迭代期望定律
的迭代期望定律表示a的期望值随机变量等于随机变量期望值的和条件第二个随机变量。直观地说,该定律指出,一个事件的预期结果可以计算使用生活环境调查预测:它所依赖的事件的可能结果;例如,如果明天下雨的概率取决于今天下雨的概率,并且以下所有条件都是已知的:
- 今天下雨的概率
- 明天下雨的概率鉴于今天下雨了
- 明天下雨的概率鉴于确实如此不今天下雨
明天下雨的概率可以依次考虑这两种情况(今天下雨/今天没下雨)来计算。为了使用具体的数字,假设
- 今天下雨的概率是70%
- 如果今天下雨,明天也会下雨,概率是30%
- 如果今天不下雨,明天有90%的概率会下雨
在这种情况下,明天下雨的概率是
迭代期望定律是有用的概率分布两者都是随机变量 和一个条件随机变量 的概率分布是已知的,而 是理想的。这种情况在实践中非常常见,尤其是在经济学而且扑克.
内容
正式的定义
例子
例如,假设一个明星篮球运动员在无人防守的情况下有80%的得分(2分),但在有人防守的情况下只有40%的得分。面对球队当前的对手,玩家将有70%的时间被防守。然后,当玩家射击时,迭代期望定律表明:
所以球员每次获得球权的平均得分为1.04分。
这条法则对对方球队有实际的应用:对于每一个防守方案,他们可以计算出对方球队将得到多少分(平均),只要他们知道
- 每个球员被防守的频率是多少
- 每个球员在防守时的投篮效果如何,在无防守时的投篮效果如何
这样对手就可以选择最好的防守方案。
贝叶斯定理和联合分布
一个可以简化推理的重要定理是联合分布定律:
这个定理在逻辑上说得通:事件的概率 而且 两者发生的概率是一样的 发生,那么 发生。概率是 Occurs很简单 的概率 随后发生的是 .同样地,顺序可以颠倒,从而得到第二个等式。
注意当 是独立的,这个规律变得更熟悉了吗 .
这个定理很重要,因为它允许计算 鉴于 而且 ,这是有用的 用在迭代期望定律中。
这个定律也可以重新排列成贝叶斯定理,其中指出:
这允许与上面相同的计算。