掷硬币问题

  统计/机器学习 概率分布    浏览次数:320        分享
1

我想问一道概率题。


甲乙二人同时各自投掷一枚硬币,硬币出现head, tail的概率都是50%, 也就是均匀分布的。 甲胜出的条件是掷出‘head, head'(HH), 乙胜出的条件是掷出’head, tail‘ (HT)。甲乙同时进行投掷直到某一方胜出为止,问甲乙谁赢得概率比较大。


谢谢

 

larui529   2019-03-01 14:00



   6个回答 
4

可以用Markov Chain hitting time求解:

甲、乙状态转移图为


初始状态$x_0=[1,0,0,0]$,$x_{t+1}=x_{t}P$,$P$是状态转移矩阵


$K_i^A $是状态i到状态A的步数的期望

对于甲:

$$P_A=\begin{bmatrix}0.5 & 0.5 & 0\\0.5 & 0 & 0.5\\0 & 0 & 1\end{bmatrix}$$

$K_1^3 = 1 + \sum\limits_{j = 1,2} {{P_{1j}}K_j^3} =1+0.5K_1^3+0.5K_2^3$

$K_2^3 = 1 + \sum\limits_{j = 1,2} {{P_{2j}}K_j^3} =1+0.5K_1^3$

有$K_1^3=1+0.5K_1^3+0.5(1+0.5K_1^3)$

最后$K_1^3=6$

对于乙:

$$P_B=\begin{bmatrix}0.5 & 0.5 & 0\\0 & 0.5 & 0.5\\0 & 0 & 1\end{bmatrix}$$

$K_1^3 = 1 + \sum\limits_{j = 1,2} {{P_{1j}}K_j^3} =1+0.5K_1^3+0.5K_2^3$

$K_2^3 = 1 + \sum\limits_{j = 1,2} {{P_{2j}}K_j^3} =1+0.5K_2^3$

有$K_2^3=2$,$K_1^3=4$

由上可知,甲平均6步能达到HH,乙平均4步能到达HT,所以乙胜利的概率高。如果还要考虑平局的情况,要计算出甲乙胜出的概率会更复杂。改了下代码,加入了最终步数的计算。

import numpy as np
n=10000
a_wins, b_wins, draw = 0, 0, 0
a_step_all,b_step_all=[],[]
for j in range(n):
    coin_flips1, coin_flips2, flag = [],[], True
    a_step=0
    while flag:
        coin_flips1.append(np.random.randint(0, 2))
        a_step+=1
        if coin_flips1[-2:] == [1, 1]:
            a_step_all.append(a_step)
            flag = False
    b_step=0
    flag=True
    while flag:
        coin_flips2.append(np.random.randint(0, 2))
        b_step+=1
        if coin_flips2[-2:] == [1, 0]:
            b_step_all.append(b_step)
            flag = False 
    if a_step<b_step: a_wins+=1 elif a_step>b_step:
        b_wins+=1
    else:
        draw+=1
print ("P(A wins)=%.3f,P(B wins)=%.3f, P(draw)=%.3f" % (a_wins/n, b_wins/n, draw/n))
print ("P(A win+draw)=%.3f, P(B win+draw)=%.3f"%((a_wins+draw)/(n+draw), (b_wins+draw)/(n+draw)))
print("Mean of steps to reach target, A=%.3f, b=%.3f"%(np.mean(a_step_all),np.mean(b_step_all)))

结果:

P(A wins)=0.329,P(B wins)=0.527, P(draw)=0.144
P(A win+draw)=0.413, P(B win+draw)=0.587
Mean of steps to reach target, A=5.941, b=3.999
SofaSofa数据科学社区 DS面经 问答 实战

Zealing   2019-03-04 04:37

“由上可知,甲平均6步能达到HH,乙平均4步能到达HT,所以乙胜利的概率高。”从$E(X)<E(Y)$能推出$P(X<Y)\geq 0.5$吗? - WinJ   2019-03-04 09:54
不能直接推出,我也没能力从数学上证明。但我相信外加题里条件能证明。用均值只能给一个直观的印象,并不严谨。 - Zealing   2019-03-09 09:47
2

根据的xwemin解答,找到一个解法

重贴下状态转移图。

#https://en.wikipedia.org/wiki/Absorbing_Markov_chain
import numpy as np
#transitioning matrixes
#states of(A,B) [11,12,21,22,13,23,31,32,33]
P=np.matrix([
            [1,1,1,1,0,0,0,0,0],
            [0,1,0,1,1,1,0,0,0],
            [1,1,0,0,0,0,1,1,0],
            [0,1,0,0,1,0,0,1,1],
            [0,0,0,0,4,0,0,0,0],
            [0,0,0,0,0,4,0,0,0],
            [0,0,0,0,0,0,4,0,0],
            [0,0,0,0,0,0,0,4,0],
            [0,0,0,0,0,0,0,0,4]])/4.
print('Transitioning matrix:')
print(P)

Q=P[:4,:4]
R=P[:4,4:]
Ir=P[4:,4:]

print('Fundamental matrix:')
N=np.linalg.pinv(np.eye(4)-Q)
print(N)

print('Initial state')
s0=np.array([1,0,0,0])
print('Absorbing probabilities')
B=N*R
#Absorbing probabilities from state 11
B0=s0*B
print(B0)
print('P(A wins)=%.6f'%np.sum(B0[0,2:4]))
print('P(B wins)=%.6f'%np.sum(B0[0,:2]))
print('P(draws)=%.6f'%np.sum(B0[0,4]))

答案是

P(A wins)=0.322314
P(B wins)=0.537190
P(draws)=0.140496


SofaSofa数据科学社区 DS面经 问答 实战

Zealing   2019-03-09 09:59

1

甲胜:P甲; 乙胜:P乙; 平:P平


甲H乙H


甲胜:1/4

乙胜:1/4

平: 1/4

1/4*(甲T乙H)


甲H乙T


甲胜:1/2

乙胜:0 

平 :0 

1/4*(甲T乙H) 

1/4*(甲T乙T)


甲T乙H


甲胜:0

乙胜:1/2

1/4(甲T乙H)

1/4(甲H乙H)


甲T乙T


甲胜:P甲

乙胜:P乙

平 :P平


列方程求解

P甲 = 39/121

P乙 = 65/121

P平 = 17/121

SofaSofa数据科学社区 DS面经 问答 实战

xwemin   2019-03-05 14:35

有没有详细点的推导? - Zealing   2019-03-05 15:15
1

To: 得得得

可能是我说的不太清楚,甲乙之间的比赛是有可能出现平局的,也就是甲扔出了HH乙扔出了HT, 你的code里是甲乙同时看一个硬币,而我的问题时甲乙两个人同时扔两个硬币。我把你的code修改了一下结果好像确实是乙胜出的概率大。具体解释我还没有想好。



import json
import numpy as np


a_wins, b_wins, draw = 0, 0, 0
for j in range(100000):
    coin_flips1, coin_flips2, flag = [],[], True
    while flag:
        coin_flips1.append(np.random.randint(0, 2))
        coin_flips2.append(np.random.randint(0, 2))
        if coin_flips1[-2:] == [1, 1] and coin_flips2[-2:] != [1, 0]:
            a_wins += 1
            flag = False
        elif coin_flips1[-2:] != [1, 1] and coin_flips2[-2:] == [1, 0]:
            b_wins += 1
            flag = False
        elif coin_flips1[-2:] == [1, 1] and coin_flips2[-2:] == [1, 0]:
            draw += 1
            flag = False
print (a_wins, b_wins, draw)

>> 32116    53763     14121

SofaSofa数据科学社区 DS面经 问答 实战

larui529   2019-03-03 14:45

0

一样大,python写个simulation

a_wins, b_wins = 0, 0
for j in range(100000):
    coin_flips, flag = [], True
    while flag:
        coin_flips.append(np.random.randint(0, 2))
        if coin_flips[-2:] == [1, 1]:
            a_wins += 1
            flag = False
        elif coin_flips[-2:] == [1, 0]:
            b_wins += 1
            flag = False

最后得到的a_wins和b_wins几乎是相等的

具体分析的话,就是扔到T对于甲和乙都是等价的没用;扔到H对甲和乙一样,下一轮获胜的概率各50%。所以甲乙一样。

SofaSofa数据科学社区 DS面经 问答 实战

得得得   2019-03-01 14:22

扔到“HT”对甲来说是要重新扔,扔到“HH”对乙来说是从H开始扔,所以乙更容易获胜感觉 - larui529   2019-03-03 14:47
0

肯定是乙啊

SofaSofa数据科学社区 DS面经 问答 实战

wqtang   2019-03-01 23:10



  相关主题

扔硬币的flat prior是什么?   2回答

不停抛掷硬币直至连续3次出现正面,此时抛硬币的次数的期望是多少?   2回答

扑克牌中的一个概率题   2回答

等车概率题   4回答

如何用一个有偏差的硬币得到等概率0-1随机数?   2回答

抛的硬币直到连续出现两次正面为止,平均要扔多少次   3回答

一升水,随意倒入三个杯子,其中有一杯大于0.5升的概率是多少   3回答

一米长的绳子,随机剪两刀,最长的一段有多长?   2回答

二项分布的正态近似   2回答

两个独立的正态随机变量的乘积服从什么分布?   1回答

均匀分布的上限的最大似然估计   2回答

机器学习中,数据的分布是指什么呢?   1回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!