確率の基礎3(幾何分布の無記憶性について)出現確率1%のガチャを100回引いても,4割近くの人は全部はずれる。“本当の確率”を読み解いてみよう この記事で使われている計算テクニックは「二項分布」そのものであり、幾何分布の無記憶性がよくわかる内容となっている <以下wikiより抜粋> \(\forall n,k\in \mathbb{N}\quad \left( \quad P\left( X>n+k|X>n \right) \quad \leftrightarrow \quad P\left( X>k \right) \quad \right) \) これはコイントスを例にすると、コイントスを繰り返して少なくともn回表が出なかったという情報が与えられたときに、表が出るまでに投げる回数が(n+k)を超える条件付き確率は、情報が与えられない場合の確率(すなわち、今すべてを忘れて改めてコイントスを開始して、表が出るまでに投げる回数がk回を超える確率)に等しいという意味である。各種のギャンブルにおいて負けが続くと、しばしば「運がたまっている」とか「そろそろ勝ちが巡ってくる」といった考えに陥りがちである。しかし、試行の独立性を仮定する限りにおいては、この考えは誤謬であり、負けが続いているという情報は未来の確率に何の影響も与えないということが、無記憶性からわかる。 前提となる先頭から読み解いていく。まず「\(\forall n,k\in \mathbb{N}\)」の部分 \(n\)はn回表が出なかった数 この太字の\( \mathbb{N}\)は(Natural number)自然数を表している。\(\in\)は「含まれている」と訳せる。つまり\(n\)と\(k\)は自然に数えられるような1,2,3,4,5,6,.....といったような数となることを言っている 次に「 \(\left( \quad P\left( X>n+k|X>n \right) \quad \leftrightarrow \quad P\left( X>k \right) \quad \right) \) 」の部分を読み解いていく まず\(P()\)。これは「確率分布(Probability distribution)」と呼ばれるもので括弧内の入力に対して1対1で実数を返す関数となっている 少し整理するとこういう事になっている
各パラメータの関係確率という実数が得られるまでの一連の流れをC#と数学の視点から見て考えるとこうなる 標本空間(例:\(\overset { オメガ }{ \Omega } \)等で表される。事象(部分集合)を集めた集合) この例での「\(表\)」や「\(A\)」は事象と呼ばれる部分集合となっている ↓事象(部分集合)を\(\overset { 小文字のオメガ }{ \omega } \)へ入力 確率変数(例:\(X X(ω)\) 等、大文字で表される関数) 入力に1対1に対応した実数(C#ではintやfloatとなる)が出力される ↓実数Xを入力 確率分布(例:Pr(X) 等、入力実数に対応した確率の実数を返す関数) グラフに出来るという事は対象の量的な側面に注目し数値を用いて分析を行うことを意味する また対象の状態を「不連続な性質の変化に着目して議論する際、「定性的に考える」と言う
ベルヌーイ試行幾何分布のグラフ 確率には以下のような公理がある これを実際に例で表してみると・・・ 関数が \(P\left( A|B \right) \) もしくは \({ P }_{ B }\left( A \right) \) と書かれていた場合、その出力は「条件付き確率」を表す |