退化悖论

机器算法验证 最大似然 期望值
2022-04-10 13:48:26

假设我有一枚高度偏向的硬币,正面朝上ph=0.01和尾巴pt=0.99,然后我翻转它98次。

零正面的概率是pt980.373.

一头的概率是98×pt97×ph0.370因为 98 次抛硬币中的任何一次都可能给 H.

对于较大数量的正面,概率会降低。

预期的正面数量为ΣxpxH=0.98在哪里pxh是得到的概率x头(这当然也是ph×98)。

但是预期的正面数量似乎与最可能的正面数量不同。我们如何解释这一点?

答案是,如果我必须押注在一次 98 次翻转实验中会出现多少正面,我应该下注为零,但如果我必须押注许多 98 次翻转实验的长期平均值,我应该赌0.98?

1个回答

您通常会押注结果分布的模式,而不是预期值。98 次翻转对应的模式是 0,所以你会赌 0。

非常大的数对应的模式N翻转次数约为N0.01(四舍五入对于非常大的N),所以你会打赌。

编辑:正如@CagdasOzgenc 所指出的,赌注取决于损失函数。期望值适用于二次损失,而模式适用于“如果你没有猜对,那么你的猜测有多接近”的原则。