想: 找到中线的左拐点和右拐点,并且计算出两点之间的空间距离。通过限制空间距离,分为中S和小S。 注意这种情况:当20行以下的中线斜率比较陡,此时可以通过人为限制设定,将第0行的中线设置为拐点。 if (flag_centre_right_point == 0 && flag_centre_left_point == 1 && parameterB >= 0.5 && centre_left_point[0] >= 33) { .

hanhan的博客 6104

【机器学习】联合概率和条件概率的区别和联系

点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达来源:DeepHub IMBA 本文约2300字,建议阅读9分钟 本文为你解释联合概率和条件概率之间区别和联系。联合概率P(A∩B)两个事件一起(或依次)发生的概率。例如:掷硬币的概率是 ¹⁄₂ = 50%,翻转 2 个公平硬币的概率是 ¹⁄₂ × ¹⁄₂ = ¹⁄₄ = 25%(这也可以理解为 50% 的 50%) P(A ∩...

小白学视觉 405

华南理工大学-大学物理实验-绪论作业

3.用公式测量某圆柱体铝的密度,测得直径=2.0420.003(cm),高=4.1260.004(cm),质量=36.4880.006(g)。计算铝的密度和测量的标准差,并以测量结果表达式表示之。(要求判别和剔除异常数据)(30分)(了解图解法的注意事项,大学物理实验众多实验数据处理采用这种方法,如PN结温度特性研究,光电效应与普朗克常数的测定,霍尔效应测磁场等等,注意规范作图)实验测得温度与对应的金属丝的长度的数据如下表所示。(了解异常数据的判断方法及具体判断过程,30分的题目n(*≧▽≦*)n)

mohen_777的博客 581

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

上一篇: 纸币的秘密:世界各国纸币上的统一记号
下一篇: 我中学时代的作文(一):换一个角度思考
matrix67
博客等级 码龄19年 1232粉丝 896原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值