Re: [非關] 20%成功機率要幾次誤差才能降到1%以下

看板Hunter作者 (貓熊)時間15年前 (2010/10/19 05:10), 編輯推噓3(3067)
留言70則, 8人參與, 最新討論串6/6 (看更多)
※ 引述《devidevi (蜜蜜)》之銘言: : ※ 引述《Seiya (星矢)》之銘言: : : 有人說一萬次 有人拿出一堆公式… : : 題目簡單的說 就是二千個東西 裡面有四百個不良品 : : 那我要抽幾次 我抽到的不良品機率一定是19%~21%? : : 答案當然是不可能 因為他講一定 : : 如果你講算出來的機率 大蓋是20%左右是沒錯 : : 但機率這東西就是不是一定 : : 可不可能十萬次以後算出來的是22%?可能,18%?也可能 : : 有人買樂透一張就中了,有人買一萬張也不中,這就是機率 : 我第一篇從頭到尾都沒有說"一定"這兩個字 : 機率沒有100%,否則就不是機率 : 所以我才提出1%的誤差 : ------- : 我回一下我原本的問題吧 : 假設物品合成成功率為20%的話,要如何測試並將誤差降到1%以下 : 我本來以為誤差1%以下 只需要測試101次就能讓誤差達到1%以下 : 如果是指成功率的誤差1%也只是單純 : 20%*1%=0.002 =501次 : 但是我不清楚為什麼上面的計算不合理 : 需要增加95%的信心水準條件,我看了網頁,還是不清楚公式怎麼來的... : 對我而言公式怎麼來的比計算結果還重要 : ------ : 只是看到大家這麼熱烈回應 : 讓我想到,學校所學的只是教我們怎麼"解題" : 並不會教我們怎麼命題,以及去判斷所需要的條件有哪些,條件是否不足 : 當條件不足時,就沒有計算的必要 : 而不是去分析需要增加哪些條件才能讓命題變的有意義 這問題是算的出來的 1.選取不重複 且知道樣本總數 題目: 2000個產品 400個是壞的(我們不知道) 我們要估計幾趴是壞的 至少要測試幾次才能讓我們的估計機率落在19%~21%之間 解答: 假設兩種極端情況 一個是每次都選到壞的 一個是每次都選到好的 取需要次數最多者 都選到壞: 400次之前估計機率都是0% 401次估計機率 1/401 以此類推 都選到好:1600次之前估計機率值都是100% 1601次估計機率 1600/1610 以此類推 不斷增加次數直到都選到壞的情況估計機率超過19% 且都選到好的情況估計機率低於21% 滿足這個條件的最小次數就是所求 2.選取可重複 題目: 衝裝成功率20%(我們不知道) 請問測試幾次後我們所估計成功率的誤差會在1%之內 這比較像是原po要的 當我們只測試一次時 事件 事件發生機率 預估成功率 該事件誤差值 成 20% 100% 80% 敗 80% 0% 20% 誤差值 80%*20%+20%*80%=32% 當我們測試兩次時 事件 事件發生機率 預估成功率 該事件誤差值 成成 4% 100% 80% 敗敗 64% 0% 20% 成敗 16% 50% 30% 敗成 16% 50% 30% 誤差值 80%*4%+20%*64%+30%*16%+30%*16=25.6% 測試越多次 誤差值越小 總有一天會到1% ================================================== 做個補充 預測的方法 測試一次且失敗 那我們就預測成功率0% 由於實際成功率是20% 所以我們的誤差值是20% 測試一次且成功 那我們就預測成功率100% 由於實際成功率是20% 所以我們的誤差值就是80% 測試兩次一次成功一次失敗 那我們就預測成功率50% 由於實際成功率是20% 所以我們的誤差值是30% -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 114.43.35.64

10/19 05:18, , 1F
原PO舉的例子兩種類型都有 但其實是不同問題
10/19 05:18, 1F

10/19 07:33, , 2F
我想你至少先學過統計分佈再來挑戰這題會比較好
10/19 07:33, 2F

10/19 07:35, , 3F
基本的統計學知識會告訴你不可能「保證」誤差在1%內
10/19 07:35, 3F

10/19 13:39, , 4F
第一種問題 你全取2000個來測試 測試出來的系統誤差值就是0
10/19 13:39, 4F

10/19 13:40, , 5F
你確定統計學裡所指的情況跟我所提出的問題一樣
10/19 13:40, 5F

10/19 13:41, , 6F
還是只是看過書本寫過這一行 就把它當成真理來記?
10/19 13:41, 6F

10/19 13:41, , 7F
我這裡都是用機率與排列組合觀念來算 有錯誤請明確指出
10/19 13:41, 7F

10/19 13:48, , 8F
第二個問題裡所指的是誤差期望值 的確不是保證
10/19 13:48, 8F

10/19 14:02, , 9F
第二個問題無法保證 因為只要運氣差每次都選到20%
10/19 14:02, 9F

10/19 14:03, , 10F
模擬出來的系統 誤差值就會高達80%
10/19 14:03, 10F

10/19 14:03, , 11F
但是測試次數多後這種情況的機率會非常低
10/19 14:03, 11F

10/19 14:04, , 12F
當測試無窮次的時候 誤差期望值會趨近於0
10/19 14:04, 12F

10/19 14:18, , 13F
我希望指出錯誤的時候可以明確點 算法我都打上去了
10/19 14:18, 13F

10/19 14:19, , 14F
我想法有錯的話 算法裡面一定有Bug 指出來對我才有幫助
10/19 14:19, 14F

10/19 19:24, , 15F
80%*4%+20%*64%+30%*16%+30%*16=25.6% 這根本亂來阿
10/19 19:24, 15F

10/19 19:24, , 16F
你這樣是假設每種結果的機率相等...但你又知道了?
10/19 19:24, 16F

10/19 19:25, , 17F
而且我看不出來這樣加有甚麼意義@@
10/19 19:25, 17F

10/19 19:27, , 18F
機率是20% 但你知道是甚麼分配嗎? 你知道分配的觀念嗎...
10/19 19:27, 18F

10/19 20:26, , 19F
原PO念完隨便一本原文的機率論再來反駁別人吧^^
10/19 20:26, 19F

10/19 21:29, , 20F
分配有分Continuous跟Discrete 問題二是Discrete分配
10/19 21:29, 20F

10/19 21:30, , 21F
所以可以用窮舉舉出所有情況(事件)的發生機率
10/19 21:30, 21F

10/19 21:35, , 22F
我可以說問題二"最像"二項分配 但是不太一樣
10/19 21:35, 22F

10/19 21:37, , 23F
say我不太懂哪裡看得出機率相同 這個公式是算期望值
10/19 21:37, 23F

10/19 21:38, , 24F
4% 64% 16% 16%就是事件發生機率 我寫的不夠清楚嗎?
10/19 21:38, 24F

10/19 21:48, , 25F
你把二項式分配的n帶入2 p帶入20% 總共會有x=0到x=2三種
10/19 21:48, 25F

10/19 21:55, , 26F
種 其中x=1包含了兩個事件 所以她的C(n,x)是2
10/19 21:55, 26F

10/19 21:55, , 27F
所以其實是x=0 x=1 x=1 x=2 四個事件 然後我們由分配得出各
10/19 21:55, 27F

10/19 21:57, , 28F
事件發生機率 由此可以得到此分配的期望值等各類數據
10/19 21:57, 28F

10/19 21:57, , 29F
問題二跟二項分配的差別在於我把x=0 x=1 x=1 x=2四個事件
10/19 21:57, 29F

10/19 21:58, , 30F
換成x=80% x=20% x=30% x=30%四個事件
10/19 21:58, 30F

10/19 22:03, , 31F
二項式分配的期望值意義是幾次成功 而問題二的期望值意義是
10/19 22:03, 31F

10/19 22:05, , 32F
誤差值是多少 統計是機率產生的 不要光會背pdf
10/19 22:05, 32F
※ 編輯: twin2 來自: 114.43.35.64 (10/19 22:34) ※ 編輯: twin2 來自: 114.43.35.64 (10/19 22:41)

10/20 02:50, , 33F
我笑了XD 寫這種文嗆別人不要光會被PDF 哈哈
10/20 02:50, 33F

10/20 02:51, , 34F
人家是問如何會收斂 你回答越多次就會越靠近...
10/20 02:51, 34F

10/20 02:51, , 35F
而且舉完全無關的排列組合例子@@...真是有見地
10/20 02:51, 35F

10/20 02:55, , 36F
明明就超淺的問題還要一直回 還要一直賣弄...
10/20 02:55, 36F

10/20 06:39, , 37F
我也蠻震驚的 你連期望值公式都看不懂 這問題真的超淺的
10/20 06:39, 37F

10/20 06:40, , 38F
我這裡把原作者沒定義好的問題定義清楚 定義成可以算的問題
10/20 06:40, 38F

10/20 06:41, , 39F
大樹法則告訴你取樣越多次會越準 你為什不相信測試越多次
10/20 06:41, 39F

10/20 06:43, , 40F
誤差的期望值
10/20 06:43, 40F

10/20 06:45, , 41F
會越小 收斂是什麼會收斂? 誤差期望值不會收斂 你大數法則就
10/20 06:45, 41F

10/20 06:46, , 42F
白背了 至於成功率20%當然不會收斂 這根本連變都不會變
10/20 06:46, 42F

10/20 06:49, , 43F
你要不要先回答我你所謂的機率相同是什麼意思?
10/20 06:49, 43F

10/20 06:50, , 44F
你根本看不懂期望值公式對不對?
10/20 06:50, 44F

10/20 07:10, , 45F
我不相信一個高中理工數學有學好的人 看到我把事件機率和事
10/20 07:10, 45F

10/20 07:10, , 46F
件值相乘然後相加在一起 會不知道這個是期望值
10/20 07:10, 46F

10/20 07:11, , 47F
不是用輕蔑的態度隨便丟一些專有名詞就代表你很行
10/20 07:11, 47F

10/20 07:12, , 48F
你們的問題我都有認真的回答 你說不知道為什麼相加
10/20 07:12, 48F

10/20 07:12, , 49F
你說為什麼機率是一樣 我都清楚的告訴你了
10/20 07:12, 49F

10/20 07:13, , 50F
但你們從頭到尾沒有說我的命題能不能解 能解的話該怎麼解
10/20 07:13, 50F

10/20 07:14, , 51F
只丟下一句叫我回去看機率分布 能讓人不火嗎
10/20 07:14, 51F

10/20 13:47, , 52F
你們一直很鬼打牆的認為我想改變20% 問題一因為選取不重複
10/20 13:47, 52F

10/20 13:48, , 53F
是相依事件 所以的確會改 但是問題二是獨立事件 20%打死也
10/20 13:48, 53F

10/20 13:49, , 54F
不會變 但即使如此 我還是能夠評估我們利用測試資料所建立的
10/20 13:49, 54F

10/20 13:51, , 55F
系統的準確率 評估方式就是看誤差值的期望值 而這是可以算出
10/20 13:51, 55F

10/20 13:52, , 56F
來的 假如我今天測試無窮次讓我的系統準確率無限提升
10/20 13:52, 56F

10/20 13:52, , 57F
我的預估系統準確率當然是100% 誤差值當然是0
10/20 13:52, 57F
※ 編輯: twin2 來自: 114.43.44.118 (10/20 13:55)

10/20 17:03, , 58F
照你第一題,我最多只要抽2105次可以得到誤差小餘1%
10/20 17:03, 58F

10/20 17:04, , 59F
全部2400 要我抽2105次......
10/20 17:04, 59F

10/21 21:11, , 60F
就題義來說,2000個成品中,有400個不良品 我現在抽一個
10/21 21:11, 60F

10/21 21:12, , 61F
抽中不良品的機率就是20% 沒什麼一不一定這種解釋存在
10/21 21:12, 61F

10/21 21:12, , 62F
如果要問 那第二次抽中不良品的機率是多少?
10/21 21:12, 62F

10/21 21:13, , 63F
我只能說,第一次抽的結果,會影響第二次抽中不良品的機率
10/21 21:13, 63F

10/21 21:14, , 64F
機率本來就是人們給他定義出來的,沒有討論一定不一定的必要
10/21 21:14, 64F

10/21 21:14, , 65F
20%抽中不良品的機率,不代表抽5次一定會抽到不良品
10/21 21:14, 65F

10/21 21:14, , 66F
但你抽401個 最少一定會抽中一個不良品
10/21 21:14, 66F

10/24 16:39, , 67F
補一下,樓上這樣說也不對啊,沒有說"一定",只是機率非常
10/24 16:39, 67F

10/24 16:39, , 68F
接近1而已。
10/24 16:39, 68F

10/24 16:39, , 69F
要一定的話要2000個裡抽1601個吧?
10/24 16:39, 69F

10/21 02:16, , 70F
所以其實是x=0 x= https://daxiv.com
10/21 02:16, 70F
文章代碼(AID): #1ClBUpqC (Hunter)
討論串 (同標題文章)
文章代碼(AID): #1ClBUpqC (Hunter)