使用 NProbability[] 或 Probability[] 计算 4 次抛硬币中出现 3 个或更多正面的概率

发布于 2024-12-10 21:14:30 字数 406 浏览 1 评论 0原文

是否可以使用 Probability 或 NProbability 函数计算 4 次抛硬币中出现 3 个或更多正面的概率。

这不是一个关于这个问题的简单答案的问题,更多的是了解如何使用分布用 Mathematica 解决此类问题。

因此,使用分布 P 中的 4 个随机变量,

我希望这样的方法能够达到目的,但它不起作用。我得到 0。

P = BernoulliDistribution[0.5];
vars = List[Distributed[a,P],Distributed[b,P],Distributed[c,P],Distributed[c,P]];
NProbability[Count[ {a,b,c,d}, 1] >= 3,  vars]

任何想法将不胜感激。

Is it possible to work out the probability of 3 or more Head from 4 coin tosses using the Probability or NProbability functions.

This is not a question about the trivial answer to this problem, it is more to get an understanding of how to solve this kind of problem with Mathematica using distributions.

So using 4 random variables from Distribution P

I was hoping something like this would do the trick, but it does not work. I get 0.

P = BernoulliDistribution[0.5];
vars = List[Distributed[a,P],Distributed[b,P],Distributed[c,P],Distributed[c,P]];
NProbability[Count[ {a,b,c,d}, 1] >= 3,  vars]

Any ideas would be greatly appreciated.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(2

萌酱 2024-12-17 21:14:30

不是这里使用 Mma 进行统计的专家,但这似乎有效:

l = TransformedDistribution[
       x + y + w + z, {x \[Distributed] BernoulliDistribution[0.5], 
                       y \[Distributed] BernoulliDistribution[0.5], 
                       z \[Distributed] BernoulliDistribution[0.5], 
                       w \[Distributed] BernoulliDistribution[0.5]}];

Table[NProbability[x > i, x \[Distributed] l], {i, -1, 4}]
(*
{1, 0.9375, 0.6875, 0.3125, 0.0625, 0.}
*)

Not an expert using Mma for statistics here, but this seems to work:

l = TransformedDistribution[
       x + y + w + z, {x \[Distributed] BernoulliDistribution[0.5], 
                       y \[Distributed] BernoulliDistribution[0.5], 
                       z \[Distributed] BernoulliDistribution[0.5], 
                       w \[Distributed] BernoulliDistribution[0.5]}];

Table[NProbability[x > i, x \[Distributed] l], {i, -1, 4}]
(*
{1, 0.9375, 0.6875, 0.3125, 0.0625, 0.}
*)
莳間冲淡了誓言ζ 2024-12-17 21:14:30
In[10]:= Probability[a + b + c + d >= 3, vars]

Out[10]= 0.3125

使用 BinomialDistribution 更容易描述硬币翻转:

In[12]:= Probability[m >= 3, m \[Distributed] BinomialDistribution[4, 0.5]]

Out[12]= 0.3125
In[10]:= Probability[a + b + c + d >= 3, vars]

Out[10]= 0.3125

Coin flipping is easier described with a BinomialDistribution:

In[12]:= Probability[m >= 3, m \[Distributed] BinomialDistribution[4, 0.5]]

Out[12]= 0.3125
~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文