德·梅尔问题与赌博中的概率.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * 赌博中的概率 设X是离散型随机变量，它的概率函数是: P(X=xk)=pk , k=1,2,…, 定义X的数学期望为 NANKAI UNIVERSITY 如果在一次赌博中，每个赌徒赢得的赌金的数学 期望都是零，则这次赌博是公平的。 赌博中的概率 比如对于第一次赌博，我们将你赢得的劳动天数记为随机变量X，则它的概率分布为： X -1 1 P 1/6 5/6 NANKAI UNIVERSITY 于是，你赢得的劳动天数X的数学期望EX为 赌博中的概率 所以刚才的那次赌博确实不是“ 公平”的，由于你平均赢得的劳动天数是一个正数，我们可以确定你在这次赌博中处于“ 不利地位”。 对于另外的一种赌博方式，X的概率分布为 X -5 1 P 1/6 5/6 NANKAI UNIVERSITY 于是，你赢得的劳动天数X的数学期望EX为 赌博中的概率 所以第二种赌博方式对于你来说是公平的。 有的时候，赌博的公平性是很难直观看出来的，这时要用刚才介绍的数学期望与公平性的关系进行判断。 在非公平的赌博中，我们可以进行适当的计算从而进行“ 套利”，得到一份“ Free Lunch”。 现在我们介绍一般赌博公司用的赔率的概念，并且看一下赌博公司是怎样盈利的。 NANKAI UNIVERSITY 赌博中的概率 在某些情况下，所允许的赌博类型仅仅是选择一个结果i (i=1,2,…,m)，且打赌试验的结果就是i，这样的一个赌博收益通常用“ 赔率”的形式表示。 如果关于结果i 的赔率是oi (通常表示为“oi 比1”)，那么当试验的结果是i 时，一个单位的赌金会收益oi ，而当结果不是i 时收益则会是-1. 这个赌博的收益函数可由下式给出 NANKAI UNIVERSITY 赌博中的概率 我们假设你可以在某个结果上押-1个单位的赌金，如果你押-1个单位的赌金在结果i上时，那么意味着当结果不是i 时你可以赢得一个单位的赌金，而当结果是i 的时候你将输掉oi个单位的赌金。 也就是说此时收益函数可以表示为 NANKAI UNIVERSITY 赌博中的概率 假设有赔率o 1, o 2,…,o m,为了使得不存在一个稳赢的策略，那么就一定要存在一个概率向量 P=(p1, p2,…,pm) 使得在这个概率下对每个i，都有 0=Ep[ri(X)]= oi pi -(1-pi) 也就是说，我们必须有 NANKAI UNIVERSITY 赌博中的概率 由于所有pi 的和必须为1，这就意味着这场赌博保证“ 公平”的条件是 NANKAI UNIVERSITY 如果上式不满足，我们就可以通过选择合适的赌博方式来获得“ free lunch”！ 赌博中的概率 下面我们来看一个例子：一个赌博有三种结果，其赔率如下 结果 赔率 1 1 2 2 3 3 NANKAI UNIVERSITY 由上表可知，结果1的赔率是1比1；结果2的赔率是2比1；结果3的赔率是3比1. 赌博中的概率 NANKAI UNIVERSITY 一种可以选择的策略是：在结果1押-1个单位的赌金；在结果2上押-0.7个单位的赌金；在结果3上押-0.5个单位的赌金。 若结果是1，能赢得 -1+0.7+0.5=0.2； 若结果是2，能赢得 1-1.4+0.5=0.1； 若结果是3，能赢得 1+0.7-1.5=0.2。 由于 故稳赢是有可能的。 赌博中的概率 因此，无论何种情形都会有一个正的收益。 事实上，我们可以证明，如果有 那么下面的赌博策略 会赢得价值为1的收益。 NANKAI UNIVERSITY 赌博中的概率 思考题： 2009年10月21日，网易体育频道报道了英超的战况，并公布了最新的夺冠赔率。 切尔西 2.75 曼联 2.75 阿森纳 5.00 曼城 10.00 利物浦 15.00 （前一日5.00） 热刺 26.00 维拉 151.00 埃弗顿 501.0 你认为21日的赔率对你来说是否有套利的可能？20日的呢？对于有套利可能的情形给出你的投资策略。 NANKAI UNIVERSITY 期望效用理论中的悖论 埃尔斯伯格悖论 准备两个罐子，罐子里放入黑球、红球和黄球，其中红球占三分之一。在每次赌局中，人们都被要求去选择球的颜色。 赌局1：如果抽中先前选择的颜色的球，他们会得到奖赏。 赌局2：人们依旧需要选择球的颜色以获得奖赏，但不论他们作何选择，只要他们抽到黄球，也会获得奖赏。 赌局1中人们主要选择了红球，而赌局2中却主要选择了黑球！ Nankai University