勝率代表了什麼?

假設有一個無限大的撞球館,裡面有無數多個球手在不知疲倦地比賽,任意兩人間已進行無數多場比賽。

已知A選手的勝率為60%,B選手的勝率為40%。

今AB對決,求A獲勝的概率。

註:這不是原創問題,但求一個能令人信服的答案。無論您認為是60%,100%,或其他,或一個範圍,或無解,都請說明下您的理由,多謝!


這問題都這麼久了,我本來都不想回答,忍了好幾次,到底還是忍不住,因為全部的回答都沒有答到點子上

只有沒學過數學的人才會提這個問題

或者換種說法

只有沒學過數學的人才會這樣提這個問題

同樣:

只有數學學不好的人才會嘗試回答這個問題

我舉個例子:

在一給定圓內所有的弦中任選一條弦,求該弦的長度長於圓的內接正三角形邊長的概率

單單把這個問題描述成這樣,那這個問題就是沒有答案的:

Bertrand paradox (probability)

概率論的第一章就教我們,提任何概率問題之前,必須明確概率空間,即明確"什麼是等概的"

返回來看上面舉得例子,和題主的這個問題,為什麼會不能回答?因為根本沒有明確"什麼樣的事件概率是相等的",提這種問題的人,肯定連概率論第一章都看不懂

有些答案說"假設這個問題是在玩剪刀石頭布,每個人固定只出一種手勢,那麼出剪刀的和出石頭的勝率都是1/3,他們遇見了之後出剪刀的勝率就是0"其實就是在預設概率空間,我也可以構造出一個概率空間讓60%方對40%方的勝率是0%到100%之間任意一個數值.

這種做法被一些人批評"附加了前提條件",其實這樣的前提條件非加不可,不然根本沒有答案,不對,應該說這個"問題"根本無法構成一個嚴謹的問題.贊同數最高的那個答案,也是預設了概率空間的,只是隱藏在引用的文獻當中而已,只是它的結論比較符合你們的"直覺",所以才被頂到了400多贊.如果統計的不是棒球,而是石頭剪刀布遊戲,肯定不會出現0.692這種結果.


舉個不那麼嚴謹的、直觀的例子,NBA 常規賽,馬刺60勝20負,山貓32勝48負,假設兩隊在第一輪季後賽相遇,問各自的勝率有多少?

第一個問題:已知積累足夠多的數據,A 的勝率60%,B 的勝率40%,那麼 A 和 B 相遇,一場定生死,則 A 勝出的概率是多少?

現實中有沒有這種實例呢?有!美國職業棒球聯盟就是個例子,比賽本身偶然性不是那麼的強,數據記錄已經延續了幾十年。

通過這些數據的分析,Bill James 提出了用於估算美國職業棒球聯賽勝率的 Log5 公式。

A=0.6,B=0.4,則 A 贏的概率是 frac{Aleft( 1-B
ight) }{A+B-2AB}=0.692

事實上,它的來源是 Bill James 提出的另一個公式 Pythagorean expectation。按照這個公式,A 60勝40負,「能力值」是60除以40等於1.5;B 40勝60負,「能力值」是40除以60,等於0.666。A 贏的概率是 frac{1.5}{1.5+0.666} =0.692

通過與這些年聯賽數據的對比,Bill James 也在做著相應的修正。但這兩個公式起碼可以提供一個近似的估算結果,與實際比賽結果也非常接近。

第二個問題:如果 A、B 連續對決多次,採用三局兩勝或者七局四勝,結果如何?

如果比的局次少,輸贏的概率按照勝率的相對強弱關係;比的局次足夠多,勝率大的那一方總能贏。

只比一局,69.2%;三局兩勝,77.42%;五局三勝,82.66%;七局四勝,86.38%;九局五勝,89.15%;十一局六勝,91.27%……17局9勝,95.30%……101局51勝,99.9972%……

一局決勝負,可能的情況有兩種。A,B。按照相對強弱對比,A 概率 69.2%,B 概率 30.8%。這兩個概率都遠遠大於5%,都是大概率事件,所以都有可能發生。A 獲勝的概率較大,但並不能保證一定能獲勝。比100次單場決勝負,B 大約能贏30次。

有的同學說,不對啊,雖然A勝率60%,B勝率40%,A的勝率比B高,實力也比B強,但萬一 A 就是從未贏過 B 呢?沒錯,的確有這種可能,B 是 A 的苦主。所以,我們說 B 贏的可能性也有 30.8% ,這種情況就完全包含在這 30.8% 里。而且,A 從未贏過 B,不代表這次就不能贏 B。

三局兩勝,結局共有八種,我們用A代表A勝,B代表B勝。這八種情況分別是,AAA,AAB,ABA,ABB,BAA,BAB,BBA,BBB。八種情況的概率分別為

  • AAA 0.692^3=0.331

  • AAB (0.692^2)*(0.308)=0.147

  • ABA 0.147

  • BAA 0.147

  • ABB (0.308^2)*(0.692)=0.066

  • BAB 0.066

  • BBA 0.066

  • BBB 0.308^3=0.029

A 最終勝出的情況為前四種,相加為 0.331+0.147+0.147+0.147=0.77

B 最終勝出的情況為後四種,相加為 0.066+0.066+0.066+0.029=0.23

也就是,三局兩勝,A 贏的概率上升到 77%,B 贏的概率下降到23%。但是,23%還是大概率事件,依然有可能發生。也就是說,比100次三局兩勝,B 依然能贏差不多 23 次

同理,我們再考慮五局三勝的情況。

A 最終勝出的情況有

  • 五局橫掃全勝,一種情況:AAAAA,概率為 0.692^5=0.159

  • 贏了其中的四局,五種情況:BAAAA、ABAAA、AABAA、AAABA、AAAAB,總概率為5*(0.692^4)*(0.308)=0.353

  • 贏了其中的三局,十種情況:BBAAA、BABAA……總概率為10*(0.692^3)*(0.308^2)=0.314

A 勝出的概率為 0.159+0.353+0.314=0.826

也就是說,如果五局三勝,A 的勝率上升到82.6%。比100次五局三勝,B 依然能贏差不多17次。

如果我們認為概率小於5%的事件是小概率事件,那麼就意外著,A 和 B 至少要進行17局9勝的系列賽,B獲勝才是個小概率事件。

現在,你知道為什麼 NBA 季後賽要七戰四勝、斯諾克世錦賽甚至要35局18勝了吧?

回到我們開頭的小例子,馬刺60勝20負,勝率0.75,山貓32勝48負,勝率0.4。七局四勝,此時兩者的相對強弱對比x=frac{0.75left( 1-0.4
ight) }{0.75+0.4-2	imes 0.75	imes 0.4} =0.818。馬刺贏下季後賽的概率是 97.6%,山貓爆冷上演奇蹟的概率是 2.4%。但是,如果不是七局四勝,而是一場定生死,那馬刺贏的概率只有81.8%,山貓可是有高達 18.2% 的概率爆冷贏馬刺哦。

我們再來看看AB比賽A獲勝的場次情況:

  • 一局決勝,A 獲勝的情況只有1種,A。

  • 三局兩勝,A 獲勝的情況有 1+3種,全勝AAA這1種,兩勝一負AAB、ABA、BAA 這三種。

  • 五局三勝,A 獲勝的情況有 1+5+10種……

  • 七局四勝,A 獲勝的情況有 1+7+21+35種……

  • 九局五勝,A 獲勝的情況有 1+9+36+84+126種……

  • ……

聽說過有個叫帕斯卡三角的東西嗎?在我們的中學課本里,它被叫做楊輝三角。現在你知道它的用處和來歷了吧?


我也覺得無解,給的條件太少,比如厲害程度是否有傳遞性,如何傳遞這些信息都沒給出來。比如A贏B的概率是0.8,B贏C的概率是0.6,那A贏C的概率是多少僅靠給出的條件是無法得出的。

我再舉個極端的例子吧,不知道大家還記不得記得以前那種動物棋,大象最屌,獅子其次,過了是老虎...老鼠最渣,不過老鼠可以鑽到大象鼻子裡面去,所以大象遇老鼠老鼠贏。假設把各種動物混到一起讓他們無窮多次相遇,如果有11種,那統計下來大象的總體勝率應該是0.9,老鼠的勝率應該是0.1,這時候如果讓老鼠跟大象比試的話老鼠反而有100%的勝率。

在運動比賽中一般A比B厲害B比C厲害那麼A還是會比C厲害一些,不像剛才說的那麼極端,不過模型給的不詳細的話很難定量判斷這個勝率如何傳遞。也就無從回答題目中的問題了。

再舉一個例子吧,比如說這個比賽就像比高矮一樣,每兩個人相遇他們的勝率只能是0和1,意思如果A能贏B,那麼A總能贏B,同時如果A贏B,B贏C,那麼A一定能贏C。這樣在無窮多個人之中互相比試無窮多次,A勝率0.6,B的勝率0.4,假設身高是從0-1m等可能分布的(怎麼分布都不影響,等可能分布更方便計算),那A的身高應該是0.6m,B的身高應該是0.4m,A贏B的概率100%.但如果換成另外的比賽模型,那勝率就顯然不同了。


不可能得到肯定的答案,給出具體數字的都是錯的。

原因在於我們不知道其餘選手的水平。具體答案的錯誤在於毫無道理地假設他們水平是一樣的,而且不光水平一樣,打法風格都一樣。

你要知道60%的勝率,可能只適合虐菜,40%的勝率,卻有可能是巨人殺手。

或者換一個更直觀的例子吧。三個人玩石頭剪刀布,每個人總使出同一招。

顯然每人勝率是三分之一。

那麼問任意兩個人,比如出剪刀的和出石頭的來玩,誰贏?是一半對一半嗎


相當於是已知P(A)和P(B),要求P(A|B)。

但是P(A|B)=P(A,B)/P(B),我們不知道P(A,B),所以沒法得到答案。


之前答案可能帶有攻擊性,修改下,如果有冒犯的地方給大家陪個不是,望海涵。

既然關於這個還有爭論,那我再解釋下自己看法。

把題目換個說法:AB的勝率分別為60和40,然後估計下AB對戰的勝率。這樣可能好理解點。個人認為之所以會認為無解是對於題目里這個勝率的理解有點分歧。這裡的勝率應該有兩種意思,一種是抽取的AB勝率分別為60和40,此處的勝率是總體的信息,表述的是總體的分布特徵。第二種是問題里所要求的勝率,這裡的勝率是所抽取樣本的可能分布。兩者的含義應該是不同的,不少人概念混雜以至於覺得問題多餘或者無解。這裡敘述可能有點不清晰,舉個例子吧。

有十一張卡片,上面分別寫著0到10十一個數字,那麼我們可以得出卡片上數字的平均數是5,確定值。對應上面的,這個平均數就是對於總體信息的描述。然後,從十一張卡片裡面抽取2張卡片,取平均數。顯然,這裡的平均數突然就由確定變為不確定了,因為這裡的平均數是對於樣本分布的反映,由於樣本的隨機性而變為一個隨機變數。同樣的,這裡的樣本平均數就對應於上面所要求的勝率。

於是,可能有的人並未分清兩者的區別,所以根據樣本的隨機性,並不可能求得一個像總體信息一樣的確定值勝率,所以無解。不過,雖然勝率是一個隨機變數,如果能求出其概率分布情況,也就能對勝率有一個充分的預估。那麼有理由說勝率的概率分布有著同等的意義,而由所給的總體信息可以推導出樣本勝率的分布,所以說勝率是可求的。

還是以上面的卡片為例。知道總體均值為5,於是能夠推出每次樣本均值的概率分布情況。即使對於每一次抽取樣本的平均數沒法具體確定,但是仍有理由認為樣本平均數期望為5。

這就是對於勝率進行估計的基礎。

雖然可能沒多少人看得懂,我還是寫下我之前推導的完整計算過程。

勝率為60和40的個體都是無窮的,他們之間的關係也是不確定的,所以求的是勝率的期望值而不是具體關係。題目問的是隨機選取勝率為60和40的兩個個體(並不知道他們之前的勝負關係),根據兩者的勝率信息來估計這兩個隨機個體之間的對戰勝率。

按照這個理解,我的思路是由無窮這一條件,對每個參賽者假定X這一隨機變數,表示與隨機對手對戰時若贏X=1,若輸X=0,那麼X的均值也就是勝率是服從正態分布的,分布的均值和方差可以由伯努利分布和條件導出。

推導過程:設參賽者與隨機對手比賽n次(這裡n趨近於無窮),這是一個典型的伯努利實驗,那麼X的均值(即勝率)為P,方差為P(1-P)/n ,也就是其勝率服從均值為P,方差為P(1-P)/n的正態分布。

那麼,對於最後的問題可以假設X與Y兩個隨機變數分別表示A和B的勝率,兩者均服從已知的正態分布。

對於A選手,勝率Xsim Nleft(0.6,frac{0.24}{n} 
ight)

對於B選手,其勝率Ysim Nleft(0.4,frac{0.24}{n} 
ight)

簡便起見設sigma^2=frac{0.24}{n}

現在求A與B的對戰勝率相當於在X+Y=1這一限定條件下求X的期望。此時X和Y的聯合分布為二維正態分布,假設其相關係數為
ho

則聯合分布函數為:pleft(x,y
ight)=frac{1}{2pi sigma^{2} sqrt{1-
ho^{2} } } expleft[ -frac{1}{2left( 1-
ho^{2}  
ight) } left( frac{left( x-0.6 
ight)^{2} -2 
holeft( x-0.6 
ight)left( y-0.4 
ight)+left( y-0.4 
ight)^{2}  }{ sigma^{2}}  
ight)  
ight]

x+y=1的條件下,條件概率分布為:

p(xleft| x+y=1 
ight )=frac{pleft(x,1-x
ight)}{pleft(x+y=1
ight)} =frac{1}{sqrt{2pi} sigma sqrt{frac{1+
ho}{2}  } } expleft[ -frac{1+
ho}{2left( 1-
ho 
ight) } frac{left( x-0.6 
ight)^{2}}{ sigma^{2}}   
ight]

已知條件分布,對X積分求期望得

E(Xleft| X+Y=1 
ight )=int_{-infty }^{+infty } xp(xleft| x+y=1 
ight )dx=0.6

根據這個題目給的條件,正好求出來的期望與假定的相關係數無關,不知道推廣到其他情況是否也與相關係數無關,計算量太大,不嘗試了。


這個東西叫相性表,可以看做是一個統計表,表格中任何一格的數字代表該行角色對該列角色的勝率,5.5=55%,7=70%,請類推,空格代表同角色對戰,可以視為50%(如果不能同角色對戰則留空)。

那麼這個問題的本質是,我們遮住了全部統計數據,只留下了最右面一列,也就是勝率總和(這個值除以全形色數-1就是最終勝率)

然後讓我們反推出其中某一個具體格子的數據,這個當然是做不到的。

最後,請允許我在這裡衍生一個問題:

當我選取5個角色和對面5個角色進行甲乙兩隊的組隊戰,重複足夠多次。(即AVB*N CVD*N....)

他們的1v1勝率都是已知的情況下,甲隊對乙隊的最終期望勝率應該如何計算呢?

比如這個例子

A B

C D

E F

G H

I J

左側為甲隊,甲隊的每個人對乙隊的相應對手恰好都是55% 比 45%的勝率。

那麼總期望勝率是多少?


來給出最易懂的答案:

A與B對決結果只有四種情況:A贏B贏,A輸B輸,A贏B輸,A輸B贏

根據不存在平局的可能性,所以前兩種要排除掉,那麼後兩種的概率合是

1-A贏×B贏-A輸×B輸=1-(0.6×0.4)-(1-0.6)×(1-0.4)=A+B-2AB也就是Bill James公式的分母

A贏B輸的概率是:A贏×B輸=0.6×(1-0.4)=A(1-B)也就是Bill James公式的分子

所以A贏B輸的條件概率是:以上兩個式子的比值。


無解

以下是來自山村的思維法:

假設AB對決時,A獲勝的概率為X

當X為100%時,A選手的勝率依然能夠是60%(在其他選手那裡多輸一點),B選手的勝率依然能夠為40%

當X為0%時,A選手的勝率依然能夠是60%(在其他選手那裡多贏一點),B選手的勝率依然能夠為40%

當X為任意數時,都可以讓A選手的勝率為60%,B選手的勝率為40%

所以A,B選手的勝率,並不會影響到A對B的勝率。AB對決,A獲勝的概率可以是任意值。

======================

修正下答案,我結合了下後面的評論,把答案完善了一下

首先,我覺得我們基本同意了,答案是什麼,會與是什麼運動相關

把題目抽象為:

假設有一個無限大的運動館,裡面有無數多個運動員在不知疲倦地比賽,任意兩人間已進行無數多場比賽。

已知A選手的勝率為60%,B選手的勝率為40%。

今AB對決,求A獲勝的概率。

那如果這個運動是一個類似抽牌比大小的運動:A有100張牌,60張是4,40長是1;B有100張牌,100張都是3;其他選手都是60張3,40張2。這樣的運動,A勝率必定是60%,A勝B的概率也必定是60%。

如果這個運動是一個類似猜拳的遊戲:拳頭和布,但是引入許多新的手勢,新的手勢之間不一定要互相對應的關係,但是會導致拳頭的勝率是60%,布的勝率是40%。這樣的運動,A勝率是60%,但是A勝B的概率就只有0%。

最後回到撞球上來。我剛剛已經得出結論,A勝B的概率是多少,會取決於這個運動。

所以,這個問題的答案,是需要去考慮一些額外的條件的。

所以,去分析撞球這項運動,會怎麼樣去影響這個概率,並得出一個相對準確的模型,才能得出答案。我不太了解撞球,但是我至少知道斯諾克也是存在防守技巧的。我不太相信撞球會和上面的抽牌的例子一樣,不存在相剋的關係。


一個簡潔有效的思考方法:

A的勝率是60%,這是什麼意思?

請把全體選手想像成一個概念體。

那麼當A和 全體選手(每場比賽從全部選手中隨機選取一個)比賽10億場的時候。

A勝利的場數是6億場左右,全體選手的勝利場數是4億場左右

如果比賽場數到達15億場的時候,A勝利的場數是9億場左右,全體選手的勝利場數是6億場左右

B的勝率是40%,

那麼當B和 全體選手(每場比賽從全體選手中隨機選取一個)比賽10億場的時候。

B勝利的場數是4億場左右,全體選手的勝利場數是6億場左右

也就是說A,B分別和全體選手比賽,當全體選手勝利場數達到6億場時,A的勝利場數是9億場左右,B的勝利場數是4億場左右。

因為全體選手的樣本量無限大,所以在此處可以認為A和B所面對的全體對手是相同的,且當全體選手勝利場次數為某一較大的固定值時,A和B分別的勝利場數可以作為其一般性實力的反應。兩者對戰的獲勝概率等於其一般性實力的比值。

所以,在此處,A和B對戰的獲勝概率 ≈ 9億/(4+9)億 = 0.6923076923 (正好和@豬小寶答案里 Bill James的理論算出來的值相等,我說的這個可能就是他的理論基礎)


多謝大家的回復,此樓為題主對該題目的一個小結,以及由此另外發散的一個小問題。

首先,題主承認,如果只能非常簡潔地回答這個問題的話,那麼最好的答案是」無解「或者」題目出的不嚴謹,因而無解「。然而題主還是從大家的回復中收穫了很多的。

我對這個問題理解加深一個層次的時刻是,遵循豬小寶的答案里給出的畢達哥拉斯期望的wiki,解開了心中的謎團(或許,也不算完全解開)。想強調幾點:

1. 0.692這個值,以及log5公式,包括畢達哥拉斯期望的公式,都是「估計值」,而且是「很好的估計值」,所謂很好,即指當我們真正去查看勝率60%對40%兩支球隊的歷史戰績時,發現他們的交戰勝負情況非常貼近69:31。這個公式本身沒有特別嚴謹的道理,比如「能力值」這個說法,完全就是一個人為假定的index而已,因此這個公式肯定不能計算出所謂「概率」。

2. 很遺憾,題主就是個實用主義兼實證主義的人,當我看到0.692這樣一個既符合直覺,又符合實際情況的結果時,我不得不承認這就是我理想中的答案。是的,這個答案甚至不是我問的問題的答案,正如 @舒自均 所說,問題都不對,何談答案是什麼。但這無論如何就是我心中的「最佳」。

3. 題主在熱心的答友們激烈的討論中最受啟發的一點,在於對0.692這個估計值的理解。畢達哥拉斯期望(強烈推薦去看wiki中的theoretical explanation)公式的簡潔性,與真實勝率的高匹配度,二者的完美統一,可以說完全是一個巧合:這個公式只適用於棒球聯賽(如wiki中所說)。而擴展到其他運動比如籃球、羽毛球,再或者就到答友們提出最有意思的「剪刀石頭布」和「比身高」這兩項,0.692顯然就不是很好的估計值了,即公式需要作出調整。不好的原因在於什麼?在於這些運動的勝負有「多大程度上」是有機會成分的(by chance)。機會成分的兩個極端,即「擲硬幣」(100%的機會成分)和「比身高」(0%的機會成分)。可以想像,一個60cm的人和40cm的人比身高(假設人們的身高在1cm-100cm間均勻分布),最合理的勝率估計值就是100%而不是69.2%。如此一來,關於石頭剪刀布的爭論可以停歇了。而諸如足球籃球撞球的運動,它們的「機會成分」,恰恰就介於0%和100%之間,即介於「比身高」和「擲硬幣」之間。對應每一個「機會成分」,都有一個更好的「估計值」。在棒球聯盟里,這個「很好的估計值」是69.2%,而在NBA,則可能會上下浮動不少。如果有證據表明籃球運動的偶然性小於棒球,那麼這個「很好的估計值」肯定是大於69.2%的,即勝負更多由實力決定。

4. 在上一點的討論中,我們已經知道這個「很好的估計值」並不確定,那麼這個估計值的範圍有沒有一個下限呢(上限應該就是100%了,參見「比身高」)?作為一個概率,下限應該是0%吧?是的,「石頭剪刀布」為勝負關係提供了一個很好的「克制循環」:假設」布「是出現頻率最高的手勢,那麼一個勝多負少的手勢(剪刀),在對陣一個勝少負多的手勢(石頭)時,卻會表現出完敗,即0%在這裡是最好的估計值。而在正常的競技性體育比賽中(諸如足球籃球撞球)中,這個估計值的下限是多少呢?是50%嗎?

5. 讓我們再回到」擲硬幣「遊戲中,其實無論怎樣,我都覺得任何一個選手在這個遊戲中擊敗對手(如何算擊敗可以自己定義,題主只是想強調100%的偶然成分罷了)的概率都是50%,因而毫無疑問我會選擇50%來作為估計值。然而有趣的事情是,隨著遊戲進行無數多場,這個遊戲中將越來越缺少6成勝率或者4成勝率的玩家,越來越多的玩家勝率將趨近50%,我們驚訝的發現,我們挑不出A和B來對戰了。

6. 據此我認為,在一個競技性的體育比賽中,如果經歷了足夠多的場次,一個6成勝率的A對陣4成勝率的B,A獲勝概率的最好的估計值的下限在60%而不是50%。重申一下原因的話,應該是這樣的:當」偶然成分「從100%向0%移動時,「最好的估計值」在從50%向100%移動,然而在一個偶然成分為100%(擲硬幣)的遊戲或運動中,我們是找不出一個6成勝率的A,也找不出一個4成勝率的B的。這個關於」最好的估計值的下限在哪裡「的思考,不知道有沒有答友進一步發表觀點。


nothing. there just be a fact that you win or lost.


我試試這麼解釋這件事情:

假設所有這些球員每場比賽的結構都被記錄下來了,這些記錄叫做「原始數據」。

基於這些原始數據,統計得出的每一個球員的勝率表,叫做「報表」。

報表是基於原始數據,通過鑽取,切片等方式進行分析得到的結果。生成報表的過程中,原始數據中的幾乎所有個別信息都被拋棄了。例如球員A每場比賽的得分,對手等等。

而問題中想要的結果「A和B對戰的勝利」,實際上是基於原始數據採用其他分析方法導出的報表(類似於郭奇貼的相性表)。這個報表所需要的個別信息在前一個勝率表中已經被拋棄了。所以要輸出這張報表,需要從原始數據跑,而不是從前面那張報表來跑。

這事兒有點像盲人摸象。象是原始數據,摸的方式是輸出報表所採用的分析方法。不可能指望倚靠摸腿的那個人的描述來預測摸以巴的那個人的感受。還是得用摸以巴的方式去摸一遍大象才行。


是不是要看他們之間歷史對戰情況才好下定奪啊,這種兩人對戰的並不能看作隨機事件吧


事實上,不同級別的選手是可以輾壓的。。。

首先,我們不考慮這種情況。

那麼樓上@劉 同學的演算法是對的,我來描述的更鄉土一點吧

我們把這個問題簡化成概率中常用的抽乒乓球問題。

假設題中的比賽規則如下:

1 每個選手有不同數量的球

2 比賽時,雙方先把球放桶里

3 隨機抽出一個球,抽到誰的算誰贏

在這個規則下,假設所有人平均有100個球。則獲勝概率60%的人有

X/X+100=0.6,即150個,獲勝概率40%的人為200/3個。

A獲勝概率:150/(150+200/3)=9/13

結論跟樓上的@劉 同學一致。

好了,我們再來考慮真實世界。實際上,不同級別選手對戰的勝率不是可以用概率來平均的。

舉幾個極端的例子,假設一共有101個選手,實力值分別是0—100,實力低的永遠打不過實力高,顯然,題中的A選手實力值是60,選手B的實力值是40。B獲勝概率是100%。

再比如,選手直接是有等級之分的,低等級打不過高等級。

再再比如,高實力值的人對戰低實力值勝率是90%;或者勝率按實力值差距等比遞增。

結論,題設不足,此題無解。但是9/13在某些前提下是個可供參考的答案。


挫人貢獻個搓理解.

如果是無限人,無限場的話.我理解的是就是獲勝概率是其他,但是我具體還是不會算. 應該是A高於B的勝率

把A和B的勝率,對別人的勝率理解成為實力,因為無限人參與比賽.實力的分布圖,應該屬於正太分布的.A勝率高,他反應出的實力應該就是高的.B的實力就應該是低的.

如果說A B之間有比賽,場數無限.因為A的實力高於B,所以場數應該是A多贏一些,B少贏一些.但具體多少,就是展現我數學學的差的時候了...


無限多人玩石頭剪子布,比賽看不到對面的人,一個永遠出石頭的勝率1/3,一個永遠出布的勝率1/3,這兩個人遇到,出石頭的勝率多少


我感覺應該想當然的認為的

A: 60%

B:40%

開始的時候,題主不是已經告訴我們了嗎?


我覺得排名第一的答案犯了一個普遍的錯誤:將大數規則強行應用於小數裡面。群體法則不適於個體,不懂麼?概率是一個顯著的樣本無限大的統計規律,與之相對的小樣本是頻率。勝率60%僅僅意味著舉行50場以上的比賽,他的獲勝次數是多少。至於某一場或者某七場勝負情況則無法由概率推測。

一定要區分大數規則和小數規則,不能相互串連。不然會很好笑。


推薦閱讀:

一道突然想到的概率題,如何解決?
從1~n里取K個數,這K個數之和的奇偶性的概率?
如何舉例說明數學期望有時是不存在的?
宿命是否存在?真的存在隨機事件嗎?
量子通信迄今最通俗易懂的解釋在哪裡?

TAG:數學 | 統計學 | 概率 | 統計 | 概率論 |