如何解决组合问题中经验概率和数学期望概率之间的差异
我发现我的迭代结果与组合问题的数学结果之间存在有趣的差异。
问题是:
我有一个数字列表:40、30、20、10、5、5。我将从列表中随机抽取4个有替换的数字,如果总和大于或等于100,我就赢了.
我以两种方式解决了这个问题。
方法一:组合问题
我统计了所有可以赢得比赛的分数组合和所有可能的组合,随机选择。获胜的概率应该是(获胜组合的数量)/(所有组合的数量)。
方法二:模拟
我玩了 10000 次游戏,看看概率收敛到什么程度。公式是(赢的局数)/(完成的局数)。
更详细的方法 1:
我列出了所有可能的获胜组合,共有 28 种可能的组合。
#Import itertools package
from itertools import combinations_with_replacement
#Getting all combination by defining a particular length.
combi = combinations_with_replacement(lst,4)
#Print the list of combinations
count = 0
count_win = 0
for c in list(combi):
count += 1
if sum(c) >= 100:
print (c)
count_win += 1
这里,count_win = 28,count = 126 所以获胜的概率是 28/126 = 0.222
方法 2 的详细信息:
但是,如果我进行 10000 次迭代过程并查看概率在大量情况下收敛到什么程度,我会发现概率收敛到 ~0.18。下面是代码和结果。
lst = [40,30,20,10,5,5]
iteration = 10000
# Game with replacement
def drawNum():
result = []
for _ in range(4):
num = random.choice(lst)
result.append(num)
return result
def playgame():
winReplace = 0
result = []
for num in range(iteration):
replace = drawNum()
if sum(replace) >= 100:
winReplace += 1
ratioReplace = winReplace/ (num+1)
result.append([num,ratioReplace])
return result
result = pd.DataFrame(playgame())
result.columns = ['number of interation','probability of winning with replacement','probability of winning without replacement']
我将 10000 次迭代的游戏运行了 100 次以计算它收敛到的平均概率,并再次确认它收敛到约 0.18。
lst1 = []
for num in range(100):
result = pd.DataFrame(playgame())
p1 = result.iloc[9999,1]
lst1.append(p1)
np.mean(lst1) # gives
0.222 和 ~0.18 之间存在明显差异。我想知道在这个过程中我做错了什么来获得这种差异?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。