首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >数学救命:决斗中的概率问题!

数学救命:决斗中的概率问题!

作者头像
大数据文摘
发布于 2018-05-21 03:10:24
发布于 2018-05-21 03:10:24
2.7K0
举报
文章被收录于专栏:大数据文摘大数据文摘

大数据文摘作品,欢迎个人转发朋友圈;其他机构、自媒体转载,务必后台留言,申请授权。

摘自:墨绿万精油的博客

网址:http://blog.sina.com.cn/u/2558582594

三人决斗问题在网上流传很久了,甚至有人已经把它写进书里。这个大家熟悉的题目我本来没有想把它放到我的微博上。可是,上周在@数学文化 的微博上看见他推荐一个两人决斗问题,我觉得过于简单,于是把这个三人决斗问题拿出来作比较。题目出来一个星期了,想写一个答案算交差,没想到越写越长,140字的微博不够,于是干脆把它加长成一篇博客文章。

先说那个两人决斗问题。说是两个人搞“俄罗斯轮盘赌”,一个可以装六颗子弹的手枪里装了一颗子弹。随机转盘以后两个人轮流用枪对准对方额头射击。每次打枪后重新转盘。问是先开枪划算还是后开枪划算,并算先开枪和后开枪的存活率。因为每次打枪后重新转盘。所以想都不用想肯定是先开枪的划算。至于先后的存活率,后开枪的人要在第一枪没有被打死的情况下(概率是5/6)才能达到与先开枪的人相同的状态。所以,后开枪的人的存活率是先开枪的人的存活率的5/6 。再加上两人的存活率之和是一,可以得出先开枪与后开枪的存活率分别为6/11和5/11 。所以我说这个问题过于简单。

其实,上面那个题篡改了“俄罗斯轮盘赌”。真正的“俄罗斯轮盘赌”是随机转盘后对准自己额头打,而且每次打完不再转盘,自动转进下一个子弹位。在这种情况下问先开枪划算还是后开枪划算就是一个很好的条件概率题。第一枪被打死的概率是1/6 。第二枪被打死的概率是5/6×1/5,还是1/6 ,以此类推。当然如果对题目理解的很清楚,根本就不需要算。第K枪死的概率就是子弹在第K个弹腔的概率,因为是随机的,每个位置的概率都是1/6,所以先打后打都一样。

三人的情况就要有意思得多。从两人到三人有点像从二体运动到三体运动。因为二体运动必须是平面运动,简单解一解F=M*a 就可以有结果。三体问题要复杂得多,根本没有解析解。牛顿庞加莱这些大家都没有办法。当然,这个三人决斗问题只是比两人决斗问题麻烦一点,比三体问题那是要简单多了。

先叙述一下三人决斗问题。A,B, C 三人决斗。已知A的枪法奇准,百发百中。B次之,三枪命中两枪。C最差,三枪只能打中一枪。决斗的方式是三人轮流开枪,每次只能开一枪,可以随便选向谁开枪。为公平起见,他们决定让C先开枪。然后是B(如果还活着),最后是A(如果还活着)。如果一轮结束后还有超过一人活着,再按CBA循环。问:在上面给出的条件下,每人的最佳策略是什么?如果大家都采用最佳策略,每人的存活率是多少?

首先,在三人都在的情况下,开枪的人应该打另外两人中命中率高的,因为如果他打中就轮到剩下的那个人打他,当然希望命中率不高的人剩下。所以A, B肯定互射,而最差的C被当着老弱病残保护起来。那么C是不是该打A呢?如果他打中A,那么该B来打他。他知道有三人存在时A,B都不会来打他,打掉一人反倒对他不利。所以他的最佳策略是放空枪。等A,B相互之间干掉一人后轮他先打,不管命中率如何差,两人中先开枪总是划算的。这就是所谓鹬蚌相争,渔翁得利。

有了这个策略以后,算存活率就是很直接的概率题了。在A的命中率是1 (100%) 情况下,B和C的命中率对每人的存活率的影响很不一样。为了求一个通式,我们假设B的命中率是b,C的命中率是c 。按题目假设,我们有1 > b > c >0。通过一些推导,我们可以得出A,B,C的存活率分别为:

A:(1-c)*(1-b)

B: b-b*c/(b+c-b*c)

C: c+b*c*(1/(b+c-b*c)-1)

为了不把这篇文章变成数学论文,这个解的具体推导就留成作业好了。

我们最初叙述的这道题就是当b= 2/3,c=1/3 的特例。在这个情形下,我们有A,B,C的存活率分别是:2/9,8/21,25/63 。

当然,这道题有趣的是在b,c取各种值所得的各种结果。我做了三个A,B,C存活率的图如下。下图中,b分别为2/3,1/2,1/3,横坐标是C的命中率,从0到相应的b。Y坐标是存活率。

可以看到在b=2/3时,虽然A的命中率最高,但他的存活率(红色)一直在B的存活率(蓝色)下面。甚至当c比0.2多一点以后,C的存活率(绿色)也比A高。这个图告诉我们在制度不好的时候,优秀人物并不一定混得更好。所谓"枪打出头鸟",“出头的椽子先烂”,“木秀于林,风必摧之”都是同一个机制。坏制度不能保护他们这些出头鸟。

不过,要想比出头鸟混得更好自己的本事也不能太差。当b=1/2(或以下)时,蓝线一直在红线之下。也就是说即使有制度保护,B也永远不会比A混得更好。这就是通常所说的稀泥糊不上墙。阿斗当不好皇帝,虽然有刘皇叔托孤,诸葛亮撑腰。

三个图都有一个共性,那就是当C的命中率接近B的命中率一半以后,C的存活率就比B还好。这这也是一个常见现象,中等水平的人常吃亏。因为他们本事不够,自己上不去,又没有坏到需要制度照顾,最后的结果就是吃亏。美国这边现实的例子就是孩子上大学的学费问题。真正的富人是不在乎这点钱的。而收入不够的人可以申请资助,只有中产阶级,学费压力很大,却不能申请资助。

C的存活率甚至有时候比A还高。不过,当b更小的时候(比如1/3),红线就一直在蓝,绿之上了。这就是为什么许多统治阶层要搞愚民政策。下面的人水平太差以后,无论怎么钻空子(比如开空枪),上面的人都总是有优势。

受过数学训练的人读到这里,想要问的一个很自然的问题就是,什么时候A,B,C的存活率相等(都等于1/3)。有了前面的公式,我们不难算出,当c=(5-√7)/9,b=(√7-1)/3 时,A,B,C的存活率都等于1/3。(顺便说一下,如果找不到正确方法,要求出这个平衡点需要解一个四次方程。但如果找到正确方法,只需解一个二次方程就可以了,还是留成习题吧)。

这个平衡点表面看起来有点象三权鼎立,但这种表面上的相等其实很不公平。比C优秀差不多4倍的A在这个规则下得到的结果只不过与C相同而已。有点象社会主义。从前的大学生毕业,不管好坏一律都是56块半的工资。这种制度不能鼓励优秀人士,对社会的整体进步没有好处。

学佛的人常说一滴水珠看世界,所谓“滴水藏海”。我用这个三人决斗的趣味题目来看社会现象,搞笑之作,希望有人能欣赏。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2015-06-24,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据文摘 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
博弈论(二)——枪法最差的产品经理如何战胜枪法最好的工程师
产品经理与前端工程师、后端工程师由于需求问题产生了不可调和的矛盾。于是三个人决定在王者荣耀里面一决生死。
青南
2019/04/25
3930
【优化算法】遗传算法(Genetic Algorithm) (附代码及注释)
遗传算法(Genetic Algorithm, GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。
短短的路走走停停
2019/05/14
28K2
【优化算法】遗传算法(Genetic Algorithm) (附代码及注释)
干货 | 遗传算法(Genetic Algorithm) (附代码及注释)
本文目录 01遗传算法定义 02生物学术语 03问题导入 04大体实现 05具体细节 06代码实现 字数 6739 字 阅读 预计阅读时间20分钟 01 什么是遗传算法? 1.1 遗传算法的科学定义
用户1621951
2018/06/11
26.7K0
《智领未来:C++ 与遗传算法在 AI 模型参数优化中的深度融合》
在人工智能领域,模型的性能往往取决于众多参数的合理设置。而遗传算法,作为一种强大的优化工具,为寻找最优参数提供了一种高效且智能的途径。当我们将遗传算法与 C++的高效性能相结合时,更能在人工智能模型参数优化中大展身手。本文将深入探讨在 C++中实现遗传算法并应用于人工智能模型参数优化的具体步骤,带您领略这一技术融合的魅力与奥秘。
程序员阿伟
2024/12/18
2270
大吉大利,今晚如何用 Python 解锁“吃鸡”的正确姿势
大吉大利,今晚吃鸡~ 今天跟朋友玩了几把吃鸡,经历了各种死法,还被嘲笑说论女生吃鸡的100种死法,比如被拳头抡死、跳伞落到房顶边缘摔死 、把吃鸡玩成飞车被车技秀死、被队友用燃烧瓶烧死的。这种游戏对我来说就是一个让我明白原来还有这种死法的游戏。但是玩归玩,还是得假装一下我沉迷学习,所以今天就用吃鸡比赛的真实数据来看看如何提高你吃鸡的概率。
IT派
2018/08/10
5580
大吉大利,今晚如何用 Python 解锁“吃鸡”的正确姿势
一文读懂机器学习算法的基本概念和适用场景
首先,引用一句英国统计学家George E. P. Box的名言:All models are wrong, but some are useful. 没有哪一种算法能够适用所有情况,只有针对某一种问题更有用的算法。
算法进阶
2023/08/28
4400
一文读懂机器学习算法的基本概念和适用场景
从最大似然到EM算法浅解「建议收藏」
机器学习十大算法之一:EM算法。能评得上十大之一,让人听起来觉得挺NB的。什么是NB啊,我们一般说某个人很NB,是因为他能解决一些别人解决不了的问题。神为什么是神,因为神能做很多人做不了的事。那么EM算法能解决什么问题呢?或者说EM算法是因为什么而来到这个世界上,还吸引了那么多世人的目光。
全栈程序员站长
2022/06/27
4390
从最大似然到EM算法浅解「建议收藏」
机器学习(16)——EM算法示例
算法思想:含有隐变量的极大似然估计 我们经常会从样本观察数据中,找出样本的模型参数。 最常用的方法就是极大化模型分布的对数似然函数。 但是在一些情况下,我们得到的观察数据有未观察到的隐含数据,此时我们未知的有隐含数据和模型参数,因而无法直接用极大化对数似然函数得到模型分布的参数。怎么办呢?这就是EM算法可以派上用场的地方了。那么先复习一下极大似然估计。 极大似然估计(MLE) 直接举个例子: 某位同学与一位猎人一起外出打猎,一只野兔从前方窜过。只听一声枪响,野兔应声到下,如果要你推测,这一发命中的子弹是谁打
DC童生
2018/04/27
1.6K0
机器学习(16)——EM算法示例
NATURE COMMUNICATIONS: 内部控制信念在结果评估中塑造了正性情绪
体验可控的事件对人类的主观幸福感至关重要。基于经典心理学理论,作者考察了内部控制信念对任务结果、神经动力学和随后的行为偏好的情绪评估的影响。在三个连续的研究中,作者发现当被试相信他们的行为导致了一个给定的结果时,正性情绪会增加,并从质上转向了与自我评价相关的自豪感。作者进一步证明这些结果与大脑网络处理中大脑皮层中线的自我参照功能有关。成功和控制感在大脑活动上收敛于腹内侧前额叶皮层。此外,这些情绪变化也与腹侧纹状体和皮质中线结构之间的功能连接增强有关。最后,自豪反应可以预测控制偏好,即使是以金钱为代价的情况下。该研究扩展了正性情绪和幸福感的最新模型,并强调了控制信念驱动的内在动机。本文发表在NATURE COMMUNICATIONS杂志。
用户1279583
2020/04/07
8090
【数据统计】:领先时间偏差 、病程长短偏差、检查悖论
哈喽,大家好!本期将给大家介绍在筛查试验的统计分析过程中可能会遇到的三种类型偏差:领先时间偏差(Lead-time bias) 、病程长短偏差(Length-time bias)、检查悖论(Length-biased sampling)
WEBJ2EE
2023/09/02
4K0
【数据统计】:领先时间偏差 、病程长短偏差、检查悖论
没有公式如何看懂EM算法?
EM(Expectation Maximization: 期望最大化)这个问题感觉真的不太好用通俗的语言去说明白,因为它很简单,又很复杂。简单在于它的思想,简单在于其仅包含了两个步骤就能完成强大的功能,复杂在于它的数学推理涉及到比较繁杂的概率公式等。如果只讲简单的,就丢失了EM算法的精髓,如果只讲数学推理,又过于枯燥和生涩,但另一方面,想把两者结合起来也不是件容易的事。 一、最大似然 扯了太多,得入正题了。假设我们遇到的是下面这样的问题: 假设我们需要调查我们学校的男生和女生的身高分布。你怎
智能算法
2018/04/03
7570
没有公式如何看懂EM算法?
重磅 | Facebook 田渊栋详解:深度学习如何进行游戏推理?
AI科技评论按:腾讯围棋 AI 程序“绝艺”(Fine Art)在世界电脑围棋大赛 UEC 上力压多支日韩参赛退伍获得冠军,一时间又引发了大家对 AI 和围棋的关注和讨论。 其实,自去年 3 月份 AlphaGo 战胜李世石之后,人们对会下围棋的人工智能程序已经不陌生了。大部分人都知道 AlphaGo 是利用了一种名叫深度学习的技术,然后基于互联网棋谱大数据的支持,每天自己跟自己对弈,所以才能这么厉害。 但鲜有人知道的是:在围棋这种逻辑缜密的推理游戏中,AI 究竟是怎么“思考”每一步的落子的?AI 真的清楚
AI科技评论
2018/03/12
8610
重磅 | Facebook 田渊栋详解:深度学习如何进行游戏推理?
为什么真正聪明的人都是概率高手?(零公式入门篇)
这或者是因为他们小时候的生活环境是个天然的概率训练场,或者是因为大脑本身就是一个概率机器。
IT阅读排行榜
2019/10/21
6720
为什么真正聪明的人都是概率高手?(零公式入门篇)
从最大似然到EM算法浅解
机器学习十大算法之一:EM算法。能评得上十大之一,让人听起来觉得挺NB的。什么是NB啊,我们一般说某个人很NB,是因为他能解决一些别人解决不了的问题。神为什么是神,因为神能做很多人做不了的事。那么EM算法能解决什么问题呢?或者说EM算法是因为什么而来到这个世界上,还吸引了那么多世人的目光。 我希望自己能通俗地把它理解或者说明白,但是,EM这个问题感觉真的不太好用通俗的语言去说明白,因为它很简单,又很复杂。简单在于它的思想,简单在于其仅包含了两个步骤就能完成强大的功能,复杂在于它的数学推理
机器学习AI算法工程
2018/03/12
1.4K0
从最大似然到EM算法浅解
我们向GPT-3问了15908个问题,终于发现了它的真面目
在前段时间,OpenAI开放了GPT-3的API,人们争相申请成功后,用该API做出了许多令人惊艳的应用,也展现了GPT-3近乎拟人的能力。只需要少量示例,GPT-3就能学会生成网页、图表、代码、文本、推理,甚至编写Keras代码。
AI科技评论
2020/09/14
7930
我们向GPT-3问了15908个问题,终于发现了它的真面目
神经网络训练中的Tricks之高效BP(反向传播算法)
Tricks!这是一个让人听了充满神秘和好奇的词。对于我们这些所谓的尝试应用机器学习技术解决某些问题的人,更是如此。曾记得,我们绞尽脑汁,搓手顿足,大喊“为什么我跑的模型不work?”,“为什么我实现的效果那么差?”,“为什么我复现的结果没有他论文里面说的那么好?”。有人会和你说“你不懂调参!里面有很多Tricks的!”,“可能作者没有完全描述实现过程的Tricks,你发邮件去问问原作者!”我的天呀,Tricks!你为何那么神秘,却又离我那么远?我该如何才能靠近你?这来源于前人历经积累的Tricks,如何
机器学习AI算法工程
2018/03/12
9970
神经网络训练中的Tricks之高效BP(反向传播算法)
神经网络训练中的Tricks之高效BP(反向传播算法)
本文带来的是LeCun等人著的“Neural Networks: Tricks of the Trade”一书第二版中的第一章Efficient BackProp。本文并非对原著的直接翻译,而是经过了一定程度上的增删,同时大部分的地方都增加了个人理解,如有理解不对的地方,还望大家不吝指正。 人工神经网络的能力大家都是有目共睹的,在机器学习领域可是占据了一定的地位。这点应该毋庸置疑。它可以建模任意复杂的函数。虽然能力大了有时候也不是好事,因为容易过拟合。但能力小了,就没办法建模复杂的函数,也就
用户1737318
2018/06/05
7990
用数据说话——数据分析的基本思想
用数据说话,就是用真实的数据说真实的话!真实也可以理解为求真务实。那么,数据分析就是不断地求真,进而持续地务实的过程!用一句话表达就是用数据说话,用真实的数据说话,说真话、说实话、说管用的话。 1.用数据说话 数据本不会说话,但是面对不同的人时,就会发出不同的声音。现在我们以《荒岛售鞋》这个老故事为引例,从数据分析的角度来解读,看看能不能开出新花?为防止大家案例疲劳,我尽量用新的表达方式把故事罗嗦一下! 话说郭靖和杨康,被成吉思汗派去美丽的桃花岛进行射雕牌运动鞋的市场拓展。郭靖和杨康一上桃花岛就惊讶地发现这
CDA数据分析师
2018/02/11
2.1K0
用数据说话——数据分析的基本思想
3D概率实战之说
3D揭秘 一、3D概率原理所有的×××游戏都是一种古典型概率事件,服从古典型概率的基本原则。我们从最简单的机会游戏开始:当我们连续抛一枚硬币50次,当连续九次出现正面时,让您来猜第十次,您是猜正面还是
py3study
2020/01/07
3.5K0
概率的意义(深度好文)
1987年,是印度传奇数学家拉曼努扬(SrinivasaRamanujan,1887-1920)的百年诞辰。为了纪念他,有一系列的活动。当代著名统计学者, 出生于印度的劳氏(C. Radhakrishna Rao,1920),也应邀做了三场演讲。之后,印度统计学研究所(IndianStatistical Institute)基于劳氏的演讲稿,于1989年,为他出版了统计与真理一书。此书于1997年发行第二版。 在第一版的序文中,劳氏提到: 学生时代,我主修数学一种从给定前提下演绎结果的逻辑。后来我念统计学一
小莹莹
2018/04/20
1.2K0
概率的意义(深度好文)
推荐阅读
相关推荐
博弈论(二)——枪法最差的产品经理如何战胜枪法最好的工程师
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档