Странное дело: у Вас тут появляются две «априорные» константы, P(A) и P(B|A). А изначально, в
«Вообще, есть такая теорема Байеса об условных вероятностях. Если у нас может произойти либо ахтунг, либо ничего, и ахтунг НЕ происходит в течение длительной серии испытаний, то вероятность наступления ахтунга в каждом последующем испытании уменьшается экспоненциально. Если в первом испытании у нас вероятности ахтунга и НЕахтунга распределены 1:1, то после десяти испытаний без ахтунга вероятность наступления ахтунга в следующем равна уже 1:2^10 = 1:1024. После ста испытаний - 1:2^100 - это очень-очень малая вероятность. Важная особенность этого процесса в том, что даже если мы априорно полагаем распределение вероятностей несимметричным, скажем, 1000000:1, то после достаточно большой серии без единого ахтунга вероятность ахтунга в будущем станет исчезающе малой. »
константа одна. Объясните этот нюанс, пожалуйста.
Не говоря уже о том, что (1/2)^n у Вас теперь не получается :)
![[personal profile]](https://www.dreamwidth.org/img/silk/identity/user.png){kind=small}
Re: 100 000 ли за спиной, а грабли все теже
Date: 2011-10-20 06:26 pm (UTC)«Вообще, есть такая теорема Байеса об условных вероятностях. Если у нас может произойти либо ахтунг, либо ничего, и ахтунг НЕ происходит в течение длительной серии испытаний, то вероятность наступления ахтунга в каждом последующем испытании уменьшается экспоненциально. Если в первом испытании у нас вероятности ахтунга и НЕахтунга распределены 1:1, то после десяти испытаний без ахтунга вероятность наступления ахтунга в следующем равна уже 1:2^10 = 1:1024. После ста испытаний - 1:2^100 - это очень-очень малая вероятность. Важная особенность этого процесса в том, что даже если мы априорно полагаем распределение вероятностей несимметричным, скажем, 1000000:1, то после достаточно большой серии без единого ахтунга вероятность ахтунга в будущем станет исчезающе малой. »
константа одна. Объясните этот нюанс, пожалуйста.
Не говоря уже о том, что (1/2)^n у Вас теперь не получается :)