抛硬币实验进阶

贡献者：待更新

本文处于草稿阶段。

预备知识　二项分布，中心极限定理

　　我们都知道一枚公平的硬币，若抛许多次，那么正反的比例大约是 1:1。那么若把某次实验的结果中，前 $n$ 次中正面向上所占的比例记为 $P_{n}$ ，那么对任意一次实验，数列 $P_{n}$ 是否都满足以下极限呢？

\begin{matrix} (1) & lim_{n \to \infty} P_{n} = \frac{1}{2} (误) \end{matrix}

这是错误的。根据数列极限的定义，对于任意给定的

ϵ > 0

，都存在整数

N

，当

n > N

时就必有

| P_{n} - 1 / 2 | < ϵ

。对于抛硬币而言，这是无法做到的。因为无论抛几次，都存在不为零的概率使全部正面向上或反面向上（概率为

1 / 2^{n}

）。所以只要令

ϵ = 0.5

或更小，就不可能找到符合条件的

N

。

　　当抛硬币次数较多时，根据中心极限定理可知正面向上概率的方差为 $1 / (4 N)$ 。该分布为二项分布，本质上和高尔顿板原理相同。

N = 60; % 每组投掷
M = 10000; % 实验组数
data = sum(rand(M, N) > 0.5, 2)/N;
format long;
disp('理论方差 =');
disp(1/(4*N));
disp('实验方差 =');
disp(std(data)^2);
hist(data, 20);

致读者：小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。因此，我们请求广大读者热心打赏 ，使网站得以健康发展。如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损，并在接下来的一年里向所有读者继续免费提供优质内容。但遗憾的是只有不到 1% 的读者愿意捐款，他们的付出帮助了 99% 的读者免费获取知识，我们在此表示感谢。