1樓:hhh
當然是0,因為1除以不可數無窮等於0。[0,1]區間的點的個數是不可數無窮。
取點是一定的,準確的是說應該選中指定的一點的概率是0,或者兩次取點取中完全同一地方的概率是0。
而且從[0,1]取點,你取的點肯定都是不可定義數,無法說明它是幾。因為可定義數全體是可數的。也必然不屬於康托集。
因為康托集是0測度,雖然與實數等勢。從[0,1]區間選點,不用說取一點,就說取中有理數,代數數甚至是與實數同勢的康托集,這也是不可能的。
2樓:
首先這是測度論的內容。其次這個問題不是well-defined的,答案也未必是零。嚴格來說應該先給出概率空間,因為「任取一點」這個說法本來就是ambiguous的。
如果是絕對連續的(absolutely continuous)的概率測度,那麼單點集的概率測度就是零,也就是說取到任一給定點的概率為零(因為單點集甚至可數集的Lebesgue測度都是零,由絕對連續的定義可以直接推出該結論)。如果這個概率空間中定義的概率測度是離散的(discrete),那麼單點處的概率可以不為零,乙個典型的例子是Dirac measure。
我就簡單說到這,想詳細了解的可以找一本測度論的書看看或者參考Wikipedia的以下詞條:Lebesgue's decomposition theorem、Discrete measure、Singular measure
3樓:競曄救我
簡單呀假如說取到某個點的概率為a (0<=a<=1)那麼0到1這個區間中必定能取出 1+1/a個點因為取到每個點的概率都相同,這樣計算的話概率和大於1了,假設不成立證畢
4樓:
計算機是可以表示任意實數的,沒有最低精度的問題。有足夠的空間和時間,它就能寫出任意實數。比如,用計算機來計算圓周率十幾億位小數呢。給它無限的時間繼續算,那就是無限位數的。
但取任意乙個實數的概率是零。數學上已經有很多人解釋了。
演算法的話,會停不下來的。比如說,你的演算法取到了圓周率這乙個值,但你不能截斷它。因為一旦截斷了,你又不能區分當前事件是取了乙個截斷後的有理數,還是原本的無理數。
這兩個結果,總不能同時被觀察到吧。所以,演算法停不下來,一直要去算圓周率的下一位小數。
5樓:
另外可以告訴你,除了這個比較trivial的例子,另乙個有趣的現象是:[0,1]之間無理數比有理數多,隨便取一點,取到有理數的概率也是0。因為有理數集屬於可列集。
6樓:星塵黑炎
感覺從測度論的角度出發,任何一點的外測度為0,對應的Lebesgue積分的值也同樣為0。這也就解釋了(對於連續型均勻分布下)為什麼每一點的概率密度函式在區間內任意一點的鄰域內積分值為0。
7樓:
題主雖然沒說完整,但這裡其實是表達均勻分布的取法,只是在糾結「取」這個演算法的存在性與這句話的正確性之間的關係。所以其他答主太強調均勻這件事就跑題了。
學數學不能用太「實際」的眼光。我可以告訴你,在有限步數內完成在 [0, 1] 上均勻取點的演算法並不存在。但「不能取」不代表這句話說出來就是錯的或者沒有意義的,他可能沒什麼實際意義,但你要理解他在數學上的意義。
這句話用更數學一點的語言描述是這樣的:P 是定義在 [0,1] (的某個代數) 上的均勻分布,則對於任意 0 < e < 1,有 P() = 0.
這裡沒有「取」了,但這種描述並不太直觀,讓人一下子聽不懂。所以題目中的「取」只是從有限情況借過來的乙個詞彙,讓這個數學概念能用更生活化的語言描述出來而已。「取」這個動作到底怎麼做,不重要,甚至不能實際完成也是無所謂的。
如果你一定不想繞開「取」這個詞彙,那你可以嘗試用這樣的方法去理解:
首先定義乙個演算法。給定自然數 N,我們可以把 [0,1] 分成 2^N 段。通過連續投擲 N 次均勻硬幣,我們可以在有限步數內、以均勻的概率,隨機得到這 2^N 區間中的乙個,概率為 1/2^N 。
接下來考察這個演算法的一些極限性質。當 N 趨於無窮時,區間的極限是單點集,區間長度的極限是零,取到每一段得概率的極限是零。
如果你熟悉極限的話,你應該知道我這裡並沒有把「取」這個演算法擴充套件到無窮的情況,句子2只是描述了,對於任意小給定的概率 e 和某點周圍的區間長度 l,總可以找到有限但足夠大的 N,使得 1/2^N < min 。而直觀上,這就是說明了「取得任意一點的概率是零」。
8樓:偽娘重口味
首先,對於你提到的連續型分布的數值,取任意一點的概率都是0,但是去其中乙個子區間的概率必然是大於零。
若涉及的是離散型資料,例如骰子,那麼區任意一種結果的可能性自然就是非0了。
9樓:
概率是0。
但是概率是0並不意味著是不可能事件,這在中學數學以及概率論裡面應該就學過。反過來,不可能事件的概率一定是0。
從一維擴充套件到二維,在乙個圓裡面任取一點,取到某乙個點的概率依然0,這同樣也並不意味著是不可能事件。
10樓:Yeung Evan
首先在於如何規範化定義「任取」,或者說「隨機取」。貝特朗悖論就告訴大家,僅僅說「隨機地」是不夠的,還需要指明其概率空間,比如是「隨機地取離散均勻分布」、「隨機地取連續均勻分布」、「隨機地取正態分佈」等等。
「如果這樣的"任取一點"的演算法寫不出來,那麼從何談起取到任意一點的概率?」這句話的意思是否是,取到任意一點的概率是通過某種方法、演算法「事後」去計算、得出來的?實際上,如果概率空間給定,那麼概率(事件上的測度)就已經「事先」給定了,比如我們說,「隨機地在[0,1]上取離散均勻分布」,那麼0和1這兩點的概率就事先可知是0.
5,其餘點均為0;「隨機地在[0, 1]上取連續均勻分布」,那麼區間上任意一點的概率事先可知是0。所謂的計算演算法,只起到乙個「驗證」的功能。
11樓:mewiteor
取一點,可以當作是取乙個無限小的區間。在實際應用中,因為小數的精度是有限的,可以把四捨五入的區間當作是乙個「點」。這時總區間數是有限的,任意一「點」的概率也就可以求了。
12樓:阿拉丁
說一下我的看法
首先,我覺得應該是這樣表述:在實數區間0-1上隨機取乙個數等於某一特定數的概率區域0。至於說取到一點的概率應該是1吧
13樓:
均勻分布或者各類連續分布的單點概率都是零。
利用二進位制,無限拋硬幣可以給出乙個理想的演算法,截斷有限次就可以做近似演算法,當然這只保證區間上樣本總數的近似。
14樓:野龍
「取到任意一點」的概率是1,因為你都說要取點了,怎麼可能取到的不是點呢?
不過如果是「取到特定的某個點」,沒錯,概率是0。但是這並不代表這個事件是不可能的。
因此,要想研究概率的分布情況,唯一做法是對整個區間作積分,這樣就積出了概率曲線,對其求導就能得到概率密度曲線。但是注意,密度曲線上的點並不代表那一點的概率,表示的是那一點的乙個充分小鄰域的概率。因此,密度曲線(及其公式)的唯一意義其實是用來積出某個區段的概率,以及。。。
用來看概率分布。
15樓:北海怪獸大人
芝諾問他的學生:「一支射出的箭是動的還是不動的?」
學生:「那還用說,當然是動的。」
芝諾:「確實是這樣,在每個人的眼裡它都是動的。可是,這支箭在每乙個瞬間裡都有它的位置嗎?」
學生:「有的,老師。」
芝諾:「在這一瞬間裡,它佔據的空間和它的體積一樣嗎?」
學生:「有確定的位置,又佔據著和自身體積一樣大小的空間。」
芝諾:「那麼,在這一瞬間裡,這支箭是動的,還是不動的?」
學生:「不動的,老師」
芝諾:「這一瞬間是不動的,那麼其他瞬間呢?」
學生:「也是不動的,老師」
芝諾:「所以,射出去的箭是不動的?」
16樓:Alex MOK
要寫什麼演算法?
計算機根本不存在「實數」這個概念,
計算機連[0,1]之間的全體有理數都表示不出來。
計算機沒有「無窮」這個概念
別說[0,1]中選中乙個數的概率為0,
選中任一有理數的概率也為0。
但概率為0不代表不會發生。
首先搞清楚你要問什麼問題再說
17樓:
Large =1, small=0
while large-small >e ?low=(large+small)/2 : large =(large+small)/2
}Return (large+small)/2把有理區間分為兩份;任意實數一定在其中一邊。每分一次,區間長度為1/2^n,n 任意大時,該區間長度,即概率任意小。為0 測集。
你會發現,這裡的隨機是隨機產生1/e 個區間的中位數。涉及計算機表示什麼的,就不說了。e 足夠小,精度就足夠高。
18樓:習習谷風
寫不出乙個演算法,不代表這個演算法所擬合的函式不存在啊…
另外思考概率問題時不要從哲學和自然語言的角度,要老老實實地套數學語言的定義,因為前者邏輯上不一定自洽。說簡單點就是買一本測度論,從 borel measure 和 lebesgue measure 看起。
19樓:zzyu5ds
我知道題主的意思了,即是我們任取一點,這乙個點"事實上"取不出來,這是實數的構造問題,建議題主可以去完善下實數的確切定義(第一次數學危機的解決,可以提前看一下"數學分析"),然後再回顧"任取一點",如果還不能理解,加上選擇公理,這是公理。
如果你承認[0,1]是乙個非空集合,那麼由選擇公理,我們就有某個法則(函式),能從中選出一點來,這個法則(函式)我不會構造(應該也沒人會構造),我們只是承認它是對的,能良好地演繹出一些與真實世界符合良好的規律。如果你不承認選擇公理,那又是另一套規律。這與其他人所述的計算機演算法並不相容,要知道,計算機可不認識選擇公理。
如果題主想知道計算機相關,其他人的回答挺好的,我這裡按我的理解給出數學解釋,先膜一發其他各位數學系大佬。
20樓:布客飛龍
現實世界的樣本空間大小是無限的,所以概率就是0。計算機裡,double 64位,最多表示 2^64 個數,所以樣本空間大小就不是無限了。換而言之,「坍縮」了。
在0 1區間內取某一實數的概率為0,而取到大於1的實數的概率也是0,這兩個0有什麼區別?
概率統計一招制敵 取到大於1的實數,這是不可能事件,概率為零 取到0 1之間的某一實數,這是可能發生的事件,這個事件的概率為零。大海撈針,概率為零,但是可能撈到針的 三爪貓 連續型隨機變數X 0,1 取值範圍無限,它的概率分布函式 F x P X x 對任意正實數x 0,1 被pick的概率P x ...
區間 0, 2 任取一實數,大於 1 的概率是多少?
設構造 則 y 和 x 一一對應,這跟區間長度無關。但是幾何概型裡面,不能這樣建構函式 只能用其中 c a b 或可以去 按照正常的對題幹的理解可以這麼做 在 0,2 取值概率為1。根據根據對稱性,在 0,1 和 1,2 取值概率相同。然後只需知道在1處的概率為0就能得出在 1,2 取值概率為1 2...
在 0, 1 內隨機取點將區間分成 n 段,最長段的長度期望是多少?
位元熵 可先看完開頭後,看4,5,6部分,然後回過頭看推導過程。回答者南宮玝篰的鏈結已給出了很好地解答,我們這裡給出詳細過程。n 1個分割點按座標從下從小到大排列,記為u 0 u n 1 兩個分割點之間的長度記為vi u i u i 1 長度v1.vn為n個變數,滿足v1 v2 vn 1.最長段為m...