明天太阳照常升起的概率是多少?

博客探讨了拉普拉斯在《关于概率的哲学笔记》中提及的日出问题,指出蒲丰在《政治算术》中的概率计算错误。正确计算明日太阳升起的概率应为 (N + 1) / (N + 2),并依据第六和第七个概率计算原则进行了推导。博客内容涉及概率论和统计学在理解自然现象中的应用。
部署运行你感兴趣的模型镜像


最近在阅读拉普拉斯的《关于概率的哲学笔记》,



在第三章“概率计算的一般原则”最后提到一个日出问题:

如果我们不了解太阳运行的基本规则,根据统计,在过去的N天里,太阳每天都正常升起。那么,太阳明天照常升起的概率是多少呢?


拉普拉斯在书中,指出蒲丰在著作《政治算术》中的结果 1 - (1/2) ^ N 是错误的。

正确的结果应该是 (N + 1) / (N + 2) 。 下面, 我尝试推导了一下。


推导过程,应用到第三章中提交的一些概率计算原则:

1. 第六个原则: 假定我们观测到一个经常发生的事件, 每一个被认为是导致它的原因成立的可能性被这个事件发生的概率显示。于是某一原因成立的概率是一个分数,其分子是这个原因导致此事件的概率, 而其分母是所有各原因的类似概率的和; 如果这些不同的原因被事先考虑为不是等可能时,就必须将由每个导致此事件的原因的概率代之以它与此原因本身的可能性的乘积。这就是由事件到原因的机会分析这一分支的基本原则。


2. 第七个原则: 将来的事件发生的概率是,所有引起被观测事件的原因发生的概率乘以在此原因下该事件发生的概率的乘积之和。


在我们这个问题中,

1. 观察到的现象(事件)为:过去的N天里太阳每天升起。 记为 Observation

2. 将来要估计的事件为: 明天太阳升起的概率。 记为Prediction

其实,我们希望求出 P(Prediction | Observation).

我们了解的背景知识不多, 太阳升起的概率假设为p, p是0到1之间任意一个值。 根据上面两条计算原则, 可以如下推导出答案:




您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

【事件触发一致性】研究多智能体网络如何通过分布式事件驱动控制实现有限时间内的共识(Matlab代码实现)内容概要:本文围绕多智能体网络中的事件触发一致性问题,研究如何通过分布式事件驱动控制实现有限时间内的共识,并提供了相应的Matlab代码实现方案。文中探讨了事件触发机制在降低通信负担、提升系统效率方面的优势,重点分析了多智能体系统在有限时间收敛的一致性控制策略,涉及系统模型构建、触发条件设计、稳定性与收敛性分析等核心技术环节。此外,文档还展示了该技术在航空航、电力系统、机器人协同、无人机编队等多个前沿领域的潜在应用,体现了其跨学科的研究价值和工程实用性。; 适合人群:具备一定控制理论基础和Matlab编程能力的研究生、科研人员及从事自动化、智能系统、多智能体协同控制等相关领域的工程技术人员。; 使用场景及目标:①用于理解和实现多智能体系统在有限时间内达成一致的分布式控制方法;②为事件触发控制、分布式优化、协同控制等课题提供算法设计与仿真验证的技术参考;③支撑科研项目开发、学术论文复现及工程原型系统搭建; 阅读建议:建议结合文中提供的Matlab代码进行实践操作,重点关注事件触发条件的设计逻辑与系统收敛性证明之间的关系,同时可延伸至其他应用场景进行二次开发与性能优化。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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