จำนวนที่คาดหวังอัตราส่วนของการเกิดหญิงกับชาย


45

ฉันเจอคำถามหนึ่งในการสัมภาษณ์งานการทดสอบความถนัดเรื่องการคิดอย่างมีวิจารณญาณ มันเป็นอะไรแบบนี้

สาธารณรัฐ Zorganian มีประเพณีแปลก ๆ คู่รักมีความประสงค์ที่จะมีลูกผู้หญิงเท่านั้นเพราะผู้หญิงเท่านั้นที่สามารถสืบทอดทรัพย์สมบัติของครอบครัวได้ดังนั้นหากพวกเขามีลูกผู้ชายพวกเขาจะมีลูกเพิ่มขึ้นเรื่อย ๆ จนกว่าพวกเขาจะมีผู้หญิง หากพวกเขามีผู้หญิงพวกเขาหยุดมีลูก อัตราส่วนระหว่างเด็กหญิงกับชายใน Zorgania คือเท่าไหร่?

ฉันไม่เห็นด้วยกับคำตอบแบบจำลองที่กำหนดโดยผู้เขียนคำถามซึ่งมีประมาณ 1: 1 เหตุผลก็คือการเกิดใด ๆ จะมีโอกาส 50% ในการเป็นชายหรือหญิง

คุณช่วยโน้มน้าวฉันด้วยคำตอบที่แข็งแกร่งทางคณิตศาสตร์ของถ้าคือจำนวนของเด็กหญิงและ B คือจำนวนเด็กชายในประเทศ?GE[G]:E[B]G


3
คุณถูกต้องในการไม่เห็นด้วยกับคำตอบของแบบจำลองเนื่องจากอัตราส่วน M: F ของการเกิดแตกต่างจากอัตราส่วน M: F ของเด็ก ในสังคมมนุษย์ที่แท้จริงคู่รักที่ปรารถนามี แต่เด็กผู้หญิงเท่านั้นที่จะหันไปใช้วิธีการทางเพศหรือการยอมรับจากต่างประเทศเพื่อกำจัดเด็กผู้ชายส่งผลให้อัตราส่วน M: F น้อยกว่า 1: 1
Gabe

10
@Gabe ไม่มีการกล่าวถึง infanticide ในคำถามมันคือการออกกำลังกายทางคณิตศาสตร์เมื่อเทียบกับการวิเคราะห์ที่มีไหวพริบของประเทศที่แท้จริงที่การฆาตกรรมเป็นเรื่องธรรมดา อัตราส่วนที่แท้จริงของการเกิดของเด็กชายกับเด็กหญิงนั้นใกล้เคียงกับ 51:49 (ไม่สนใจปัจจัยทางสังคม)
Richard Tingle

2
ขอบคุณคำตอบที่ฉันเข้าใจตอนนี้ว่าทำไมอัตราส่วนจึงเป็น 1: 1 ซึ่ง แต่เดิมฟังดูง่ายสำหรับฉัน หนึ่งในเหตุผลสำหรับการไม่เชื่อและความสับสนของฉันคือฉันรู้ว่าหมู่บ้านในประเทศจีนมีปัญหาตรงข้ามกับอัตราส่วนเด็กที่สูงเกินไป: อัตราส่วนหญิง ฉันเห็นได้ว่าตามความเป็นจริงแล้วคู่รักจะไม่สามารถสืบพันธุ์ต่อไปได้เรื่อย ๆ จนกว่าพวกเขาจะได้เพศของเด็กที่พวกเขาต้องการ ในประเทศจีนกฎหมายอนุญาตให้เด็กสูงสุดเพียง 2 คนเท่านั้นสำหรับคนที่อาศัยอยู่ในพื้นที่ชนบทดังนั้นในกรณีนี้อัตราส่วนจะใกล้เคียงกับ 3: 2 มากกว่า 1: 1
Mobius Pizza

4
@MobiusPizza: ไม่อัตราส่วนคือ 1: 1 ไม่ว่าคุณจะมีลูกกี่คน! เหตุผลที่จีนมีอัตราส่วนแตกต่างกันเนื่องจากปัจจัยทางสังคมเช่นการฆ่าล้างเผ่าพันธุ์การทำแท้งโดยเลือกเพศและการยอมรับจากต่างประเทศ
Gabe

3
@ newmount Simulations เป็นสิ่งที่ดี แต่พวกเขามีความหมายมากเท่ากับข้อสันนิษฐานที่สร้างขึ้นมา การแสดงรหัสเท่านั้นโดยไม่มีคำอธิบายใด ๆ ทำให้ผู้คนสามารถระบุสมมติฐานเหล่านั้นได้ยาก ในกรณีที่ไม่มีเหตุผลและคำอธิบายดังกล่าวจำนวนของการจำลองการส่งออกจะไม่มีคำถามที่นี่ ตราบใดที่ "โลกแห่งความเป็นจริง" ดำเนินไปใครก็ตามที่อ้างสิทธิ์นั้นจะต้องให้ข้อมูลเกี่ยวกับการเกิดของมนุษย์
whuber

คำตอบ:


46

เริ่มต้นโดยไม่มีลูก

ทำซ้ำขั้นตอน

{

ทุกคู่ที่ยังคงมีลูกมีลูก คู่รักครึ่งหนึ่งมีชายและหญิงครึ่งหนึ่งมีหญิง

คู่รักที่มีผู้หญิงหยุดมีลูก

}

ในแต่ละขั้นตอนคุณจะได้รับจำนวนของชายและหญิงและจำนวนคู่ที่มีลูกลดลงครึ่งหนึ่ง (เช่นที่มีผู้หญิงจะไม่มีลูกในขั้นตอนถัดไป)

ดังนั้นในเวลาใดก็ตามคุณมีจำนวนของชายและหญิงเท่ากันและจากขั้นตอนหนึ่งไปอีกขั้นจำนวนคู่ที่มีลูกตกลงไปครึ่งหนึ่ง เมื่อคู่รักถูกสร้างขึ้นในสถานการณ์เดียวกัน reoccurs และสิ่งอื่น ๆ ที่เท่าเทียมกันประชากรจะมีจำนวนเพศชายและเพศหญิงเท่ากัน


6
ฉันคิดว่านี่เป็นวิธีที่ยอดเยี่ยมในการอธิบายการกระจายความน่าจะเป็นโดยไม่ต้องอาศัยการพิสูจน์ทางคณิตศาสตร์ที่เข้มงวด
LBushkin

1
สิ่งที่ฉันชอบคือสิ่งนี้ยังอธิบายถึงสิ่งที่เกิดขึ้นกับผู้หญิงที่เกินความคาดหวังที่คุณคาดหวัง: ผู้หญิงส่วนเกินเป็นที่ต้องการของผู้ปกครอง (พวกเขาเป็นผู้ปกครองที่ลองอีกครั้ง) แต่ผู้ปกครองเหล่านั้น สาว ๆ
Ben Jackson

2
คุณสามารถทำให้การทำให้ง่ายขึ้นยิ่งขึ้นด้วยการพูดว่า "ทำซ้ำขั้นตอน {มีคนตัดสินใจว่าจะมีลูกหรือไม่" กฎที่พวกเขาตัดสินใจนั้นไม่เกี่ยวข้องโดยสมบูรณ์หากทุกคนผลิตเด็กหญิงและเด็กชายอย่างอิสระด้วยความน่าจะเป็นแบบเดียวกัน มันไม่จำเป็นแม้แต่ที่จะสมมติค่าความน่าจะเป็นคุณก็บอกได้ว่าความถี่ในประชากรจะเท่ากับความถี่ที่เกิด
Steve Jessop

1
@martino ฉันไม่เชื่อว่าเป็นกรณีนี้แม้ว่าฉันจะไม่แปลกใจหากมีคณิตศาสตร์ที่น่าเชื่อถือมากกับผลกระทบนี้ ฉันเชื่อว่าสถานการณ์นี้นำไปสู่ความล้มเหลวของแนวคิดเรื่องอัตราส่วนเนื่องจากจำนวนเด็กที่คาดหวังต่อครอบครัวนั้นไม่มีที่สิ้นสุด คุณควรจะสงสัยในคำตอบของคุณเพราะคนทั่วไปที่ตอบคำถามของคุณในหัวข้อนี้
jlimahaverford

1
@ martino เพื่อความสนุกฉันเพิ่งเล่นเกมจำลองโดยใช้เกณฑ์การหยุด 10,000 ครอบครัวมีเด็กชายทั้งหมด 160,693,469 คน (และจำนวนนั้นบวกกับเด็กผู้หญิงอีก 10,000 คน) ในอัตราส่วน 0.9999377735896915 สิ่งที่น่าเหลือเชื่อทีเดียว
jlimahaverford

37

ให้เป็นจำนวนเด็กชายในครอบครัว ทันทีที่พวกเขามีผู้หญิงคนหนึ่งพวกเขาก็หยุดดังนั้นX

X=0if the first child was a girlX=1if the first child was a boy and the second was a girlX=2if the first two children were boys and the third was a girland so on

ถ้าเป็นโอกาสที่เด็กเป็นเด็กผู้ชายคนหนึ่งและถ้าเพศมีความเป็นอิสระระหว่างเด็กน่าจะเป็นที่ครอบครัวสิ้นสุดลงด้วยการมีkชายคือ P ( X = k ) = P k( 1 - P ) , คือความน่าจะเป็นของ มีชายkแล้วมีหญิงสาว จำนวนที่คาดหวังของเด็กชายเป็น E X = Σ k = 0 k P k( 1 - P ) =pk

P(X=k)=pk(1p),
k สังเกตว่า k = 0 kpk= k = 0 (k+1)pk+1เราได้ k = 0 kpk- k = 0 k
EX=k=0kpk(1p)=k=0kpkk=0kpk+1.
k=0kpk=k=0(k+1)pk+1
โดยที่เราใช้k = 0 pk=1/(1-p)เมื่อ0<p<1(ดูซีรี่ส์เรขาคณิต)
k=0kpkk=0kpk+1=k=0(k+1)pk+1k=0kpk+1=k=0pk+1=pk=0pk=p1p
k=0pk=1/(1p)0<p<1

ถ้าเรามีที่E X = 0.5 / 0.5 นั่นคือครอบครัวโดยเฉลี่ยมีเด็กชาย 1 คน เรารู้อยู่แล้วว่าทุกครอบครัวมี 1 สาวดังนั้นอัตราส่วนจะอยู่ตลอดเวลาแม้กระทั่งออกมาเป็น1 / 1 = 1p=1/2EX=0.5/0.51/1=1

X


4
นี้แน่นอนสมมติว่าpจะเหมือนกันสำหรับทุกครอบครัว หากเราสมมติว่าคู่รักบางคู่มีแนวโน้มที่จะมีเด็กชายมากกว่าคนอื่น ( เช่นพวกเขาpจะสูงกว่า) จากนั้นผลลัพธ์จะเปลี่ยนแม้ว่าค่าเฉลี่ยpจะเท่ากับ 0.5 (ถึงกระนั้นนี่ก็เป็นคำอธิบายที่ดีเยี่ยมเกี่ยวกับสถิติพื้นฐาน)
Ben Hocking

2
@Ben ความคิดเห็นของคุณมีความคิดที่สำคัญ สิ่งเดียวกันเกิดขึ้นกับฉันดังนั้นฉันจึงได้แก้ไขคำถามของฉันเพื่อรวมการวิเคราะห์สถานการณ์จริงมากขึ้น แสดงให้เห็นว่าอัตราส่วนการ จำกัดไม่จำเป็นต้องเป็น 1: 1
whuber

1
p1/2

21

สรุป

รูปแบบง่าย ๆ ที่การคลอดลูกอย่างอิสระนั้นมีโอกาส 50% ที่จะเป็นผู้หญิงที่ไม่สมจริงและกลายเป็นสิ่งที่พิเศษ เร็วที่สุดเท่าที่เราจะพิจารณาผลกระทบของการเปลี่ยนแปลงในผลในหมู่ประชาชนคำตอบคือว่าผู้หญิงคนนั้นอัตราส่วนเด็กสามารถใด ๆมูลค่าไม่เกิน 1: 1 (ในความเป็นจริงอาจเป็นไปได้ที่จะใกล้เคียงกับ 1: 1 แต่นั่นเป็นเรื่องสำคัญสำหรับการวิเคราะห์ข้อมูลเพื่อกำหนด)

เนื่องจากคำตอบที่ขัดแย้งกันทั้งสองนี้นั้นได้มาจากการสมมติว่ามีความเป็นอิสระทางสถิติของผลลัพธ์การเกิดการอุทธรณ์ต่ออิสรภาพจึงเป็นคำอธิบายที่ไม่เพียงพอ ดังนั้นจึงปรากฏว่าความแปรปรวน (ในโอกาสเกิดของสตรี) เป็นความคิดหลักที่อยู่เบื้องหลังความขัดแย้ง

บทนำ

ความขัดแย้งเกิดขึ้นเมื่อเราคิดว่าเรามีเหตุผลที่ดีที่จะเชื่อบางสิ่ง แต่ต้องเผชิญหน้ากับข้อโต้แย้งที่ดูแข็งกร้าว

การแก้ไขข้อขัดแย้งที่น่าพอใจช่วยให้เราเข้าใจว่าอะไรถูกและอะไรที่อาจผิดไปจากข้อโต้แย้งทั้งคู่ ตามที่มักจะเป็นในกรณีของความน่าจะเป็นและสถิติการขัดแย้งทั้งสองสามารถใช้ได้จริง: การแก้ไขจะขึ้นอยู่กับความแตกต่างระหว่างสมมติฐานที่ทำโดยนัย การเปรียบเทียบสมมติฐานต่าง ๆ เหล่านี้สามารถช่วยให้เราระบุได้ว่าสถานการณ์ใดที่นำไปสู่คำตอบที่ต่างกัน การระบุประเด็นเหล่านี้ที่ฉันรักษาไว้คือสิ่งที่เราควรให้ความสำคัญมากที่สุด

สมมติฐาน

1/2

  1. ipi

  2. ในกรณีที่ไม่มีกฎการหยุดใด ๆ จำนวนการเกิดของสตรีที่คาดหวังในประชากรควรจะใกล้เคียงกับจำนวนการเกิดของผู้ชายที่คาดหวัง

  3. ผลลัพธ์การเกิดทั้งหมดเป็นอิสระทางสถิติ

pi

การวิเคราะห์

2N2/31/3

N

f(N,p)NpNf(N,p)=f(p)Nm(p)N

  • pN(1p)NpN(1p)N

  • (1p)Nf(p)[(1p)N]m(p)[(1p)N]

f(p)Nm(p)N

f(p)N=pN+f(p)(1p)N  and  m(p)N=(1p)N+m(p)(1p)N

ด้วยโซลูชั่น

f(p)=1  and  m(p)=1p1.

Np=2/3f(2/3)N=Nm(2/3)N=N/2

Np=1/3f(1/3)N=Nm(1/3)N=2N

(1+1)N=2N(1/2+2)N=(5/2)NN

E(# girls# boys)2N(5/2)N=45.

กฎการหยุดโปรดปรานชาย!

p1pN

2p(1p)12p(1p).

p010111p=1/2

มติ

หากสัญชาตญาณของคุณคือการหยุดกับผู้หญิงคนแรกที่ควรจะผลิตเด็กผู้ชายมากขึ้นในประชากรแล้วคุณถูกต้องตามตัวอย่างนี้แสดงให้เห็น ในการที่จะแก้ไขให้ถูกต้องสิ่งที่คุณต้องมีก็คือความน่าจะเป็นของการให้กำเนิดผู้หญิงคนหนึ่งนั้นแตกต่างกันไป

คำตอบ "อย่างเป็นทางการ" ว่าอัตราส่วนควรใกล้เคียงกับ 1: 1 ต้องใช้สมมติฐานที่ไม่สมจริงหลายประการและอ่อนไหวต่อมัน: สมมติว่าไม่มีความแตกต่างระหว่างครอบครัวและการเกิดทั้งหมดจะต้องเป็นอิสระ

ความคิดเห็น

แนวคิดหลักที่เน้นโดยการวิเคราะห์นี้คือการเปลี่ยนแปลงภายในประชากรนั้นมีผลกระทบที่สำคัญ ความเป็นอิสระของการเกิด - แม้ว่ามันจะเป็นข้อสันนิษฐานที่ใช้ง่ายสำหรับการวิเคราะห์ในหัวข้อนี้ - ไม่ได้แก้ความขัดแย้งเพราะ (ขึ้นอยู่กับสมมติฐานอื่น ๆ ) เพราะมันมีความสอดคล้องกันทั้งคำตอบอย่างเป็นทางการและตรงกันข้าม

pipipi

ถ้าเราแทนที่เพศด้วยการแสดงออกทางพันธุกรรมอื่น ๆ เราจะได้คำอธิบายทางสถิติอย่างง่าย ๆ เกี่ยวกับการคัดเลือกโดยธรรมชาติ : กฎที่ จำกัด จำนวนลูกหลานตามการแต่งหน้าทางพันธุกรรมของพวกเขาสามารถเปลี่ยนสัดส่วนของยีนเหล่านั้นในรุ่นต่อไปอย่างเป็นระบบ เมื่อยีนไม่ได้เชื่อมโยงกับเพศถึงแม้จะมีผลกระทบเล็กน้อยที่จะแพร่กระจายทวีคูณผ่านรุ่นต่อเนื่องและสามารถขยายอย่างรวดเร็วมาก


คำตอบเดิม

เด็กแต่ละคนมีลำดับการเกิด: ลูกคนหัวปีเกิดครั้งที่สองเป็นต้น

สมมติว่าความน่าจะเป็นที่เท่ากันระหว่างการเกิดชายและหญิงและไม่มีความสัมพันธ์กันในหมู่เพศกฎที่อ่อนแอของคนจำนวนมากยืนยันว่าจะมีอัตราส่วนใกล้เคียงกับอัตราส่วน 1: 1 ของผู้หญิงคนแรกกับเพศชาย ด้วยเหตุผลเดียวกันจะมีอัตราส่วน 1: 1 ของผู้หญิงที่เกิดที่สองต่อเพศชายและอื่น ๆ เนื่องจากอัตราส่วนเหล่านี้มีอัตราส่วน 1: 1 ตลอดเวลาอัตราส่วนโดยรวมจะต้องเป็น 1: 1 เช่นกันโดยไม่คำนึงถึงความถี่สัมพัทธ์ของคำสั่งคลอดที่เกิดขึ้นในประชากร


ที่น่าสนใจ; สิ่งนี้ดูเหมือนจะเป็นเพราะแม้ว่าจะไม่มีกฎใดที่สามารถเปลี่ยนอัตราส่วนจากอัตราส่วนธรรมชาติได้ แต่ก็สามารถเปลี่ยนจำนวนเด็กที่เกิดขึ้นและจำนวนเด็กนั้นขึ้นอยู่กับอัตราส่วนตามธรรมชาติ ดังนั้นในตัวอย่างของคุณคุณมีผู้ปกครองสองคนและพวกเขาได้รับผลกระทบต่างกัน (ที่กล่าวนี้รู้สึกเช่นนี้สถานการณ์อยู่นอกขอบเขตของการสวมประเทศโดยนัยที่มีมากขึ้นของการออกกำลังกายทางคณิตศาสตร์ก)
ริชาร์ดซ่า

pi1/21

1
และคุณไม่ควรขอโทษนี่เป็นผลลัพธ์ที่น่าสนใจมาก (ฉันคิดว่าว้าวเมื่อฉันอ่านมัน) ฉันแค่ชอบมันในรูปแบบ "ผลลัพธ์ดั้งเดิม", "สถานการณ์ที่สมจริงยิ่งขึ้น" วิธีการเขียนมันให้ความรู้สึกเหมือนการโกง (ซึ่งไม่ยุติธรรมเพราะอย่างที่ฉันบอกว่ามันน่าสนใจมาก) เพราะฉันสามารถพูดได้ง่าย ๆ ว่า "เห็นได้ชัดว่าไม่ใช่ 1: 1 เพราะการเกิดของผู้ชายเป็นเรื่องธรรมดามากกว่า" (ฉันเชื่อว่า จะตายในความขัดแย้ง)
Richard Tingle

pi0.51

@whuber ขอบคุณสำหรับคำตอบที่ให้ข้อมูล ฉันไม่เข้าใจว่าทำไมในการคำนวณของคุณคุณแบ่งประชากรออกเป็น 2 ครอบครัวด้วยความน่าจะเป็นที่แตกต่างกันในการให้กำเนิดผู้หญิงแม้ว่า ตามจุดที่ 1 ของสมมติฐานโมเดลของคุณ p_i ควรเหมือนกันสำหรับทุกครอบครัว แล้วทำไมคุณแบ่งประชากรออกเป็นครอบครัว 2 แบบ
Mobius Pizza

14

การเกิดของเด็กแต่ละคนเป็นเหตุการณ์อิสระที่มี P = 0.5 สำหรับเด็กผู้ชายและ P = 0.5 สำหรับเด็กผู้หญิง รายละเอียดอื่น ๆ (เช่นการตัดสินใจของครอบครัว) เบี่ยงเบนความสนใจของคุณจากข้อเท็จจริงนี้เท่านั้น คำตอบก็คือว่าอัตราส่วน 1: 1

หากต้องการอธิบายเกี่ยวกับสิ่งนี้: จินตนาการว่าแทนที่จะมีลูกคุณจะพลิกเหรียญที่ยุติธรรม (P (หัว) = 0.5) จนกว่าคุณจะได้ "หัว" สมมติว่า Family A พลิกเหรียญและได้รับลำดับของ [ก้อยก้อยหัว] จากนั้น Family B พลิกเหรียญและได้รับก้อย ทีนี้ความน่าจะเป็นที่จะเป็นถัดไปคืออะไร? ยังคง 0.5เพราะนั่นคือสิ่งที่หมายถึงอิสระ หากคุณทำเช่นนี้กับ 1,000 ตระกูล (ซึ่งหมายถึง 1,000 หัวขึ้นมา) จำนวนหางทั้งหมดที่คาดไว้คือ 1,000 เนื่องจากการโยนแต่ละครั้ง (เหตุการณ์) เป็นอิสระอย่างสมบูรณ์

บางสิ่งไม่เป็นอิสระเช่นลำดับภายในครอบครัวความน่าจะเป็นของลำดับ [หัวหัว] คือ 0 ไม่เท่ากับ [ก้อยก้อย] (0.25) แต่เนื่องจากคำถามไม่ได้ถามเกี่ยวกับสิ่งนี้จึงไม่เกี่ยวข้อง


3
ตามที่ระบุไว้นี้ไม่ถูกต้อง หากขี้ฟันเป็นอิสระอย่างไม่มีเงื่อนไขในระยะยาวจะมีลำดับสาว - สาวจำนวนมากในการเกิดในหมู่ครอบครัวที่มีลำดับเด็กชาย - เด็กชาย มีหลายหลังและไม่เคยมีใครในอดีต มีรูปแบบของความเป็นอิสระ แต่มันเป็นเงื่อนไขตามลำดับการเกิด
whuber

1
@whuber เราไม่ได้ถามว่ามีซีเควนหญิงสาวจำนวนเท่าใด เฉพาะอัตราส่วนของเด็กหญิงกับเด็กชาย ฉันไม่ได้ระบุว่าลำดับการเกิดของแม่แต่ละคนเป็นชุดของเหตุการณ์อิสระเช่นเหรียญพลิก เฉพาะที่เกิดแต่ละรายการเป็นเหตุการณ์ที่เป็นอิสระ
ทิมเอส

คุณจะต้องชัดเจนมากขึ้นเกี่ยวกับเรื่องนั้น ฉันพูดถึงลำดับที่จะแสดงให้เห็นถึงการขาดความเป็นอิสระดังนั้นภาระที่คุณต้องระบุอย่างชัดเจนคือ"ความเป็นอิสระ" ที่ใช้กับความรู้สึกที่เคร่งครัด
whuber

@whuber กิจกรรมมีความเป็นอิสระในลักษณะเดียวกับการโยนเหรียญ ฉันอธิบายเรื่องนี้ในคำตอบของฉัน
ทิมเอส

3
@whuber ลำดับเด็กหญิง - สาวเปิดขึ้นหากคุณใส่เกิดทั้งหมดในบรรทัด; หลังจากคู่หนึ่งเสร็จสิ้นการเดินทางครั้งต่อไปใน ฯลฯ ฯลฯ
Richard Tingle

6

ลองนึกภาพการโยนเหรียญที่ยุติธรรมจนกว่าคุณจะสังเกตเห็นหัว คุณเหวี่ยงกี่อัน?

P(0 tails)=12,P(1 tail)=(12)2,P(2 tails)=(12)3,...

จำนวนหางที่คาดหวังสามารถคำนวณได้ง่าย * ถึง 1

จำนวนของหัวคือ 1 เสมอ

* หากนี่ยังไม่ชัดเจนสำหรับคุณโปรดดู 'โครงร่างของการพิสูจน์' ที่นี่


6

คู่รักที่มีผู้หญิงเพียงคนเดียวและไม่มีผู้ชายเป็นเรื่องธรรมดาที่สุด

เหตุผลทั้งหมดนี้เป็นเพราะความเป็นไปได้ของสถานการณ์หนึ่งที่มีเด็กหญิงมากกว่านั้นมากกว่าสถานการณ์ที่มีเด็กผู้ชายมากขึ้น และสถานการณ์ที่มีเด็กชายจำนวนมากมีความน่าจะเป็นต่ำมาก วิธีการทำงานของตัวเองโดยเฉพาะมีภาพประกอบด้านล่าง

NumberOfChilden Probability  Girls   Boys  
1               0.5           1       0  
2               0.25          1       1  
3               0.125         1       2  
4               0.0625        1       3  
...             ...           ...     ...  

NumberOfChilden Probability   Girls*probabilty   Boys*probabilty 
1               0.5           0.5                0
2               0.25          0.25               0.25
3               0.125         0.125              0.25
4               0.0625        0.0625             0.1875
5               0.03125       0.03125            0.125
...             ...           ...                ...  
n               1/2^n         1/(2^n)            (n-1)/(2^n)

คุณสามารถดูว่านี่เกิดขึ้น ณ จุดนี้โดยรวมของเด็กหญิงและเด็กชายจะรวมกันเป็นหนึ่ง

ผู้หญิงที่คาดหวังจากคู่หนึ่ง=n=1(12n)=1
=n=1(n1n2)=1

จำกัด โซลูชั่นจากวุลแฟรม

ไม่ว่าจะเกิดในครอบครัวอะไรก็ตามมีโอกาส 50:50 ในการเป็นเด็กชายหรือเด็กหญิง

ทั้งหมดนี้ทำให้รู้สึกที่แท้จริงเพราะ (ลองเป็นคู่อาจ) คุณไม่สามารถควบคุมความน่าจะเป็นของการเกิดที่เฉพาะเจาะจงเป็นชายหรือหญิง ไม่สำคัญว่าเด็กจะเกิดมาเป็นคู่รักที่ไม่มีลูกหรือครอบครัวของชายร้อยคน โอกาสคือ 50:50 ดังนั้นหากการเกิดของแต่ละคนมีโอกาส 50:50 คุณควรได้เด็กชายครึ่งหนึ่งและผู้หญิงครึ่งหนึ่งเสมอ และไม่สำคัญว่าคุณจะสับเปลี่ยนการเกิดระหว่างครอบครัวอย่างไร คุณจะไม่ส่งผลกระทบต่อสิ่งนั้น

ใช้ได้กับกฎ1ข้อ

สำหรับโอกาส 50:50 สำหรับการเกิดใด ๆ อัตราส่วนจะจบลงที่ 1: 1 สำหรับกฎ(สมเหตุสมผล1 ) ใด ๆ ที่คุณสามารถทำได้ ตัวอย่างเช่นกฎที่คล้ายกันด้านล่างยังทำงานได้แม้

คู่รักหยุดมีลูกเมื่อมีผู้หญิงหรือมีลูกสองคน

NumberOfChilden Probability   Girls   Boys
1               0.5           1       0
2               0.25          1       1
2               0.25          0       2

ในกรณีนี้เด็กที่คาดหวังทั้งหมดจะถูกคำนวณง่ายขึ้น

ผู้หญิงที่คาดหวังจากคู่หนึ่ง=0.51+0.251=0.75
=0.251+0.252=0.75

1 ดังที่ฉันได้กล่าวไปแล้วว่ามันใช้ได้ผลกับกฎที่สมเหตุสมผลใด ๆ ที่อาจมีอยู่ในโลกแห่งความเป็นจริง กฎที่ไม่สมเหตุสมผลจะเป็นสิ่งที่เด็ก ๆ คาดหวังต่อคู่ไม่มีที่สิ้นสุด ตัวอย่างเช่น "ผู้ปกครองจะหยุดมีลูกเมื่อพวกเขามีเด็กชายเป็นสองเท่า" เราสามารถใช้เทคนิคเดียวกันกับด้านบนเพื่อแสดงว่ากฎนี้ให้เด็กที่ไม่มีที่สิ้นสุด:

NumberOfChilden Probability   Girls   Boys
3               0.125         1       2
6               1/64          2       4
9               1/512         3       6
3*m             1/((3m)^2     m       2m

จากนั้นเราสามารถหาจำนวนผู้ปกครองที่มีจำนวนเด็ก จำกัด

จำนวนผู้ปกครองที่คาดว่าจะมีบุตร จำกัด=m=1(11/(3m)2)=π254=0.18277.

จำกัด โซลูชั่นจากวุลแฟรม

จากสิ่งนี้เราสามารถพิสูจน์ได้ว่า 82% ของผู้ปกครองจะมีลูกไม่ จำกัด จำนวน จากมุมมองการวางแผนเมืองอาจทำให้เกิดปัญหาและแสดงให้เห็นว่าสภาพเช่นนี้ไม่สามารถเกิดขึ้นได้ในโลกแห่งความเป็นจริง


3
การเกิดที่ไม่เป็นอิสระนั้นเห็นได้ชัดจากการตรวจสอบลำดับของการเกิด: ลำดับเด็กหญิงสาวไม่เคยปรากฏในขณะที่ลำดับเด็กชาย - เด็กชายเกิดขึ้นบ่อยครั้ง
whuber

1
@ เมื่อไรฉันเห็นประเด็นของคุณ (แม้ว่าจะเป็นการตัดสินใจที่จะมีลูกด้วยซ้ำทั้งหมดแทนที่จะพึ่งผลของเหตุการณ์เอง) อาจจะเป็นการดีกว่าถ้าจะพูดว่า "โอกาสเกิดในอนาคตของการเป็นเด็กผู้ชายเป็นอิสระ จากการคลอดที่ผ่านมาทั้งหมด "
Richard Tingle

ใช่ฉันคิดว่ามีวิธีที่จะช่วยเหลือการใช้ความเป็นอิสระที่นี่ แต่สิ่งนี้ได้รับ - ฉันคิดว่า - เป็นหัวใจสำคัญของเรื่องดังนั้นดูเหมือนว่าจะให้เกียรติคำขอ OP สำหรับการแสดง "แข็งแรง" (เข้มงวดหรือไม่) แสดงให้เห็นถึงเหตุผลบางอย่างที่จำเป็นเกี่ยวกับปัญหานี้
whuber

@whuber ความจริงที่ว่าวรรคแรกเป็นบิต handwavey ย่อหน้าต่อไป (และโดยเฉพาะข้อ จำกัด ) ควรจะเป็นบิตที่ยากลำบาก
Richard Tingle

ไม่มีการโต้แย้ง - แต่เนื้อหาหลังนั้นได้รับการกล่าวถึงในวิธีเดียวกันกับคำตอบที่stats.stackexchange.com/a/93833 , stats.stackexchange.com/a/93835และstats.stackexchange.com/a/93841 .
whuber

5

คุณยังสามารถใช้การจำลอง:

p<-0
for (i in 1:10000){
  a<-0
  while(a != 1){   #Stops when having a girl
    a<-as.numeric(rbinom(1, 1, 0.5))   #Simulation of a new birth with probability 0.5
    p=p+1   #Number of births
  }
}
(p-10000)/10000   #Ratio

1
ผลการจำลองมีความดีที่พวกเขาสามารถให้ความสะดวกสบายแก่เราที่เราไม่ได้ทำผิดพลาดร้ายแรงในการคำนวณทางคณิตศาสตร์ แต่พวกเขาอยู่ไกลจากการร้องขออย่างเข้มงวด โดยเฉพาะอย่างยิ่งเมื่อเหตุการณ์ที่หายากซึ่งมีส่วนช่วยให้เกิดความคาดหวังสามารถเกิดขึ้นได้ (เช่นครอบครัวที่มีเด็กผู้ชาย 20 คนก่อนที่เด็กผู้หญิงคนหนึ่งจะปรากฏขึ้น - ซึ่งไม่น่าเป็นไปได้สูงที่จะเกิดขึ้นในการจำลองสถานการณ์เพียง 10,000 ครอบครัว) แม้ผิดเพียงไม่ว่าจะซ้ำนานแค่ไหน
whuber

การตระหนักถึงการกระจายตัวทางเรขาคณิตของจำนวนเด็กชายในครอบครัวเป็นขั้นตอนสำคัญสำหรับปัญหานี้ ลอง:mean(rgeom(10000, 0.5))
AdamO

5

การทำแผนที่สิ่งนี้ช่วยให้ฉันดูอัตราส่วนของประชากรที่เกิด (สมมติว่าเป็น 1: 1) และอัตราส่วนของประชากรของเด็ก ๆ ทั้งสองจะเป็น 1: 1 ในขณะที่บางครอบครัวจะมีเด็กผู้ชายหลายคน แต่มีผู้หญิงเพียงคนเดียวซึ่งในตอนแรกทำให้ฉันคิดว่าจะมีเด็กผู้ชายมากกว่าผู้หญิงจำนวนครอบครัวเหล่านั้นจะไม่มากกว่า 50% และจะลดลงครึ่งหนึ่งกับเด็กเพิ่มเติมแต่ละคน จำนวนครอบครัวที่มีเด็กผู้หญิงเท่านั้นจะเป็น 50% จำนวนเด็กผู้ชายและเด็กผู้หญิงจะทำให้เกิดความสมดุลซึ่งกันและกัน ดูผลรวมของ 175 ที่ด้านล่าง อัตราส่วนเด็ก


2

สิ่งที่คุณได้คือคำตอบที่ง่ายที่สุดและถูกต้อง หากความน่าจะเป็นของเด็กทารกแรกเกิดที่เป็นเด็กชายคือ p และเด็กที่มีเพศผิดจะไม่ประสบอุบัติเหตุที่โชคร้ายมันไม่สำคัญว่าผู้ปกครองจะตัดสินใจเกี่ยวกับการมีบุตรมากขึ้นตามเพศของเด็กหรือไม่ หากจำนวนเด็กเป็น N และ N มีขนาดใหญ่คุณสามารถคาดหวังเกี่ยวกับเด็กชาย p * N ไม่จำเป็นต้องมีการคำนวณที่ซับซ้อนมากขึ้น

มีคำถามอื่น ๆ เช่น "สิ่งที่น่าเป็นไปได้ที่ลูกคนสุดท้องของครอบครัวที่มีลูกเป็นเด็กผู้ชาย" หรือ "ความน่าจะเป็นที่เด็กโตที่สุดในครอบครัวที่มีลูกเป็นเด็กคืออะไร" (หนึ่งในนั้นมีคำตอบที่ถูกต้องง่าย ๆ อีกข้อหนึ่งมีคำตอบที่ผิดง่าย ๆ และการได้คำตอบที่ถูกต้องก็คือหากิน)


2

ปล่อย

Ω={(G),(B,G),(B,B,G),}

เป็นพื้นที่ตัวอย่างและปล่อยให้

X: ΩRω|ω|-1

ωE(X)

E(X)=n=1(n-1)0.5n=1

ค่าคาดหวังของเด็กผู้หญิงคือ 1 ดังนั้นอัตราส่วนคือ 1 เช่นกัน


2

มันเป็นคำถามที่หลอกลวง อัตราส่วนคงเดิม (1: 1) คำตอบที่ถูกต้องคือมันไม่ส่งผลกระทบต่ออัตราการเกิด แต่จะมีผลต่อจำนวนเด็กต่อครอบครัวที่มีปัจจัย จำกัด อยู่ที่การเกิดเฉลี่ย 2 ครั้งต่อครอบครัว

นี่เป็นคำถามที่คุณอาจพบในการทดสอบตรรกะ คำตอบนั้นไม่เกี่ยวกับอัตราการเกิด นั่นเป็นสิ่งที่ทำให้ไขว้เขว

นี่ไม่ใช่คำถามที่น่าจะเป็น แต่เป็นคำถามที่ให้เหตุผลเชิงความคิด แม้ว่าคุณจะตอบอัตราส่วน 1: 1 คุณก็ยังทดสอบไม่สำเร็จ


เมื่อเร็ว ๆ นี้ฉันได้แก้ไขคำตอบของฉันเพื่อแสดงว่าโซลูชันไม่จำเป็นต้องเป็น 1: 1 ซึ่งขัดแย้งกับการยืนยันของคุณอย่างชัดเจน
whuber

ฉันอ่านคำตอบของคุณ คุณได้แนะนำภาคแสดงที่ไม่ได้ระบุไว้ในปัญหา (ความแปรปรวนของอัตราการเกิดของผู้หญิง) ไม่มีสิ่งใดในปัญหาที่ยืนยันว่าสาธารณรัฐ Zorganian เป็นตัวแทนของประชากรมนุษย์หรือแม้แต่มนุษย์
Andrew - OpenGeoCode

1
นั่นเป็นสิ่งที่ถูกต้อง - แต่ก็ไม่มีอะไรที่ดีพอที่จะทำให้ข้อสันนิษฐานที่เกินจริงนั้นเป็นไปได้ว่าการเกิดทั้งหมดนั้นเหมือนกัน ข้อสันนิษฐานจะต้องทำเพื่อให้มีวัตถุประสงค์คำตอบที่ป้องกันได้ดังนั้นอย่างน้อยคำตอบที่ดีจะชัดเจนเกี่ยวกับสมมติฐานที่ทำและให้การสนับสนุนสำหรับสมมติฐานเหล่านั้น การอ้างว่า "นี่ไม่ใช่คำถามที่น่าจะเป็น" ไม่ได้แก้ไขปัญหา แต่สามารถมองเห็นได้ทั้งหมด
whuber

@whuber - อัตราการเกิดในปัญหานี้เป็นค่าคงที่ ตัวแปรในปัญหาคือจำนวนการเกิดต่อครอบครัว คำถามคือสิ่งที่ทำให้ไขว้เขวมันไม่ได้เป็นส่วนหนึ่งของปัญหา <br/> การคิดนอกกรอบคือความสามารถในการคิดอย่างสร้างสรรค์หรือ“ นอกกรอบ” ตามที่บางครั้งมีการอ้างถึงในธุรกิจเพื่อใช้แรงบันดาลใจและจินตนาการของคุณในการแก้ปัญหาโดยมองจากมุมมองที่ไม่คาดคิด การคิดด้านข้างเกี่ยวข้องกับการทิ้งความชัดเจนทิ้งโหมดความคิดดั้งเดิมและทิ้งความคิดรวบยอด [fyi> ฉันเป็นนักวิทยาศาสตร์หลักใน Lab]
Andrew - OpenGeoCode

1
จากนั้นคุณอาจมองข้ามประเด็นสำคัญในคำตอบของฉัน: สมมติฐานของมันยังคงมีโอกาสเฉลี่ยประชากรของค่าคงที่การเกิดของผู้หญิงที่ 1: 1 (ในวิธีเฉพาะที่ฉันหวังว่าจะอธิบายอย่างชัดเจน) ฉันจะรักษาว่ามี "ความคิดด้านข้าง" เป็นกอบเป็นกำที่เกี่ยวข้องในการแก้ปัญหาความขัดแย้งใด ๆ ที่สมมติฐานถูกตรวจสอบอย่างยิ่ง: มันต้องใช้จินตนาการและทักษะการวิเคราะห์ที่ดีเพื่อดูว่ามีใครทำสมมติฐานในตอนแรก การยกเลิกคำถามใด ๆ ในทันทีเป็นเพียง "เล่ห์เหลี่ยม" อย่างที่คุณทำที่นี่ดูเหมือนจะตรงกันข้ามกับการส่งเสริมหรือเฉลิมฉลองความคิดดังกล่าว
whuber

2

ฉันกำลังแสดงรหัสที่ฉันเขียนสำหรับการจำลอง Monte Carlo (500x1000 ตระกูล) โดยใช้ซอฟต์แวร์ `MATLAB ' โปรดพิจารณารหัสเพื่อที่ฉันจะได้ไม่ทำผิดพลาด

ผลลัพธ์ถูกสร้างและลงจุดด้านล่าง มันแสดงให้เห็นถึงความน่าจะเป็นเกิดเด็กผู้หญิงที่จำลองมีข้อตกลงที่ดีมากกับความน่าจะเป็นเกิดตามธรรมชาติโดยไม่คำนึงถึงกฎการหยุดสำหรับช่วงของความน่าจะเป็นเกิดตามธรรมชาติ

ป้อนคำอธิบายรูปภาพที่นี่

การเล่นกับโค้ดมันง่ายกว่าที่จะเข้าใจจุดหนึ่งที่ฉันไม่เคยทำมาก่อน --- ดังที่คนอื่นชี้ให้เห็นกฎการหยุดเป็นสิ่งที่ทำให้ไขว้เขว กฎการหยุดส่งผลกระทบต่อจำนวนครอบครัวที่ได้รับประชากรคงที่หรือจากมุมมองอื่นจำนวนการเกิดของเด็กที่ได้รับจำนวนครอบครัวคงที่ เพศถูกกำหนดโดยการทอยลูกเต๋าและด้วยเหตุนี้อัตราส่วนหรือความน่าจะเป็น (ซึ่งไม่ขึ้นกับจำนวนลูก) จะขึ้นอยู่กับเด็กชายตามธรรมชาติ แต่เพียงผู้เดียว: เด็กหญิงเกิด

testRange=0.45:0.01:0.55;
N=uint32(100000); %Used to approximate probability distribution
M=1000; %Number of families
L=500; %Monte Carlo repetitions
Nfamily=zeros(length(testRange),1);
boys=zeros(length(testRange),1);
girls=zeros(length(testRange),1);
for l = 1:L
    j=1; %Index variable for the different bgratio
    for bgratio=testRange
    k=1; %Index variable for family in each run (temp family id)
    vec=zeros(N,1);
    vec(1:N*bgratio,1)=1; %Approximate boy:girl population for dice roll, 
    %1 = boy

    vec=vec(randperm(s,N)); %Random permutation, technically not necessary 
    %due to randi used later, just be safe
    bog = vec(randi(N)); %boy or girl? (God's dice roll)

    while k<M %For M families...
        if bog == 1 %if boy:
            boys(j) = boys(j)+1; %total global boys tally
        else
            girls(j)=girls(j)+1; %total global girls tally
            %Family stops bearing children
            Nfamily(j) = Nfamily(j)+1; %total global family tally
            k=k+1; %temp family id
            %Next family...
        end
        bog=vec(randi(N)); %Sample next gender (God's dice roll)
    end

    j=j+1; %Index variable for the different bgratio
    end
end
figure;
scatter(testRange,girls./(boys+girls))
hold on
line([0 1],[0 1],'LineStyle','--','Color','k')
axis([0.44 0.56 0.44 0.56])

2

ithXi0.5

E[iXi]=iE[Xi]=0.5nn

E[i(1Xi)]=iE[1Xi]=0.5n

ความเป็นอิสระของการเกิดไม่เกี่ยวข้องกับการคำนวณค่าที่คาดหวัง


คำตอบ Apropos @ whuber หากมีการแปรผันของความเป็นไปได้ที่เกิดขึ้นทั่วทั้งครอบครัวอัตราส่วนจะกลายเป็นเอียงไปทางเด็กชายเนื่องจากมีเด็ก ๆ ในครอบครัวที่มีความน่าจะเป็นสูงกว่าเด็กผู้ชายมากกว่าครอบครัวที่มีความน่าจะเป็นต่ำกว่า มูลค่ารวมที่คาดหวังสำหรับเด็กผู้ชาย


2

ฉันยังตั้งโปรแกรมการจำลองใน MATLAB อย่างอิสระก่อนที่จะเห็นสิ่งที่คนอื่นทำ พูดอย่างเคร่งครัดไม่ใช่ MC เพราะฉันทำการทดสอบครั้งเดียวเท่านั้น แต่เพียงครั้งเดียวก็เพียงพอที่จะได้รับผลลัพธ์ นี่คือสิ่งที่การจำลองของฉันให้ผล ฉันไม่ได้ยืนหยัดในความน่าจะเป็นของการเกิดเป็น p = 0.5 ในฐานะดั้งเดิม ฉันปล่อยให้ความน่าจะเป็นเกิดแตกต่างกันไปตามช่วงของ Pr (เด็กชาย = 1) = 0.25: 0.05: 0.75

ผลลัพธ์ของฉันแสดงให้เห็นว่าเมื่อความน่าจะเป็นเบี่ยงเบนจาก p = 0.5 อัตราส่วนเพศแตกต่างจาก 1: ความคาดหวังอัตราส่วนเพศเป็นเพียงอัตราส่วนของความน่าจะเป็นของการเกิดของเด็กชายต่อความน่าจะเป็นของการเกิดของผู้หญิง นั่นคือนี่เป็นตัวแปรสุ่มทางเรขาคณิตตามที่ระบุไว้ก่อนหน้านี้โดย @ månst นี่คือสิ่งที่ฉันเชื่อว่าโปสเตอร์ดั้งเดิมนั้นเป็นที่น่าสนใจ

ผลลัพธ์ของฉันเลียนแบบสิ่งที่โปสเตอร์ด้านบนด้วยรหัส matlab ได้ทำอย่างใกล้ชิดจับคู่อัตราส่วนเพศที่ 0.45, 0.50 และ 0.55 ความน่าจะเป็นที่เด็กผู้ชายคนหนึ่งเกิด ฉันนำเสนอของฉันเมื่อฉันใช้วิธีที่แตกต่างกันเล็กน้อยเพื่อให้ได้ผลลัพธ์ด้วยโค้ดที่เร็วขึ้น เพื่อให้การเปรียบเทียบสำเร็จฉันได้ละเว้นส่วนรหัส vec = vec (randperm (s, N)) เนื่องจาก s ไม่ได้กำหนดไว้ในรหัสของพวกเขาและฉันไม่ทราบเจตนาดั้งเดิมของตัวแปรนี้ (ส่วนรหัสนี้ก็ดูเหมือนว่าไม่จำเป็น - เดิม ที่ระบุไว้)

ฉันโพสต์รหัสของฉัน

clear all; rng('default')

prob_of_boy = 0.25:0.05:0.75;
prob_of_girls = 1 - prob_of_boy;

iterations = 200;

sex_ratio = zeros(length(prob_of_boy),1);
prob_of_girl_est = zeros(length(prob_of_boy),1);
rounds_of_reproduction = zeros(length(prob_of_boy),1);

for p=1:length(prob_of_boy)

    pop = 1000000;

    boys = zeros(iterations,1);
    girls = zeros(iterations,1);
    prob_of_girl = zeros(iterations,1);

    for i=1:iterations

        x = rand(pop,1);
        x(x<prob_of_boy(p))=1;

        %count the number of boys and girls
        num_boys = sum(x(x==1));

        boys(i) = num_boys;
        girls(i) = pop - num_boys;

        prob_of_girl(i) = girls(i)/(pop);

        %Only families that had a boy continue to reproduce
        x = x(x==1);

        %new population of reproducing parents
        pop = length(x);

        %check that there are no more boys 
        if num_boys==0

            boys(i+1:end)=[];
            girls(i+1:end)=[];
            prob_of_girl(i+1:end)=[];
            break

        end
    end

    prob_of_girl_est(p) = mean(prob_of_girl(prob_of_girl~=0));
    sex_ratio(p) = sum(boys)/sum(girls);
    rounds_of_reproduction(p) = length(boys);
end

scatter(prob_of_girls,prob_of_girl_est)
hold on
title('Est. vs. True Probability of a Girl Birth')
ylabel('Est. Probability of Girl Birth')
xlabel('True Probability of Girl Birth')
line([0 1],[0 1],'LineStyle','--','Color','k')
axis([0.2 0.8 0.2 0.8])

scatter(prob_of_girls,sex_ratio)
hold on
title('Sex Ratio as a function of Girls')
xlabel('Probability of Girls Birth')
ylabel('Sex Ratio: $\frac{E(Boys)}{E(Girls)}$','interpreter','latex')

scatter(prob_of_girls,rounds_of_reproduction)
hold on
title('Rounds of Reproduction a function of Girls')
xlabel('Probability of Girls Birth')
ylabel('Rounds of Reproduction')

คาดว่ากราฟต่อไปนี้จะได้รับตามกฏหมายจำนวนมาก ฉันทำซ้ำ แต่กราฟที่สำคัญคือกราฟที่สอง

ป้อนคำอธิบายรูปภาพที่นี่

ที่นี่ความน่าจะเป็นของประชากรที่ไม่ใช่ 0.5 สำหรับการเกิดของทั้งสองเพศของเด็กจะเปลี่ยนอัตราส่วนเพศในประชากรโดยรวม สมมติว่าการเกิดมีความเป็นอิสระ (แต่ไม่ใช่ทางเลือกที่จะทำซ้ำ) ในแต่ละรอบของการสืบพันธุ์ตามเงื่อนไขความน่าจะเป็นของประชากรจะเป็นตัวกำหนดความเป็นไปได้ของประชากร ดังนั้นอย่างที่คนอื่น ๆ ได้กล่าวไว้กฎการหยุดในปัญหานั้นไม่สำคัญกับผลลัพธ์ของประชากรดังที่ผู้ตอบคำถามระบุว่าเป็นการกระจายทางเรขาคณิต

ป้อนคำอธิบายรูปภาพที่นี่

สำหรับความสมบูรณ์สิ่งที่กฎการหยุดส่งผลกระทบคือจำนวนรอบการแพร่พันธุ์ในประชากร เนื่องจากฉันรันการทดสอบเพียงครั้งเดียวกราฟนั้นค่อนข้างขรุขระ แต่สัญชาตญาณมี: สำหรับขนาดประชากรที่กำหนดเนื่องจากความน่าจะเป็นที่เกิดการเพิ่มขึ้นของหญิงสาวเราเห็นว่าครอบครัวต้องการการทำซ้ำน้อยกว่าเพื่อให้ได้สาวที่พวกเขาต้องการก่อนประชากรทั้งหมดหยุดทำซ้ำ (แน่นอนจำนวนรอบจะขึ้นอยู่กับ ขนาดของประชากรเนื่องจากมันเพิ่มโอกาสที่ครอบครัวจะมีตัวอย่างเช่น 49 เด็กชายก่อนที่พวกเขาจะได้เด็กผู้หญิงคนแรก)

ป้อนคำอธิบายรูปภาพที่นี่

การเปรียบเทียบระหว่างอัตราส่วนเพศที่คำนวณได้ของฉัน:

[sex_ratio' prob_of_boy']

0.3327    0.2500
0.4289    0.3000
0.5385    0.3500
0.6673    0.4000
0.8186    0.4500
1.0008    0.5000
1.2224    0.5500
1.5016    0.6000
1.8574    0.6500
2.3319    0.7000
2.9995    0.7500

และจากโปสเตอร์ก่อนหน้านี้ด้วยรหัส matlab:

[boys./girls testRange']

0.8199    0.4500
0.8494    0.4600
0.8871    0.4700
0.9257    0.4800
0.9590    0.4900
1.0016    0.5000
1.0374    0.5100
1.0836    0.5200
1.1273    0.5300
1.1750    0.5400
1.2215    0.5500

พวกเขาเป็นผลลัพธ์ที่เทียบเท่า


1

ขึ้นอยู่กับจำนวนของครอบครัว

Xp=0.5

P(X=x)=0.5x,x=1,2,3...
E(X)=2

N

NXi

Xi/NE(X)=2N

TT=XiT

P(T=t)=CN1t10.5t,t=N,N+1...

E[NXi]=E[NT]=t=NNtCN1t10.5t=2F1(N,1,N+1,1)
2F1เป็นฟังก์ชัน hypergeometric

ดังนั้นอัตราส่วนสาวที่คาดหวังคือ2 F 12F1(N,1,N+1,1)

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.