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?
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?
骰子不出现的概率是. 不出现的概率在任何一个骰子是. 如果你减去这个,这将是至少一个的概率投掷时出现骰子,即
事件“至少有一个骰子出现在一边"是事件的补充“所有骰子都出现在非边”。
所以. 什么是?
所有骰子都是独立的,所以
所以
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:
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
@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n
是看到的 s的数量公平的卷面死,然后以便
作为一个有和
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长度. 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在他们中。我们将我们计算的空间划分为多少的出现,所以考虑恰好一个出现。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)。那么正好为 1 的序列的总数是:。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:
为了从这个计数中获得概率,我们除以事件总数:
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。
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)。