1:“我們玩橋牌吧”
2:“這玩意搞不來，打牌是靠概率取勝，主要牌型分布記不來”
。。。
3:“我們來玩拋銀幣吧，連續拋10次，看誰正面朝上的多。”
2:“不行，這非A即B的伯努利實驗，10次，隨機性太大，沒有勝算把握。”
1:“。。。啥叫隨機性太大？”
2:“叫Xi給你解釋好了，呼叫Xi
“喵喵喵···可愛的Xi 來了～～喵，誰@我，
隨機性啊，打個比方好了，你拋10次銀幣，你以為就有5次正面朝上啊？P(10,5,1/2)=0.246<0.5,二次項定理就是重復多次的伯努利實驗。
你還別小看這0.246的概率，已經是10*1/2=5（k=Np）取最大的時候了。”
1:“那造成實驗與理論值不一致的原因是啥？”
“問的好，別以為我在銀幣上動了手腳，咱是正經的學數學的，伯就是假定重復每次等可能事件。具體來說就是10次數量太少，統計的規律性被隨機性掩蓋了。你做個1000次，正面朝上在400～600之間浮動可能性就是99.9%左右。
在比個例子，一幅牌里邊你抽黑桃，重復500次，你可能感覺有N*p=125次抽到，但實際上這玩意抽多少次都是有可能到，只不過在125次的可能性最大。
總體上講（置信度），它會落在以125為中心，左右誤差不太大（用方差/標準差來準確刻畫）。
1:“均值和方差？”
“對，就是理想與現實的差距。一個隨機變量的概率分布曲線越平，方差（相對均值而言）越大，隨機性越大；越向中間集中，方差越小，隨機性越小。”
“比如說一件事發生的概率是1%，雖然進行100次實驗后它的數學期望達到1，但根號0.99約=100%的標準差/均值。如果想確保它一次成功（按95%），大約要做260次左右實驗。如果我們將數字放大N倍，均值和標準差也會放大N倍。如果你去買彩票，中獎概率是百萬分之一，你如果想要確保有一次成功，你大概要買260萬次。
假如我們做一件事情有50%可能性成功，我們要做4次才能確保95%成功一次。相比理想狀況下兩次，多做了100%工作。
如果將成功率提高到75%，大約2次夠了，只要多做60%工作。
如果只有5%成功率，50次確保，多做150%工作。
記住：凡事留足余量”
要問xi 怎么這樣有智慧，吳軍老師書中受啟。
