灯泡颜色问题

机器算法验证 贝叶斯 二项分布
2022-04-02 14:05:25

请先看看下面这个小问题:

有两个无法区分的灯泡 A 和 B。A 在 prob 0.8 时闪烁红光,在 prob 0.2 时闪烁蓝光;B 红色,0.2 和蓝色 0.8。现在有了 0.5 的概率,您将看到 A 或 B。您应该观察它的闪光颜色以做出最佳猜测(最大化正确猜测的概率)它是哪个灯泡。然而,在你开始观察之前,你必须决定你想观察它多少次(比如 n 次,然后你观察它闪烁 n 次并做出你的猜测)。假设闪光灯是独立的。

直觉上,人们会认为观察越多,机会就越大。奇怪的是,很容易计算表明 n=2 不会改进 n=1,并且 n=4 不会改进 n=3。我没有走得更远,但我推测 n=2k 在 n=2k-1 上没有改进。对于一般情况,我无法证明这一点。但这是真的吗?如果是这样,如何直观地理解结果?

2个回答

你是对的:在这种对称情况下并没有改进n=2kn=2k1

显然最优策略是看红色和蓝色闪烁的次数,根据出现的颜色多选择 A 或 B。如果每个都出现相同的数字,那么您猜测的没有任何区别,因为在这种情况下您正确的机会是0.5

次闪烁后多数为一种颜色,则多数必须是偶数且至少为 2,因此该颜色在闪烁后也有至少为 1 的多数。如果在闪烁后选择多数的颜色与在这种情况下的任何其他决策规则一样好。因此,即使闪烁次数为偶数,最后的闪烁并不能帮助您提高正确猜测的变化。 2k2k12k2k1

为了严谨地回答,这个问题归结为观察红色闪烁的数量,它是二项式 (A) 或二项式 (B),每个概率因此,选择灯泡 A 的概率由贝叶斯定理 所以这是 (resp. ) 时选择 A (resp. B )。因此,当XB(n,.8)B(n,.8)0.5

P(b=A|X=x)=P(X=x|b=A)P(X=x|b=A)+P(X=x|b=B)
P(b=A|X=x)=(nx)0.8x0.2nx(nx)0.8x0.2nx+(nx)0.2x0.8nx=11+4n2x
n2x<0n2x>0n=2k1, 正确选择 A 的概率为
P(X>(2k1)/2|b=A)=P(Xk|b=A)=x=k2k1(2k1x)0.8x0.22k1x.