赌徒破产问题

最新推荐文章于 2023-05-31 14:18:42 发布
置顶 最新推荐文章于 2023-05-31 14:18:42 发布
阅读量4.8k 收藏 9
点赞数 3
分类专栏： 概率
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Reticent_Man/article/details/85017634
版权

上算法课老师讲了赌徒破产问题，回来在网上找了相关资料，感觉是个有趣的概率题，于是也写了篇作为总结。

问题介绍

一个赌徒开始有h枚金币，每次赢得一枚金币的概率为a，输掉一枚金币的概率为1-a，直到其所有的金币总数达到N或0则游戏结束，求赌徒最终赢得N枚金币的概率P(N|h)。

求解

对于当前拥有金币数h，下一时刻有两种可能，即h+1和h-1。于是有

P(N|h)=a\times P(N|h+1) +(1-a)\times P(N|h-1)

（这个概率问题服从二项分布，准确点说是0-1分布。这个公式要注意的是概率a对应h+1，1-a对应h-1）

联系高中数学的二次递推数列，得特征方程为

p=ap^2+1-a

整理得

ap^2-p+1-a=0

解得

p_1=1,p_2=\frac{1-a}{a}

所以通项公式为

P(N|h)=A\times 1^h+B\times (\frac{1-a}{a})^h

由题意可知

P(N|N)=1,P(N|0)=0

带入方程解得

P(N|h)= \left\{\begin{matrix} \frac{(\frac{1-a}{a})^h-1}{(\frac{1-a}{a})^N-1} &, a\neq \frac{1}{2}\\ \frac{h}{N}&,a=\frac{1}{2} \end{matrix}\right.

可能从以上公式看不出明显的结果，我们将问题具体化：

一个赌徒开始有10枚金币，每次赢得一枚金币的概率为0.4，输掉一枚金币的概率为0.6，直到其所有的金币总数达到100或0则游戏结束，求赌徒最终赢得100枚金币的概率P(100|10)。

带入后计算得

P(100|10)=1.39\times 10^{-16}

可以看出，赌徒赢得100枚金币的概率接近于0.

结论

从公式中我们可以看出，当赢得金币的概率小于等于1/2时，当N\sim +\infty时，P\sim 0。特别的，对于a=0.5时，于是便有了赌徒输光定理（在“公平”的赌博中，任一个拥有有限赌本的赌徒，只要长期赌下去，必然有一天会输光）。

Reticent_Man
关注
专栏目录
马尔科夫决策过程(MDP)：赌徒问题
机器会学习的博客
10-27 5524
问题描述: 一个赌徒玩一个游戏，输赢由抛硬币的结果来决定，每一局游戏开始，都必须拿出部分的赌资下注。如果硬币头朝上，他赌多少赢多少(double)。如果头朝下，就输掉赌注。当赌徒达到100美元的目标时，或者缺钱时，游戏结束。 问题抽象 问题可以看作一个离散的马尔可夫决策过程： sss : state，赌徒当前持有的赌资，s∈S={0,1,2,...99}s\in \mathcal{S}=\{0,1,2,...99\}s∈S={0,1,2,...99} aaa : action，赌徒每次下注的金额，a∈A=
matlab赌徒输完问题,Gambler's Ruin（赌徒破产问题 概率论）
weixin_30258621的博客
03-19 1373
赌徒破产问题，做tc时遇到，顺便拿来好好研究下问题如下：一个赌徒有h枚金币，每次有概率a获得一枚金币或者概率(1-a)丢掉一枚金币，直到其所有的金币总数达到N或0则游戏结束，求赌徒最终赢得N枚金币的概率P(N|h)。对于两个状态我们可以确定，即P(N|N)=1、P(N|0)=0。同时得出状态转移公式(概率的推导和普通的DP还是很不一样的，好好体会下)：P(N|h) = a*P(N|h+1) + (...
jzoj2754 【2012东莞市选】时间流逝 (概率，赌徒破产问题)
一位蒟蒻的小博客
01-21 521
题面 生活可以很简单。可以探索水底世界的神秘，也可以去发现奇特新生物，亦或踏上一段新生的旅程。在必须要迎接挑战或跟周围的生物进行生存争夺之前，享受自由的飞翔。此时你会觉得生活是如此美好。 像蛇喜欢吃浮游生物一样（哦，我好像忘记告诉你这个常识），每天，你可以吃一些你周围的基础生物，然后会在你的尾巴上得到一个能量圈。你将会有好多种不同的能量圈，每一个都会被赋予一个能量。你可以拥有多个同种的
赌徒的破产命运模拟
qq_41059231的博客
05-30 718
import random import sys import stdio stake = int(sys.argv[1]) goal = int(sys.argv[2]) trials = int(sys.argv[3]) m=int(sys.argv[4]) N=int(sys.argv[5]) bets = 0 wins = 0 for t in range(trials):...
Gambler's Ruin（赌徒破产问题 概率论）
solotzg
09-23 2万+
赌徒破产问题，做tc时遇到，顺便拿来好好研究下 英文原版地址为：Gambler's Ruin 问题如下： 一个赌徒有h枚金币，每次有概率a获得一枚金币或者概率（1-a）丢掉一枚金币，直到其所有的金币总数达到N或0则游戏结束，求赌徒最终赢得N枚金币的概率P(N|h)。 对于两个状态我们可以确定，即P(N|N)=1、P(N|0)=0。同时得出状态转移公式（概率的推导和普通的DP还是
R语言马尔可夫链（MARKOV CHAIN, MC）模拟赌徒破产模型GAMBLER’S RUIN PROBLEM可视化...
拓端研究室TRL
05-31 770
原文链接：http://tecdat.cn/?p=26124赌徒的破产问题是指玩家有获胜的概率p和失败的概率q（点击文末“阅读原文”获取完整代码数据）。相关视频例如，让我们来看看一个技能游戏，玩家X可以通过接近目标，以0.6的概率击败玩家Y。游戏开始时，玩家X被分配到5分，玩家Y被分配到10分。每轮游戏后，玩家的积分要么减少一个，要么增加一个，我们可以确定玩家X将赢过玩家Y的概率。这类问题的应用范...
算法题_赌徒问题
欢迎大家关注我
08-07 1486
题目： 接下来我们用C++进行编程： bool f(int x) { return rand() % 100 < x; } int num_bets_before_game_over(int N) { int countsum = 0; int result = 0; int money = N; for(int i = 0; i < 100000; i++) { int count = 0; while(money > 0 && money &l
点数问题与赌徒破产问题
weixin_30684743的博客
04-12 365
参考下面的问题，设置Pn,m=P(E) E表示在m次失败之前获得了n次成功， 以第一次试验为条件，设F表示第一次成功 那么 Pn,m=P(E)=P(E|F)P(F) + P(E|F^c)P(F^c), P(F)=p P(F^c)=1-p, P(E|F) 表示已知第一次成功的情况下，在失败m次之前获得n次成功 这个概率就等于Pn-1,m 即在m次失败前获得n-1次成功（因为第...
强化学习之赌徒问题
miya的博客
09-02 2397
前言 在之前的博文中，有详细说明MDP。本文用一个简单易懂的赌徒问题，作为例子，说明如何实现MDP的相关算法。如何求解出最优策略。 1. 问题描述 赌徒下注猜测一系列抛硬币的结果。 如果正面朝上，则他获得该次下注的钱。如果背面朝上，则失去这一次下注的钱。 当赌徒获利100元，或者输光的时候，游戏结束。 2. 问题建模 该问题可以表述为非折扣的分幕式有限MDP。 状态S：赌徒的赌资 S ∈\in∈{1,2,3,…99} 动作Action： 赌徒下注的金额 a∈\in∈{0, 1, … , min(s, 100
赌徒破产理论
yinxusen的专栏
02-11 8569
前两天有个同学问了个概率题，没想到我真的做出来了，记录一下 p(s)=p*p(s+1)+(1-p)*p(s-1), p(0)=1 ,求p(s).  p(s)=p*p(s+1)+(1-p)*p(s-1) 根据贝叶斯定理 有 P(s|s+1) = P(s)*P(s+1|s)/P(s+1) 上述分别为公式 1 和 2 由公式一可知 状态 s 以 p为概率 ，来
hdu1204(Markov过程，赌徒输光问题变形)
pmt123456的博客
12-09 5940
题目链接：糖果大战 回到本题： 本题是赌徒问题的变形，增加了平局的情况，设f(i)是从状态i出发到达n+m状态先于到达0状态的概率 考虑从i出发后移动一步后的情况，以概率p(1-q)移动到j+1的假设下，到达n+m的概率为f(i+1) 同理，以概率q(1-p)移动到j-1的前提下，到达n+m的概率是f(i-1) 如果两人是平局，以概率1-p(1-q
赌徒破产模型
qq_43520313的博客
09-06 2531
假设 赌徒A有资金aaa元 赌徒B有资金bbb元 每次输赢111元，直到一方输完。 设A赢的概率为ppp，输的概率为q(p+q=1)q(p+q=1)q(p+q=1)。试求A能赢得所有资金得概率？ 解： 令fif_ifi​表示A能从iii元赢到a+ba+ba+b元得概率，f0=0f_0=0f0​=0(已经输了)，fa+b=1f_{a+b}=1fa+b​=1(已经赢了)，答案为faf_afa​ fi=pfi+1+qfi−1(p+q)fi=pfi+1+qfi−1q(fi−fi−1)=p(fi+1−fi)qp(fi
赌徒50%输赢问题
weixin_30894389的博客
09-15 530
原问题： 如果赌博输赢的概率都是50％，为什么长久赌博的人多会倾家荡产而不是收益均衡？ 单从概率上来说，假如赌博输赢概率50％应该和抛硬币是一样的吧，抛硬币次数多了正反面比率基本相同，那么长久赌博的人为什么多不是收支平衡呢？ 来自知乎https://www.zhihu.com/question/63334274 李佳飞原答案： ...
从酒鬼失足到赌徒破产，悲剧收场为何注定
dllian的专栏
05-22 3688
很多看似不相关的事物，在背后却能有着相似的数学原理。它们之间的联系时常让人觉得诧异。比如酒鬼和赌徒背后就有着神奇的相同之处。本文从一个荒诞的酒鬼掉下悬崖的故事开始，最终讲述了在赌场里看上去违背常理的举动其实是最有道理的这个事实。 很多看似不相关的事物背后却有着千丝万缕的关系，比如今天故事的主角——酒鬼与赌徒。让我们从酒鬼在悬崖漫步这个荒诞的故事开始，算算他不幸
隐藏在概率背后的冷常识（1）——赌徒输光定理
热门推荐
xiazeyu513的博客
10-02 3万+
1、背景介绍赌徒输光定理：在“公平”的赌博中，任意一个拥有赌本的赌徒和一个拥有无限赌本的赌徒进行长期赌博，那么有限赌本的赌徒输光的概率是100%。2、核心概念马尔可夫链是随机变量的一个数列。这些变量的范围，即他们所有可能取值的集合，被称为“状态空间”，而的值则是在时间的状态。如果对于过去状态的条件概率分布仅是的一个函数，则，这里为过程中的某个状态。上面这个恒等式可以被看作是马尔可夫性质。 因此：有
关于等价鞅、反等价鞅、凯利公式、赌徒输光定理
比特量化
01-24 1452
我很早就觊觎股市期市和汇市了，但是自己手里一直没有钱。到了澳大利亚后有了奖学金，于是终于可以自己自由的玩这个东西了。我选择了外汇保证金。本来这个东西，打算在赚到钱之前不写什么东西的。但是近的一系列醍醐灌顶的感觉让我觉得还是有必要记录一下最近的心理活动。去年7月份入市以来，现在已经半年过去了，我总共亏损了2000美元。不过相对于我得到的东西，我觉得这已经是相当值得的一个投入产出比了。 这半年来，我一直采用迷你帐户操作，爆仓四次。在这个过程中，我经历了各种剧烈的心理变动，贪婪，恐惧，不确定。自己的人性的各种丑陋
请给出本金n时赌徒破产所需下注次数，模拟次数为Y。R语言代码
最新发布
10-08
在R语言中，计算赌徒破产所需的下注次数通常涉及概率模拟，特别是对于“赌棍破产”这类经典的负二项分布（Geometric Distribution）问题。赌徒破产模型假设每次赌博的胜率为p，失败则输掉一定金额，直到赢得为止。我们可以通过循环和随机数生成函数`runif()`来模拟这个过程。 以下是一个简单的R代码示例，它将计算在本金n下，赌徒破产所需要的平均下注次数： ```r # 定义函数，接受本金、成功概率和模拟次数作为参数 get_bust_times <- function(principal, p, simulations) { total_simulations <- numeric(simulations) for (i in 1:simulations) { # 模拟下注次数，直到赢得一次 bets <- 0 while (TRUE) { if (runif(1) < p) { # 赢的概率小于等于0.5，这里简化为抛硬币 break } else { bets <- bets + 1 principal <- principal - 1 # 每次失败赌注减少本金 if (principal <= 0) { total_simulations[i] <- bets # 破产时停止模拟，记录下注次数 break } } } } # 计算平均破产下注次数 mean(total_simulations) } # 示例使用 set.seed(123) # 设置随机种子保证结果可复现 n <- 1000 # 本金 p <- 0.5 # 胜率 Y <- 10000 # 模拟次数 bust_times <- get_bust_times(n, p, Y) bust_times ``` 在这个例子中，`get_bust_times`函数会返回在给定本金、获胜概率和模拟次数下的平均破产下注次数。注意实际赌博场景中胜率可能是不同的，需要替换`p`值。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值