¿Es posible construir un algoritmo (para ejecutar en una computadora con recursos de espacio finito) que tomará como entrada un flujo de lanzamientos de monedas al azar imparciales (probabilidad independiente de caras 1/2) y emitirá caras con probabilidad irracional esperada?

No, no para computadoras con espacio finito, incluso si permite que la computadora funcione potencialmente por tiempo infinito. Podemos modelar la computadora como una máquina de estados finitos, donde uno de los estados es el estado especial de “emitir cabezas” del cual nunca escapa. La alimentación de monedas se voltea en una máquina de estados finitos y la convierte en una cadena de Markov. Las probabilidades de estado estable de una cadena de Markov están dadas por un sistema de ecuaciones lineales con coeficientes basados ​​en las probabilidades de transición. Dado que todas las probabilidades de transición son racionales ([matemática] 0 [/ matemática], [matemática] \ tfrac12 [/ matemática] o [matemática] 1 [/ matemática]), la solución a este sistema es racional. Entonces la computadora no puede emitir cabezas con una probabilidad irracional.


Es posible obtener cualquier probabilidad racional [matemática] \ tfrac ab [/ matemática] bajo este modelo. Un posible FSM que termina casi con seguridad (es decir, con probabilidad [matemática] 1 [/ matemática]) viene dado por los estados [matemática] \ {s_1, \ dots, s_ {b – 1} \} [/ matemática], comenzando en [ math] s_a [/ math], con estas transiciones:
[matemáticas] s_n \ stackrel H \ mapsto \ begin {cases} s_ {2n} & \ text {if} 2n <b \\\\ H & \ text {if} 2n \ ge b \ end {cases} [/ math ],
[matemáticas] s_n \ stackrel T \ mapsto \ begin {cases} T & \ text {if} 2n \ le b \\\\ s_ {2n – b} & \ text {if} 2n> b \ end {cases} /mates],
que es equivalente a calcular la representación binaria periódica de [math] \ tfrac ab [/ math] con una visión larga, y compararla con el flujo de lanzamientos de monedas lexicográficamente.

Por supuesto, si permite que su computadora tenga memoria ilimitada, ya no está restringido a representaciones binarias periódicas, y puede lograr cualquier probabilidad computable.

No. Después de un número finito de lanzamientos de monedas [matemática] N [/ matemática], cualquier resultado posible tiene una probabilidad de la forma [matemática] \ frac {k} {2 ^ N} [/ matemática] para algún valor de [matemática ] k [/ matemáticas].

Sin embargo, puede aproximar una moneda irracional tan bien como desee tratando la secuencia de caras y colas como una representación binaria de algún número en el intervalo [matemática] [0, 1] [/ matemática]. Si saca caras cuando el número que dibuja es menor que su umbral y las colas de lo contrario, el error en las probabilidades será menor que [matemática] \ frac {1} {2 ^ N} [/ matemática].

Creo que hay otros esquemas más sofisticados que le permiten usar menos volteos en promedio, pero esto es fácil de entender y el error se reduce exponencialmente, así que estoy contento con eso.

Cualquier número finito prescrito de lanzamientos de monedas siempre obtendrá resultados cuya resolución es siempre 1/2 ^ n. Sin embargo, si no establece un límite superior para el número de lanzamientos, y solo exige que el número de lanzamientos sea finito con probabilidad 1, entonces sí, hay una respuesta determinista. Por favor mira:

Ideas erróneas sobre rand ()

Para detalles.

More Interesting

Algoritmos aleatorizados: ¿Dónde puedo encontrar una colección extraña de cosas no relacionadas?

Cómo encontrar el número máximo de árboles de expansión mínima en un gráfico

Cómo implementar un código C para la eliminación de un nodo de una lista vinculada considerando todos los casos de prueba

Cómo averiguar la complejidad temporal de un algoritmo dado

¿Deep Blue fue un algoritmo o una IA o ambos?

¿Qué algoritmo se puede usar para encontrar la clave para el cifrado y la clave de entrada en el formulario?

¿Qué son los proyectos de código abierto? Soy muy bueno en C ++, estructuras de datos y algoritmos. ¿Puedo contribuir a algunos proyectos de código abierto? Si es así, ¿cómo? ¿Tendré que aprender algún idioma nuevo?

¿En qué situación podemos usar el algoritmo EM para encontrar la probabilidad?

¿Cómo puedo cambiar el tamaño de una imagen a un ancho y alto específicos sin dejar de mantener su relación de aspecto? Estoy buscando ideas de algoritmos.

Cómo encontrar la cantidad mínima de pasos necesarios para eliminar todos los peones del tablero de ajedrez

¿Cuáles son los mejores algoritmos actuales de visión por computadora que pueden aprender a reconocer un objeto (digamos una flor) a partir de una sola imagen?

¿Es necesario tener datos estacionarios para aplicar algún tipo de algoritmo de aprendizaje automático?

¿Cómo construiría una estructura de datos compartidos para un alto rendimiento y disponibilidad?

Cómo hacer que esta declaración se entienda a un chico de 18 años

Cómo resolver el problema M_SEQ en SPOJ