A monochrome photographic portrait from between 1865 and the 1920s taken by J. Kostka i. Mulert, formerly K. Bayer, Krakowskie Przedmiescie 38, Warszawie…
Read More

2025-4148
https://privatsammlungen.net/2025-4148/
#Bayer #Kostka #Mulert #Warszawie,PL #photography #antique #collecting #MonochromePhotography #BWPhotography #CDV #CabinetPhotography

@To3o ... und so hört es auf. ;-)

(gesehen bei mir zuhause, Juli 2025)

#laufrad_für_erwachsene #sollso
#tretroller_mit_sattel #kostka

#losowość #prawdopodobieństwo #kostka #paradoks #hazard #GetRichScheme #ChangeMyMind

W szkole wpojono mi przekonanie, że - w warunkach idealnych - prawdziwe są następujące twierdzenia:

1. Prawdopodobieństwo uzyskania danej liczby l ∈ {1,2,3,4,5,6} w pojedynczym rzucie kostką sześcienną 1K6 wynosi 1/6.

2. Przy odpowiednio długiej serii n rzutów (nK6) częstość występowania każdej z liczb l wyniesie c(l) = n/6.

A teraz pomyślmy:

a) W rzucie (n-4)K6 mamy już tylko 5 liczb, których możemy oczekiwać, jeśli twierdzenie 2 jest prawdziwe. I ta pula maleje aż do rzutu n-1K6, kiedy mamy już tylko jedną liczbę potrzebną do wypełnienia się twierdzenia 2.

b) Ponieważ n nie jest wyliczalne teoretycznie (jeśli jest, niech ktoś mnie poprawi), możemy je poznać wyłącznie empirycznie (indukcyjnie), wykonując serię N rzutów i badając ich wyniki. Dla różnych wartości n (6=<n=<N) wartości c(l) dla każdej z liczb będą oscylować wokół n/6, co pozwoli nam wykryć takie wartości n, przy których spełnienie twierdzenia jest najbardziej prawdopodobne.

c) Jeśli takich wartości nie wykryjemy, oznaczać to będzie, że założona wartość N jest zbyt mała i w jej zakresie występowanie danych wartości jest nielosowe. Będzie się to przejawiać w rozkładzie wartości c(l) w macierzy wartości l, wskazującym na "nadreprezentację" lub "niedoreprezentację" poszczególnych liczb dla danego n.

d) Zarówno spełnienie twierdzenia (b), jak (c) daje nam lepsze niż 1/6 szanse przewidzenia wyniku rzutu n na podstawie wyników serii (n-1)k6.

Konkluzja:

Aplikując praktycznie powyższe twierdzenia i pod warunkiem dostępu do odpowiednio długiej historii wyników dowolnego procesu losowego, możemy znacząco zwiększyć trafność przewidywań wyników jego kolejnej iteracji.