Conoscete Il Paradosso Di Monty Hall?

[ac445ab]

Son d'accordo con Proc!

quoto

[anonimo]

Ho scritto sbagliato prima sono 16/20 nel gruppo che ha cambiato la seconda scelta e solo 2/20 nel primo.
Doveva venire il doppio.... In realta' è venuto amche molto di piû. In effetti se voleva essere una verifica sperimentale della "math" dovevano fare piu prove.... Comunque dimostra come sia conveniente cambiare come
dice Proc

[grimgor]

La differenza è che nel passaggio dal primo al secondo scenario, tu sommi le probabilità precedenti calcolate, io invece le ricalcolo da zero.

Il tuo inghippo mentale sta qui: le probabilità dei due gruppi non si azzerano. Il primo gruppo rimane a 33% e l'altro al 66%, solo che nel secondo invece che di due porte ce n'è solo una, quindi è molto più probabile che la porta vincente sia quella.

Il motivo matematico del non riazzeramento non so spiegartelo (forse rolly ci può aiutare ), ma è così.

qui c'è la verifica sperimentale.... 16/20 contro 2/20 (correzione perche avevo scritto 50) E' in inglese ma si capisce.... e si capisce anche che il tipo, nonostante la prova, rimane comunque perplesso

Il video è molto carino!

La parte più interessante è da 2:15 in poi. Prima ti fa la spiegazione e poi ti mostra empiricamente che il concetto funziona. Il tizio che cambia scelta vince 16 volte, l'altro solo 2.

rileggevo questo........ ma non lo capisco, vorresti dire che una distribuzione statistica tipo la binomiale o la poissoniana tendono ad una gaussiana quando il numero di dati è superiore a 30?
Non mi quadra... non credo siano i dati ma il numero di "fattori" che concorrono all'aleatorietà ...altrimenti che senso avrebbero le altre distribuzioni se valessero solo per numeri così piccoli?

Si e no. Forse non ho scritto le cose con chiarezza.

Nella frase mi riferivo ai tipi di dati che si comportano come una gaussiana. Se di questi dati ne uso una decina, la distribuzione di questi dati non sarà la gaussiana teorica, ma la approssimerà più o meno aderentemente (chi- quadro). Si osserva empiricamente che dati che sottendono ad una distribuzione di tipo gaussiano formano una distribuzione assimilabile ad una gaussiana per più del 99.5% da 30 dati in su. In pratica oltre i 30 dati tratti la distribuzione come se fosse una gaussiana reale e non una sua approssimazione.
Se non ricordo male (non ne sono certo, dovrei vedere il libro), anche una binomiale per valori maggiori di 30 è indistinguibile da una gaussiana.