Вероятность и статистика · объяснение и практика
Как посчитать ровно заданное число успехов в независимых испытаниях
Считаем ровно заданное число успехов в фиксированном числе независимых испытаний, объясняем биномиальный коэффициент и проверяем постоянство вероятности.

В теме Случайные величины и распределения · Учебная карта
Главная мысль
При n независимых испытаниях с одинаковой вероятностью успеха p вероятность ровно k успехов равна C(n, k)pᵏ(1−p)ⁿ⁻ᵏ. Множитель C(n, k) считает разные расположения успехов, а не меняет вероятность отдельной последовательности.
Какие условия создают биномиальную модель
Число испытаний n фиксируют заранее. В каждом учитывают два исхода: успех и неуспех, причём вероятность успеха p одна и та же. Испытания независимы: результат предыдущего не меняет вероятности следующего. Слово «успех» является условным названием события, а не оценкой его полезности.
Например, устройство выполняет четыре независимые попытки передачи, каждая успешна с вероятностью 0,6. Нас интересует ровно три успеха. Вероятность одной конкретной последовательности УУУН равна 0,6³·0,4 = 0,0864. Но неудача может стоять на любом из четырёх мест, поэтому подходящих последовательностей четыре и общая вероятность 0,3456.
Почему нужен коэффициент сочетаний
Для n испытаний нужно выбрать k позиций успехов. Число таких наборов равно C(n, k). У всех последовательностей с k успехами одинаковая вероятность pᵏ(1−p)ⁿ⁻ᵏ, поэтому их можно сложить умножением на количество. Если пропустить коэффициент, получится ответ только для одного конкретного порядка.
Для пяти независимых бросков симметричной монеты вероятность ровно двух орлов равна C(5,2)/2⁵ = 10/32 = 5/16. Число 10 выбирает позиции двух орлов, а 32 — количество всех равновозможных последовательностей. Здесь порядок отдельной последовательности учитывается, хотя число успехов само по себе порядок не хранит. Коэффициент связывает эти два описания результата.
Пример
В трёх независимых испытаниях p = 0,2. Найдите вероятность ровно одного успеха.
Есть три позиции единственного успеха. Вероятность 3·0,2·0,8² = 0,384. Число 0,128 относилось бы только к одной фиксированной позиции.
Когда формулу нельзя переносить автоматически
При выборе предметов без возвращения состав оставшейся группы меняется. Тогда вероятность следующего успеха зависит от предыдущего выбора, и обычная биномиальная формула обычно не является точной. Она также не подходит, если попытки имеют разные p или связаны общим сбоем. Сначала проверяют модель, затем подставляют числа.
Фраза «ровно k» отличается от «не менее k» и «не более k». В последнем случае нужно суммировать несколько возможных значений числа успехов. Допустимые k — целые от 0 до n. При k = 0 вероятность равна (1−p)ⁿ, при k = n —pⁿ. Эти крайние случаи дают полезную независимую проверку, что степени и роли успеха с неуспехом не переставлены.
От чтения к действию
А теперь — вы
Частые вопросы
Почему pᵏ(1−p)ⁿ⁻ᵏ недостаточно?
Это вероятность одной конкретной последовательности. Нужно учесть все расположения k успехов.
Выбор без возвращения всегда биномиальный?
Нет. Вероятности обычно меняются после выбора; для точного расчёта нужна соответствующая модель.
Углублённый разбор
Разные вероятности успеха: пуассоновско-биномиальное распределение
Сумма независимых индикаторов с разными вероятностями имеет пуассоновско-биномиальный закон. Обычная биномиальная формула требует общего p.
Перед началом: Комбинаторный подсчёт конечных исходов; Индикаторы и независимые испытания.
Определение и постановка
Для X=ΣIᵢ с вероятностями pᵢ ожидание равно Σpᵢ, дисперсия равна Σpᵢ(1−pᵢ). Среднее p̄ сохраняет ожидание, но обычно меняет распределение.
Вывод и вычислительный критерий
Вероятность ровно k успехов получается суммированием по подмножествам успешных индексов: для каждого подмножества перемножают pᵢ внутри него и 1−pᵢ вне него. Неравные слагаемые нельзя заменить одним множителем сочетаний.
Для эффективного расчёта хранят коэффициенты полинома ∏[(1−pᵢ)+pᵢz]. Добавление испытания обновляет коэффициент k как (1−p)fₖ+pfₖ₋₁. Обновлять массив на месте надо от больших k к малым.
| Первая | Вторая | Вероятность | Число успехов |
|---|---|---|---|
| 0 | 0 | 3/16 | 0 |
| 0 | 1 | 9/16 | 1 |
| 1 | 0 | 1/16 | 1 |
| 1 | 1 | 3/16 | 2 |
Условия и границы вывода
Независимость сохраняется обязательной. Различие вероятностей не является способом учесть общую скрытую среду, связывающую попытки. При зависимых индикаторах в дисперсии появляются ковариации.
При одинаковом p все произведения одного размера равны и закон сокращается до биномиального. При pᵢ=0 или 1 соответствующая попытка детерминирована и может быть вынесена из случайной суммы.
Различие с биномиальной заменой можно измерить через сумму квадратов отклонений вероятностей. Дисперсия Bin(n,p̄) минус точная дисперсия равна Σ(pᵢ−p̄)². Это тождество следует из раскрытия обеих сумм и показывает, что при фиксированном среднем неоднородность уменьшает дисперсию независимого счёта. Для двух вероятностей одна четверть и три четверти сумма квадратов отклонений от половины равна одной восьмой; именно на столько половина больше трёх восьмых. Это утверждение о дисперсии не устанавливает порядок всех хвостовых вероятностей. Сравнивать каждый конкретный хвост всё равно надо по законам или отдельной теореме.
Разобранная задача
Условие. Две независимые попытки успешны с вероятностями 1/4 и 3/4. Найдите вероятности нуля, одного и двух успехов.
- Вероятность нуля равна (3/4)(1/4)=3/16.
- Ровно один успех имеет два несовместимых пути: (1/4)(1/4)=1/16 и (3/4)(3/4)=9/16.
- Сумма путей одного успеха равна 10/16=5/8.
- Вероятность двух успехов равна (1/4)(3/4)=3/16; все три массы дают единицу.
Ответ. Закон X: P(0)=3/16, P(1)=5/8, P(2)=3/16.
Проверка. Среднее закона равно 1, дисперсия равна 3/8. Биномиальная замена с p̄=1/2 дала бы дисперсию 1/2, поэтому совпадения среднего недостаточно.
Где легко ошибиться. Подстановка среднего p в биномиальную формулу теряет неоднородность испытаний и неверно распределяет хвостовую массу.
Проверьте понимание
Вопросы к этой главе
Почему среднее всё же совпадает?
Ожидание линейно по отдельным вероятностям. Вероятности конкретных составов содержат произведения и потому зависят от распределения pᵢ, а не только от их суммы.
Можно ли переставить независимые попытки?
Для конечного счёта успехов да: множители полинома коммутируют. Для момента остановки порядок вероятностей уже может иметь значение.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- SciPy: сумма неоднородных индикаторов
HTML Notes проверен: сумма по успешным подмножествам с отдельными p_i. Независимость и численный пример оговорены в авторском изложении.
Производящая функция суммы независимых индикаторов
Производящая функция превращает сложение независимых счётчиков в умножение полиномов. Коэффициенты полинома сохраняют весь дискретный закон.
Перед началом: Комбинаторный подсчёт конечных исходов; Индикаторы и независимые испытания.
Определение и постановка
Для неотрицательной целочисленной X функция G(z)=E zˣ равна ΣP(X=k)zᵏ. В конечной серии это обычный полином, определённый при любом z.
Вывод и вычислительный критерий
У индикатора Бернулли G(z)=1−p+pz. Независимость даёт E zˣ⁺ʸ=E zˣ E zʸ, поэтому у биномиального счётчика G(z)=(1−p+pz)ⁿ. Производная в единице даёт EX, вторая производная — E[X(X−1)].
Дисперсия восстанавливается как G″(1)+G′(1)−G′(1)². Вторую производную нельзя напрямую назвать вторым обычным моментом: она содержит факториальный момент и требует добавления среднего.
Условия и границы вывода
При зависимости произведение маргинальных функций обычно неверно. В бесконечном носителе надо отдельно контролировать сходимость и существование производных на границе z=1.
Значение G(1)=1 проверяет нормировку, G(0)=P(X=0) извлекает нулевую массу. Отрицательный коэффициент означает ошибку: настоящий вероятностный полином имеет неотрицательные коэффициенты.
При z равном минус единице полином честной серии из трёх испытаний обращается в ноль. Поэтому вероятности чётного и нечётного числа успехов равны половине: их разность кодируется этим значением. При z равном нулю остаётся одна восьмая, то есть вероятность трёх неудач. При z равном двум значение равно двадцати семи восьмым и уже не является вероятностью; это среднее экспоненциального веса два в степени числа успехов. Следовательно, производящая функция может превышать единицу вне единичного интервала аргумента. Её неотрицательные коэффициенты остаются вероятностями, но сами значения функции имеют другой смысл. Нормировка проверяется только в единице.
Формально коэффициент при z² извлекается как G″(0)/2. Деление на факториал обязательно: повторное дифференцирование умножает коэффициент степени два на два. В примере вторая производная в нуле равна трём четвертям, а сама вероятность равна трём восьмым.
Разобранная задача
Условие. Для трёх независимых честных испытаний найдите производящую функцию, вероятность двух успехов и дисперсию.
- Один индикатор имеет полином (1+z)/2, поэтому сумма трёх имеет G(z)=(1+z)³/8.
- Раскрытие даёт коэффициенты (1,3,3,1)/8; при z² стоит вероятность 3/8.
- Первая производная в единице равна 3/2, вторая равна 3/2.
- Дисперсия равна 3/2+3/2−(3/2)²=3/4.
Ответ. G(z)=(1+3z+3z²+z³)/8, вероятность двух успехов 3/8, дисперсия 3/4.
Проверка. Полный перебор восьми бинарных строк даёт числа успехов 0,1,1,2,1,2,2,3. Их первый и второй центральный моменты совпадают с результатом производных.
Где легко ошибиться. G″(1) — факториальный момент, поэтому без слагаемого G′(1) расчёт дисперсии будет неправильным.
Проверьте понимание
Вопросы к этой главе
Что означает произведение полиномов?
Оно реализует свёртку законов: коэффициент при zᵏ суммирует все способы разбить итог k на вклады независимых слагаемых.
Можно ли получить вероятность чётного счёта?
Да. Полусумма G(1)+G(−1) сохраняет только чётные степени. Полуразность аналогично выделяет нечётные значения.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- SciPy: биномиальный закон
HTML Notes проверен: масса биномиального счётчика, область k и параметров. Рекурсии, полиномы и конечные примеры выведены для данной главы.
Какие испытания дали успех: условные вероятности по общему итогу
Известно, что три устройства дали ровно один успешный ответ. Устройства имеют разные надёжности, поэтому равномерно назначить успех одному из них нельзя. Найдём условную вероятность успеха каждого устройства, сохранив точное ограничение на общий итог.
Перед началом: Условная вероятность и конечные суммы.
Событие наблюдения меняет пространство исходов
Пусть независимые индикаторы Xᵢ имеют известные вероятности pᵢ, а S обозначает их сумму. После сообщения S=m остаются только двоичные векторы с ровно m единицами. Исходная независимость позволяет вычислить массу каждого такого вектора произведением вероятностей, но после условного отбора координаты уже связаны. Одни условные маргиналы поэтому не задают независимую схему повторного моделирования.
Прежде всего вычисляют P(S=m). Если эта величина равна нулю, условный закон по обычной формуле не определён. Например, гарантированно успешное устройство несовместимо с сообщением о полном отсутствии успехов. Исправление входных данных в таком случае важнее любого нормирования полученных чисел.
Исключённый множитель даёт нужный числитель
Для выбранного i событие Xᵢ=1 вместе с S=m требует ровно m−1 успехов среди остальных. Независимость до наблюдения даёт P(Xᵢ=1,S=m)=pᵢP(S₋ᵢ=m−1). Деление на положительную массу наблюдённого итога завершает условный расчёт. Вероятность отрицательного количества успехов считаем нулевой; так формула корректно обрабатывает m=0.
Распределение суммы строится последовательной свёрткой множителей (1−pᵢ)+pᵢz. Для каждого числителя повторяем её без одного множителя. В небольшой задаче это удобнее деления полиномов: не возникает особого случая при pᵢ=0 или pᵢ=1. Пустое произведение для единственного устройства равно единице.
Точный контроль и границы интерпретации
Сумма условных вероятностей обязана равняться m: условное ожидание суммы равно уже известному числу. Каждый отдельный результат лежит между нулём и единицей. Эти проверки необходимы одновременно, поскольку правильная сумма сама по себе ещё допускает отрицательные элементы.
При одинаковых внутренних вероятностях симметрия даёт каждому устройству m/n, но равенство без симметрии обычно неверно. При m=1 относительные массы устройств пропорциональны шансам pᵢ/(1−pᵢ), если все вероятности строго внутри единичного интервала. Это дополнительная проверка выбранного примера, а не универсальная замена алгоритму для граничных pᵢ.
Три устройства с разной надёжностью
Условие. Три независимых устройства имеют вероятности успеха 1/4, 1/2 и 3/4. Наблюдался ровно один успех. Найдите условные вероятности для всех устройств.
- Перечисляем все совместимые исходы: 100, 010 и 001. Другие пять двоичных исходов исключаются самим сообщением об итоге.
- Их исходные массы равны соответственно 1/32, 3/32 и 9/32. Сумма масс события S=1 составляет 13/32.
- Нормируем каждую массу одним и тем же положительным знаменателем 13/32. Получаем 1/13, 3/13 и 9/13.
- Проверяем сумму: 1/13+3/13+9/13=1. Наиболее надёжное устройство чаще объясняет единственный успех, но его условная вероятность не равна исходным 3/4.
Ответ. Условные вероятности равны (1/13, 3/13, 9/13). Вероятность самого наблюдённого итога — 13/32.
Проверка. Независимый расчёт по шансам даёт отношения 1/3:1:3. Их нормирование возвращает тот же вектор. Полное перечисление восьми исходов также проверяет знаменатель, не используя рекурсию свёртки.
Где легко ошибиться. Не делите исходные вероятности на их сумму: это другая модель выбора устройства. При единственном успехе нужно учитывать также неуспех всех конкурирующих устройств, поэтому появляются шансы, а не только исходные pᵢ.
Какие испытания успешны при известной сумме
1–16 независимых испытаний с вероятностями от 0 до 1; десятичные числа или дроби. Итог m — целое от 0 до числа испытаний. Нулевой шанс указанного итога означает, что условный закон не определён.
Проверьте понимание
Вопросы к этой главе
Можно ли затем независимо разыграть найденные условные вероятности?
Нет. Такой розыгрыш вновь допускает ноль или несколько успехов. Условная модель требует ровно m единиц и сохраняет зависимость между индикаторами.
Что меняется при m=n?
Если вероятность общего успеха положительна, каждое устройство условно успешно с вероятностью один. Когда хотя бы одно pᵢ равно нулю, наблюдение невозможно и условные числа не определены.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Heng, Jacob, Ju: conditional Bernoulli, §1.1
Вебом прочитано определение условного Bernoulli и его носителя в §1.1, страницы 1–2 PDF. Здесь собственные маргинальные выводы и числа; MCMC и доказательство скорости смешивания не используются.
Приближение Пуассоном: единая граница ошибки всех событий
Пуассоновская замена редких независимых успехов удобна, но требует численной гарантии ошибки. Найдём одну границу, которая контролирует вероятность любого события счётчика, и проверим её на событии хотя бы одного успеха.
Перед началом: Условная вероятность; Дискретное среднее или интеграл плотности.
Одна нормировка полной вариации
Пусть S — сумма независимых Bernoulli с вероятностями pᵢ, а Z имеет закон Poisson с параметром λ=Σpᵢ. Используем dTV(S,Z)=sup_E|P(S∈E)−P(Z∈E)|. Для дискретных законов это половина суммы модулей разностей масс. Если забыть слово «половина», коэффициент в одной и той же оценке изменится.
Граница Ле Кама в этой нормировке даёт dTV(S,Z)≤Σpᵢ². Её можно дополнительно ограничить единицей. Она относится к абсолютной ошибке вероятности события, а не к относительной ошибке маленького хвоста. Даже малая абсолютная погрешность способна быть большой долей чрезвычайно редкой вероятности.
От одного испытания к сумме
Сначала сравним Bernoulli(p) и Poisson(p). Масса первого закона превосходит массу второго только в точке один. Поэтому их полная вариация равна p−pe^(−p)=p(1−e^(−p))≤p². Последний переход использует 1−e^(−p)≤p для p≥0.
Для каждой координаты можно построить сопряжение с вероятностью несовпадения, равной её полной вариации. Выбирая такие пары независимо по координатам, сохраняем нужную независимость обоих наборов. Суммы могут различаться только тогда, когда различается хотя бы одна пара. Объединённая граница даёт сумму pᵢ²; сумма независимых Poisson имеет параметр λ.
Когда замена действительно полезна
Требуемую точность δ проверяют по сумме квадратов, а не только по малости среднего отдельного p. При фиксированном λ множество более мелких вероятностей обычно уменьшает эту сумму; одна большая вероятность способна сделать гарантию слабой. Независимость остаётся обязательной, даже если каждое событие по отдельности редко.
Гарантия одновременно покрывает нулевой исход, любой целочисленный интервал и любой хвост. После выбора конкретного события можно дополнительно вычислить его точную вероятность и получить меньшую фактическую ошибку. Это не нарушает общую оценку: она заведомо защищает от худшего события, а не обещает точное значение погрешности.
Три неодинаковые редкие попытки
Условие. Три независимых попытки имеют вероятности успеха 1/100, 2/100 и 3/100. Найдите параметр Poisson, границу полной вариации и фактическую ошибку замены вероятности хотя бы одного успеха.
- Сумма вероятностей λ=6/100=3/50. Сумма квадратов равна (1+4+9)/10000=7/5000.
- Точная вероятность ни одного успеха равна (99/100)(98/100)(97/100)=470547/500000. Поэтому вероятность хотя бы одного равна 29453/500000=0,058906.
- Пуассоновская вероятность хотя бы одного равна 1−e^(−3/50), приблизительно 0,0582354664. Абсолютная разность приблизительно 0,0006705336.
- Фактическая ошибка меньше гарантии 7/5000=0,0014. Общая граница применима и к другим событиям, которые в примере не вычислялись отдельно.
Ответ. λ=3/50; dTV≤7/5000; ошибка события хотя бы одного успеха приблизительно 0,0006705336.
Проверка. Независимая проверка экспоненты использует знакопеременный ряд e^(−3/50). Его соседние частичные суммы дают рациональные границы, внутри которых лежит указанная ошибка и которые строго меньше 7/5000. Точная вероятность проверяется полным перечислением восьми исходов.
Где легко ошибиться. Не выдавайте сумму вероятностей λ за оценку ошибки. Она задаёт среднее приближённого закона. Также нельзя объявлять относительную точность хвоста равной границе полной вариации без деления на саму вероятность выбранного события.
Проверьте понимание
Вопросы к этой главе
Нужно ли, чтобы все pᵢ совпадали?
Нет. Неодинаковые вероятности допустимы, но независимость нужна. Биномиальный частный случай получается при одинаковых p; сама оценка контролирует более общее распределение суммы.
Что происходит при λ=0?
Все неотрицательные pᵢ тогда нулевые. Оба счётчика тождественно равны нулю, сумма квадратов и полная вариация тоже нулевые; условная формула с делением на λ здесь не нужна.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Le Cam 1960, Proposition 1
Прочитаны определения независимой суммы, нормы и Proposition 1 на страницах 1181–1184: норма в статье вдвое больше используемой здесь dTV. Элементарное доказательство сопряжением и численный пример составлены отдельно.
Оценка обратной вероятности: тождество со сдвинутым биномиальным счётом
Среднее обратной величины нельзя получить обращением среднего. Для биномиального счётчика сдвиг на единицу позволяет вычислить ожидание точно и увидеть влияние события без успехов.
Перед началом: Условная вероятность; Точная арифметика.
Сначала задайте ограниченную функцию
Пусть X~Bin(n,p), n — фиксированное неотрицательное целое. Величина 1/(X+1) определена даже при X=0 и не превосходит единицы. Поэтому её математическое ожидание существует при любом p от нуля до единицы. При этом функция выпукла по X, так что подстановка 1/(np+1) обычно занижает настоящее среднее. В отличие от 1/X здесь нет бесконечности на событии нулевого счёта; сдвиг изменяет сам оцениваемый функционал.
Сумма превращается в дополнительное испытание
В биномиальной сумме используем тождество C(n,k)/(k+1)=C(n+1,k+1)/(n+1). Для p>0 умножение числителя и знаменателя на p переводит pᵏ в pᵏ⁺¹. Получаем E[1/(X+1)]=[1−(1−p)^(n+1)]/[(n+1)p]. Вычтенное слагаемое соответствует нулю успехов в дополнительном биномиальном счёте n+1. Это точное равенство конечных сумм, не предельная аппроксимация и не утверждение о несмещённости оценки 1/p.
Границы проверяют формулу
При p=0 счётчик равен нулю и ответ равен единице; дробная запись имеет устранимую особенность, которую нельзя вычислять обычным делением на ноль. При p=1 ответ равен 1/(n+1), что совпадает с детерминированным X=n. Для положительного p среднее (n+1)/(X+1) не равно 1/p: оно содержит множитель 1−(1−p)^(n+1). Следовательно, привлекательная обратная формула остаётся смещённой при конечном объёме. Перед выбором оценки надо отличать вычислимое тождество от желаемого свойства параметрической оценки.
Разобранная задача
Условие. Пусть X~Bin(2,1/2). Найдите E[1/(X+1)], сравните его с 1/(EX+1) и проверьте точное тождество со сдвинутым счётом.
- Закон X имеет массы 1/4,1/2,1/4 в точках 0,1,2. Значения функции равны 1,1/2,1/3.
- Взвешенная сумма равна 1/4+1/4+1/12=7/12. Каждая масса относится к отдельному возможному счёту.
- Средний счёт EX=1, поэтому подстановка даёт 1/2. Это меньше 7/12 на 1/12 и соответствует направлению неравенства выпуклости.
- Тождество даёт [1−(1/2)³]/[3·(1/2)]=(7/8)/(3/2)=7/12, совпадая с перечислением.
Ответ. Точное ожидание равно 7/12; обращение сдвинутого среднего даёт только 1/2.
Проверка. Интегральное представление 1/(k+1)=∫₀¹tᵏdt даёт E=∫₀¹[(1+t)/2]²dt. Прямое интегрирование полинома также приводит к 7/12 и не использует комбинаторного сдвига.
Где легко ошибиться. Наличие обратного p в итоговой формуле не превращает (n+1)/(X+1) в несмещённую оценку 1/p. Конечный поправочный множитель нельзя просто отбросить без указания предельного режима.
Проверьте понимание
Вопросы к этой главе
Можно ли пользоваться формулой при n=0?
Да. X всегда ноль, а выражение при p>0 равно p/p=1. Край p=0 задаётся непосредственным определением.
Почему сдвиг на единицу полезен?
Он устраняет сингулярность при X=0 и согласует знаменатель с комбинаторным коэффициентом следующего порядка. Это иной объект, чем обратный исходный счёт.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- R Core: The Binomial Distribution
Биномиальная масса и конечная поддержка; ожидание обратного сдвинутого счётчика вычисляется точной суммой.
Двухэтапный план: точные ошибки и средний объём с ранним выходом
После двух испытаний можно остановиться при нуле или двух успехах, а при одном выполнить ещё два. Итоговый порог три даёт размер 3/8 под p=1/2, а не 5/16 фиксированного теста из четырёх наблюдений. Посчитаем и ошибку, и средний объём.
Перед началом: Биномиальный закон и хвосты; Разбиение опыта по исходу первого этапа.
Правило состоит из трёх заранее заданных решений
Два независимых блока Bernoulli с одной неизвестной вероятностью p; объёмы и три порога объявлены до данных.
Первый блок имеет объём n₁ и счёт X₁. Если X₁≤f, прекращаем без отклонения. Если X₁≥e, прекращаем с отклонением. При f<X₁<e собираем независимый второй блок объёма n₂ со счётом X₂ и отклоняем, когда X₁+X₂≥c. Пороги f<e не пересекаются. Все эти решения входят в план; нельзя после наблюдения выбрать ту ветвь, которая даёт более привлекательный вывод.
Сами испытания продолжающегося блока имеют прежнюю вероятность p и независимы от первого. Но окончательный объём N уже случаен, поскольку решение собирать второй блок зависит от X₁. Поэтому безусловный итоговый счёт не имеет просто закона Bin(n₁+n₂,p). Часть возможных полных последовательностей вообще не наблюдается после раннего выхода.
Вероятность отклонения суммируется по остановленным ветвям
Обозначим биномиальную массу первого счёта через b₁(x;p). Точная функция отклонения равна R(p)=Pₚ(X₁≥e)+Σₓ₌f₊₁ᵉ⁻¹b₁(x;p)Pₚ(X₂≥c−x). Если остаточный порог неположителен, внутренний хвост равен единице; если больше n₂, он равен нулю. Это правило сохраняет и крайние допустимые конструкции, включая отсутствие области продолжения.
Размер при простом нуле p₀ равен R(p₀), а мощность при p₁ равна R(p₁). Для верхнехвостового монотонного плана худшая вероятность отклонения на p≤p₀ достигается при p₀: общие равномерные случайные числа позволяют связать Bernoulli-исходы так, чтобы увеличение p не уменьшало ни один успех. Однако заранее выбранное число α не входит в эту формулу автоматически: cutoffs ещё нужно отдельно проверить на R(p₀)≤α.
Экономия наблюдений не тождественна сохранению ошибки
Продолжение происходит с вероятностью q(p)=Pₚ(f<X₁<e). Поэтому EₚN=n₁+n₂q(p). Ранний выход уменьшает расход, но верхний ранний порог может добавить отклонения, которых не было бы при обязательном полном блоке. Напротив, правильно выбранная нижняя бесперспективная ветвь иногда экономит наблюдения, не меняя итогового события отклонения. Оба свойства проверяются по конкретным порогам, а не по названию дизайна.
Двухэтапность отличается от бесконтрольного многократного подглядывания. Мы перечисляем конечное правило для всех данных и вычисляем его частоту срабатывания. Если второй объём или пороги меняются после просмотра данных, пространство ветвей тоже меняется и расчёт необходимо повторить. Это учебная Bernoulli-схема; она не подбирает оптимальный прикладной протокол из одних желаемых ошибок.
Два наблюдения сразу и ещё два только при продолжении
Условие. n₁=n₂=2,f=0,e=2,c=3. После первого блока при 0 успехов не отклоняем, при 2 отклоняем; при 1 собираем второй блок и требуем общий счёт≥3. Найдите R(p), размер при p₀=1/2, мощность при p₁=3/4 и оба средних объёма.
- Раннее отклонение имеет вероятность p². Продолжение происходит только при X₁=1 с вероятностью 2p(1−p). Тогда во втором блоке нужны оба успеха, вероятностьp².
- Следовательно R(p)=p²+2p(1−p)p²=p²+2p³−2p⁴. Ранняя бесперспективность при X₁=0 не даёт отклонений.
- При p₀=1/2 получаем 1/4+1/4−1/8=3/8. При p₁=3/4 получаем(144+216−162)/256=99/128.
- Средний объём равен 2+2·2p(1−p). При нуле это 3 наблюдения, при альтернативе —11/4.
- Фиксированный тест четырёх испытаний с порогом 3 имел бы размер 5/16. Новый план дополнительно отклоняет на полном слове 1100 с массой 1/16 под нулём: первые два успеха уже остановили опыт. Поэтому 3/8=5/16+1/16.
Ответ. R(p)=p²+2p³−2p⁴. Размер 3/8, мощность 99/128, средние объёмы 3 и 11/4.
Проверка. Перебор 16 полных двоичных слов при p₀=1/2 даёт шесть отклоняемых слов после применения раннего правила. Для альтернативы те же слова взвешиваются p₁^s(1−p₁)^(4−s); фиктивные ненаблюдаемые хвосты суммируются и воспроизводят 99/128.
Где легко ошибиться. Не вычисляйте размер двухэтапного правила по одному хвосту Bin(n₁+n₂,p₀), если ранняя ветвь уже могла отклонить при недостаточном последующем итоговом счёте.
Два этапа: отклонение и средний объём
Два независимых блока одинаковых Bernoulli. После первого: X₁≤f — остановка без отклонения, X₁≥e — отклонение, иначе второй блок; затем отклонение при X₁+X₂≥c. Пороги заданы заранее. Калькулятор вычисляет фактический размер и мощность; он не подбирает уровень автоматически. n₁,n₂=1…150.
Проверьте понимание
Вопросы к этой главе
Почему во второй блок не нужно включать вероятность продолжения ещё раз?
В сумме она уже содержится в биномиальной массе первого счёта. Внутренний хвост условен на этот счёт; повторное умножение занизило бы вероятность ветви.
Станет ли фактический размер автоматически равным 0,05?
Нет. Он определяется объёмами и порогами. В примере он равен 3/8; чтобы требовать 0,05, нужен другой заранее проверенный план, а не переименование полученного числа.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Richard Simon, Optimal Two-Stage Designs, NCI,1989
Двухэтапная биномиальная схема с ранней бесперспективностью, точными ошибками и средним объёмом. Верхний ранний порог и маленький пример здесь заданы дополнительно и не названы оптимальным дизайном Саймона.
Частотный прогноз будущего счёта: убрать p условием на общий итог
Общий неизвестный шанс исчезает после условия на сумму двух счётчиков. Обращая гипергеометрические хвосты по возможному будущему результату, получаем прогноз без prior. Его гарантия относится к совместному повторению прошлого и будущего блоков, а не к каждому уже наблюдённому X.
Перед началом: Биномиальный и гипергеометрический законы; Частотное покрытие процедуры.
Неизвестный параметр сокращается при фиксированной сумме
Независимые X~Bin(n,p) и Y~Bin(m,p) с одним фиксированным неизвестным p. Объёмы обоих блоков заданы заранее; прогноз строится для будущего счётчика Y.
Положим T=X+Y. При T=t вероятность X=k равна C(n,k)C(m,t−k)/C(n+m,t) на допустимой поддержке. В совместной массе сокращаются pᵗ(1−p)ⁿ⁺ᵐ⁻ᵗ. Получается закон размещения t успехов между двумя заранее обозначенными блоками, не зависящий от p. Здесь неизвестна вероятность успеха, а не конечное число успехов в физической партии.
Для каждого t заранее оставим значения k, у которых оба включающих наблюдаемую точку хвоста строго больше α/2: P(X≤k|T=t)>α/2 и P(X≥k|T=t)>α/2. Суммарная вероятность исключённых точек не превосходит α. Строгость знаков нужна для однозначного обращения дискретных хвостов; случайное разбиение граничной массы здесь не применяется.
Будущее значение проверяет собственную условную таблицу
После наблюдения X=x переберём все y от нуля до m. Для каждого кандидата вычисляем t=x+y и проверяем, входит ли x в подготовленную область для этой суммы. Допустимые кандидаты образуют прогнозное множество C(x). Нельзя один раз зафиксировать t по оценке будущего: разные y используют разные условные таблицы. Иначе исчезает точное тождество события Y∈C(X) условному принятию X при фактической T.
В каждом слое T=t вероятность покрытия не ниже 1−α. Усреднение по истинному распределению T сохраняет эту границу для любого фиксированного p, включая вырожденные p=0 и p=1 по их единственным возможным слоям. Процедура не распределяет вероятность по p и не требует априорного закона. Это отличается и от интервала для самого параметра, и от байесовского предиктивного распределения.
Условие на сумму не является условием на увиденное прошлое
После фактического x параметр остаётся фиксированным неизвестным. Гарантия Pₚ(Y∈C(X))≥1−α не обещает Pₚ(Y∈C(x)|X=x)≥1−α для каждого x. Эти вероятности усредняют разные величины. При независимых блоках и известном конкретном p будущий Y всё равно имеет Bin(m,p), даже если прошлый результат оказался редким.
Дискретность может заметно увеличить фактическое покрытие. Проверять его удобно сначала для каждого t, затем прямой суммой совместных биномиальных масс. Нулевая оценка x/n не обнуляет будущее множество: отсутствие успехов в коротком прошлом не устанавливает p=0. При дрейфе вероятности между блоками сокращение общего p уже неверно, и прежняя гарантия теряется.
Ноль из четырёх и ещё четыре будущие попытки
Условие. Пусть n=m=4, общий уровень ошибки α=1/5. Наблюдено X=0. Найдите C(0) по двум условным хвостам и проверьте смысл покрытия при p=1/2.
- При x=0 верхний включающий хвост всегда равен единице. Нижний при t=y равен C(4,y)/C(8,y). Для y=0,1,2 это 1,1/2,3/14 — все больше α/2=1/10.
- Для y=3 и 4 нижние хвосты равны 1/14 и 1/70, поэтому оба кандидата исключаются. Получено C(0)={0,1,2}.
- Перечислим условные слои: при t=3 и 5 покрытие равно 6/7, при t=4 равно 34/35, во всех остальных равно единице. Каждое значение не меньше 4/5.
- При p=1/2 условное по X=0 будущее покрытие равно P(Bin(4,1/2)≤2)=11/16, что меньше 4/5. Это не нарушает гарантию по T.
- В совместном повторении обоих блоков при p=1/2 вероятность непокрытия равна 18/256, поэтому фактическое покрытие 119/128.
Ответ. Прогнозное множество {0,1,2}; совместное покрытие при p=1/2 равно 119/128, но условное после X=0 равно лишь 11/16.
Проверка. В слоях t=3,5 исключённая масса 1/7; в слое 4 — 1/35. Их веса при p=1/2 равны 56/256,56/256,70/256. Взвешенная сумма непокрытия (8+8+2)/256=18/256 подтверждает прямой совместный расчёт.
Где легко ошибиться. Не подписывайте частотное прогнозное множество как posterior вероятность будущего после конкретного X. Условия на T и на X не взаимозаменяемы.
Проверьте понимание
Вопросы к этой главе
Почему в условии появляется ещё не наблюдённая сумма?
Это средство построения процедуры на полном пространстве пар (x,y). При вычислении C(x) перебирают кандидаты y; после реализации будущего его истинная сумма автоматически выбирает нужный слой для доказательства покрытия.
Нужно ли оценить p перед перебором?
Нет. Гипергеометрические хвосты не содержат p. Подстановка оценки может дать другой, более узкий прогноз, но для него потребовалось бы отдельно доказывать покрытие.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Krishnamoorthy и Peng, Improved Closed-Form Prediction Intervals, §2.1.1
Поддерживает точный прогноз обращением условного закона X при X+Y и различие точного и другого условного методов. Здесь дан собственный малый пример с послойной проверкой гарантии.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Как посчитать биномиальную вероятность между двумя границами
Переводим двойное ограничение в точный набор целых значений, складываем биномиальные массы и проверяем обе границы через накопленные вероятности.
Открыть темуКогда порядок выбранных предметов не создаёт новый вариант
Считаем группы без должностей и порядка, объясняем деление на перестановки внутри выбранной группы и отличаем сочетания от упорядоченного выбора.
Открыть тему