搞懂三个应用概率耦合方法的经典实例

学前班的小朋友问我概率耦合是什么，我搜了搜，发现有点意思，刚好博客又没人写，所以就有了下文。。。

概述

概率耦合（probability coupling）是一种方法或者说技巧，处理的对象是相互独立的随机变量，在不改变随机变量的分布前填下，赋予随机变量之间依赖关系。其本质是提炼了独立随机变量之间某些属性的数值关系，讲这种数值关系变成依赖关系。类似时间换空间。下面将给出三个具体的例子，最后一个例子附有python代码实现。

实例一：随机行走

著名的随机行走模型有许多实际应用，如高分子链模型去算回旋半径，其实也是因为这个模型基于对自然现象：布朗运动。现在我们就以随机行走这个模型来说明概率耦合。假设有一个粒子在棋盘上随机行走，有一面镜子，镜子中的棋子的行走完全是这个棋子的镜像。或者说完全依赖于这个真实棋子的行走。但是我们分开来观察的话就好像都是独立地在随机行走。类似于两个独立的随机行走模型，虽然他们之间是相互依赖的，但是我们只关心他们的属性，即是不是都在随机行走。

实例二：偏性掷硬币

现有两个有偏差的硬币A，B，A硬币出现正面的概率是p,B硬币出现正面的概率是q,
且q>p,现在这两枚硬币出现正面的事件是相互独立的。也就是说即使B硬币比A硬币出现正面的几率大，但是在同时投掷这两枚硬币也很有可能出现A是正面而B是背面的情况。那么如何把这两个独立事件转换成相互依赖的事件并表现出q>p的关系呢
下面介绍两种等价的方法。

• X代表一系列抛掷A硬币的实验，X=1：代表正面，X=0：代表反面，Y也是代表一类实验，且当X=1时，Y=1，X=0时，Y有(q-p)/(1-p)的概率取值为1。简单计算可以得到Y的概率分布和B硬币是一致的。有上述规则可以看出1）Y依赖于X ；2）X是正面是Y一定是正面
  $$1\times p+(1$$