上面用咗bayesian嘅角度講 咁我試下由frequentist嘅角度出發
到我擲係另一回事係咩意思
理論上一粒fair dice話到明fair 咁我地可以合理假設開大/細嘅機率係1/2
而且上次開咩都好 都唔應該影響到今次嘅結果 如果唔係就唔fair 所以亦可以合理假設每一次擲骰都係independent
問題就係現實世界有好多物理上嘅限制 令到上面兩個assumptions都有機會唔成立
第一個assumption: 只要唔係casino dice就已經唔成立
第二個assumption: 如果係人手擲骰 佢擲嘅方法 力度 角度 諸如此類都有機會令到event同event之間有dependency
所以現實上嘅限制唔應該忽略
呢個fallacy啫係話用experimental data嚟預測或者估計係種錯誤?
只係因為上面啲限制就直接dismiss個問題未免太無癮
咁我地就假設依家係喺ideal world入面做實驗 上面兩個assumptions都成立
喺呢個setting底下 #1個諗法可以拆開兩部份去分析
第一部份係關於實驗概率趨向理論概率
#10份pdf其實已經講得好好
呢個諗法係源於一樣叫"Weak Law of Large Numbers" (WLLN)嘅嘢
基本上佢就係講緊隨住做實驗嘅次數愈嚟愈多 sample mean最終係會相當大可能趨向theoretical expectation (相當大可能趨向 = converge in probability)
呢種「相當大可能趨向」同一般introductory calculus見到嗰種limit係唔同
並唔係話過咗某一個位 例如擲到第一億次 sample mean就一定要貼住theoretical mean 永遠唔可以再deviate多過某一個threshold
所以唔存在「因為開得4999.9999萬鋪細 所以下一鋪要大機會啲開細去補償返個exp prob」呢種諗法
好似#3咁講 呢種convergence只係意味住實驗結果大幅偏離理論值嘅機會越嚟越細 所有嘢都係in probability sense
第二部份就係純粹根據assumptions去睇
擲第一億次開大/細嘅概率唔會比之前嘅結果影響 仍然係1/2
多數人中賭徒繆誤都係因為搞亂第一部份