要听他连续说多少次我爱你 - Web Mining Lab.PDFVIP

要听他连续说多少次“我爱你”才能相信 ——怎样判断一枚硬币是不是公平的？ 抛硬币是生活中最常被拿来举例子的Bernoulli （贝努力）试验。这也是一个最简单的概率事 件，只有两个选项，正面或者反面（假设不存在立着的情况）。这个例子也可以推广到很多 二分变量（binary variables ）的取值概率问题。支持或者反对，使用或者不用等等。 一枚硬币如果是公平的话，每次抛硬币得到正反面的机会各等于二分之一。现在我们假定说 抛硬币得到正面的概率是p ，得到反面的概率是q=(1-p) 。 现在我们有一枚硬币，抛了100 次，得到了55 次正面。那么，我们知道，在这100 次里面， 我们得到正面的概率是55/100=.55 。但我们都抛了100 次了，知道了p=.55 ，又怎么样呢？ ˆ 我们想知道的是，下次以及每次抛这个硬币，得到正面的概率p 的估计值p-hat （ ）是多 p 少。 这么想的话，上面所说的 p=.55 是指我们抛了的 100 次我们知道的抛硬币得到正面的概率 是.55，也就是我们的样本（sample ）里的p=.55 。我们想知道的是通过我们的样本推测到总 ˆ 体（population ）的抛这枚硬币得正面的估计值p-hat （ ）是多少呢？ p ˆ 从样本统计量p 推算总体估计值p-hat （ ）就要考虑置信区间（Confidence Interval ）。下面 p 这枚公式就能推算，从我们这个抛了100 次的样本，估计抛这枚硬币得正面的概率是： ⎛ p (1−p ) p (1−p ) ⎞ ⎜⎜p −Z α/2 , p +Z α/2 ⎟⎟ （公式一） ⎝ n n ⎠ 这里的n就是我们抛的次数，也就是样本量（sample size ）。这里的Zα/2 是一个统计量，根据 不同的置信度(Confidence Level, 如90%，95%，99%等)有不同的固定的取值。这个Zα/2 是 另外一个故事了。有兴趣的同学可以去维基百科看“Confidence Interval （置信区间）”这个 词条/wiki/Confidence_interval 。当然了，这个取值还隐藏了另外一个关 于正态分布的假设，那也是另一个故事了。 如果我们采用95%的置信度，对应的Zα/2 就等于 1.96。我们这100 次硬币来估算这枚硬币 被抛得正面的概率就是一个区间（.452, .648）。也就是说，如果我们再抛100 次硬币，我们 有95%的机会得到正面的次数在45 次到65 次之间。 好吧好吧。我承认我有些罗嗦了。上面这些其实不是我想说的重点。我想说的重点是，我们 要连续抛多少次正面，在 95% 的置信度上，才有根据不否定硬币是不公平的（有点绕，嘿 嘿）？ 下面就是一个假设检验的问题了。假设检验的一般就得提出一个零假设（Null Hypothesis ， H ）和一个备择假设（Alternative Hypothesis ，H ）。 0 1 我们这里的零假设就是硬币是公平的，也就是每次抛硬币得到正面的概率是1/2。 H0 ：p-hat=.5 我们这里的备择假设就是硬币是不公平的，也就是每次抛硬币得到正面的概率不是1/2。 H1：p-hat.5 我们说的每次抛多少次正面才够的意思是，我们已经确定了p1=1 ，我们想知道的是n 的最小 值。我们的问题可以等价地转换成我们估算的p-hat 和假定硬币公平的p-hat 之间的差，怎么