掷 6 和 6 面骰子得到 6 的机会有多大?

机器算法验证 可能性 游戏 骰子
2022-03-31 01:57:16

更一般地说,n 个 n 面骰子至少出现在最大数(“n”)的一侧的概率是多少?

我粗略的想法是每一边都有1/6的概率,所以其中6个(1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6)等于100%的时间,但这显然不是这样的。

2 个硬币得到一个 T(比方说),有 3/4 的时间至少有一个是 T(每抛 2 个硬币)。但这对于 2d2 掷骰子来说是 75%,NdN 的一般公式是什么?

4个回答

骰子不出现的概率n11/n. 不出现的概率n在任何一个n骰子是(11/n)n. 如果你减去这个1,这将是至少一个的概率n投掷时出现n骰子,即

p=1(11/n)n1e1
作为n.

事件A:=“至少有一个骰子出现在一边n"是事件的补充B:=所有骰子都出现在非n边”。

所以P(A)=1P(B). 什么是P(B)?

所有骰子都是独立的,所以

P(all n dice turn up on non-n sides)=P(a single die turns up non-n)n=(n1n)n.

所以

P(A)=1(n1n)n.

信任但要验证。我喜欢在 R 中这样做:

> nn <- 6
> n_sims <- 1e5
> sum(replicate(n_sims,any(sample(1:nn,nn,replace=TRUE)==nn)))/n_sims
[1] 0.66355
> 1-((nn-1)/nn)^nn
[1] 0.665102

看起来挺好的。试试这个与其他值nn这是一个情节:

骰子

nn <- 2:100
plot(nn,1-((nn-1)/nn)^nn,type="o",pch=19,ylim=c(1-1/exp(1),1))
abline(h=1-1/exp(1),col="red")

我们注意到我们在极限中的概率是多少

P(A)=1(n1n)n=1(11n)n11e0.6321206as n,

因为身份涉及e.

@StephanKolassa (+1) 和 @gunes (+1) 的回答都很好。但是这个问题可以参考二项分布和泊松分布来解决,如下所示:

如果Xnn是看到的 s的数量n公平的卷n面死,然后XnBinom(n,1/n),以便P(Xn1)=1P(Xn=0)=1(11/n)n.

作为n,一个有XnprobYPois(λ=1),P(Y1)=1P(Y=0)=1e1.

也可以通过纯粹计算所描述的事件来得出答案,尽管接受的答案更优雅我们将考虑模具的情况,希望概括是显而易见的。我们将让事件空间是所有来自的数字序列{1,2,...,6}长度6. 以下是一些示例(随机选择):

3 2 3 5 6 1
1 1 2 5 2 4
1 2 1 1 6 3
4 4 3 3 4 2
6 1 1 6 3 4
6 3 5 4 5 1

关键是,我们的空间共有66事件,并且由于独立性,我们假设其中任何一个与另一个一样可能(均匀分布)。我们需要计算有多少序列至少有一个6在他们中。我们将我们计算的空间划分为多少6的出现,所以考虑恰好一个6出现。有多少种可能的方式会发生这种情况?这六个可能出现在任何位置(6 个不同的位置),当它出现时,其他 5 个位置可以有 5 个不同符号中的任何一个(从{1,2,...,5})。那么正好为 1 的序列的总数6是:同样对于恰好有两个的情况:我们得到正好有这样的序列。现在是玩 sums的时候了:(61)556(62)54

k=16(6k)56k=k=06(6k)56k1k56=(5+1)656

为了从这个计数中获得概率,我们除以事件总数:

665666=1(5/6)6=1(11/6)6

我认为这可以很好地概括,因为对于以外,完全相同的论点都成立,只需将每次出现的替换为替换为n66n5n1

还值得注意的是,这个数字是没有的序列的贡献,并且更容易计算(如已接受的答案中所用)。56=(60)566