Ich hatte gehofft, jemand könnte Klarheit über das folgende Szenario schaffen. Sie werden gefragt: "Wie viele Köpfe und Schwänze werden erwartet, wenn Sie 1000 Mal eine faire Münze werfen?". Zu wissen, dass Münzwürfe i. Ereignisse und unter Berufung auf das Gesetz der großen Zahlen berechnen Sie es als:
$$ N_ {Heads} = 500 \; N_ {Schwänze} = 500 $$ span>
Lassen Sie uns nun die ersten 500 Flips beobachten / realisieren, um alle Köpfe zu sein. Wir möchten die aktualisierte erwartete Anzahl von Realisierungen der verbleibenden 500 Flips wissen. Da die ersten 500 Ereignisse realisiert wurden und den zugrunde liegenden physischen Münzwurfprozess nicht beeinflussen, wissen wir, dass die erwartete Anzahl von Kopf und Zahl der verbleibenden 500 Wurfbewegungen wie folgt ist:
$$ N_ {Köpfe} = 250 \; N_ {Schwänze} = 250 $$ span>
Hier ist meine Frage / Verwirrung: Ich verstehe, dass jeder Münzwurf unabhängig ist und dass jeder einzelne Münzwurf eine Wahrscheinlichkeit von $ \ frac {1} {2} hat $ span> kommen Köpfe hoch. Basierend auf dem Gesetz der großen Zahlen wissen wir jedoch, dass sich der Mittelwert der Würfe (wenn wir Schwänze als 0 und Köpfe als 1 bewerten) $ 0.5 $ span> als Zahl nähert Anzahl der Würfe nähert sich $ \ infty $ span>. Wenn wir also 500 Köpfe hintereinander beobachtet haben, warum erwarten wir dann statistisch nicht, dass wir in Zukunft mehr Schwänze realisieren werden? Mir ist völlig klar, dass der folgende Gedanke falsch ist, aber es fühlt sich an, als wären wir (statistisch) für einen Schwanz fällig und die Wahrscheinlichkeit, dass der Schwanz angehoben und der Kopf gesenkt werden sollte. Da dies nicht der Fall ist, scheint dies der ursprünglichen Erwartung von $ N_ {Heads = 500 $ span> und $ N_ {Schwänze} = 500 $ span>.
Wiederum stelle ich fest, dass dieses Denken falsch ist, aber ich hoffe, jemand kann mir helfen, zu verstehen, warum diese früheren Informationen (500 Realisierungen von Köpfen hintereinander) keine neuen, aktualisierten Informationen liefern, die die Wahrscheinlichkeit für die verbleibenden aktualisieren flippt? Offensichtlich weiß die Münze nicht , dass sie gerade $ 500 $ span> Mal aufgetaucht ist, also ist die richtige Art, darüber nachzudenken, dass das Gesetz von Große Zahlen bedeuten nicht, dass in den folgenden 500 Flips Schwänze wahrscheinlicher sind, sondern dass wir als $ N \ rightarrow \ infty $ span> 50% der Realisierungen erwarten Köpfe und 50% Schwänze. In welchem Fall basiert mein Denkfehler auf der Anwendung eines Grenzwertsatzes, der in der Asymptote auf eine preasymptotische Situation angewendet wird?
Ich habe auch das Gefühl, dass dies mit ein wenig Verwirrung zwischen einzelnen Ereignissen (ein einzelner Münzwurf, der auftaucht) und der kollektiven Aktion einer Reihe von Ereignissen (1000 Münzwürfe) zu tun hat. die nicht zufällige Eigenschaften aufweisen. Nach der Suche stieß ich auf ein wunderbares Zitat von Kolmogorov $ ^ 1 $ span>:
"In Wirklichkeit wird der erkenntnistheoretische Wert der Wahrscheinlichkeitstheorie jedoch nur durch Grenzwertsätze offenbart. ... Tatsächlich basiert jeder erkenntnistheoretische Wert der Wahrscheinlichkeitstheorie darauf: dass großräumige zufällige Phänomene in ihre kollektive Handlung schafft eine strenge, nicht zufällige Regelmäßigkeit. Das Konzept der mathematischen Wahrscheinlichkeit wäre fruchtlos, wenn es nicht in der Häufigkeit des Auftretens von Ereignissen unter groß angelegten Wiederholungen und einheitlichen Bedingungen verwirklicht würde. "
Ich glaube, dieses Zitat klärt einige meiner Verwirrungen auf, aber wenn jemand erläutern könnte, warum Realisierungen (basierend auf einem bekannten statistischen Prozess) nicht zur Aktualisierung nachfolgender Wahrscheinlichkeiten verwendet werden können, würde ich es sehr begrüßen!
- B.V. Gnedenko und A. N. Kolmogorov: Grenzverteilungen für Summen unabhängiger Zufallsvariablen.Addison-Wesley Mathematics Series ol>