分类： 未分类

能不能根据当前抛硬币的结果来判断后面连续几次抛硬币的结果？奇趣编程认为，利用随机过程和马尔可夫链的知识，理论上是可以的。

什么是随机过程？随机过程就是一个随机的过程，比如抛硬币这次正面、下次反面、下下次正面、再下下次还是正面，这样的连续的、随机的过程，就是随机过程。那么，今天明天后天大后天下不下雨也是一个随机过程，股票市场的价格曲线也是一个随机过程，人的每天的吃喝拉撒也是一个随机过程。随机过程就是通过统计来对事物进行预测和处理。

什么是马尔可夫链？它也是一种随机过程，用生活中的事例来说明更好理解。比如说，小明每天有三个状态，吃饭、工作、睡觉，通过统计，可以得知不同的状态会分布在不同的时间段，比如说吃饭，大多都在早餐、中餐、晚餐时段，工作大多在工作时段，睡觉也是在大家都休息的时段，这些就是状态分布。

那么根据这个是否可以推断下个月某天某个时段小明是三个状态中的哪个状态？可以的，但得到的是一个概率解，而不是一个精确解，也就是各个状态的可能是多少。

比如说，下个月中午十二点三十分小明的状态，最有可能的状态是吃饭，然后是工作，因为有可能加班延迟，最后是睡觉，一般人很少在这个时间睡觉，即使是休息日也会在这个时间段起床吃饭。

也就是说，各个状态在各个时间段出现的概率基本是不变的，它不会随便转移，比如说，不会有人随便在工作时间睡觉，也不会有多少人会在工作时间吃饭，也很少有人在吃饭时间仍然在睡觉，这个叫做“时齐”。

如果我们知道了各个状态在时间段上的概率分布，即状态分布矩阵，那就可以根据这个概率分布来推断某天某个时段是什么状态了。实际上，马尔可夫链就是不同状态在不同时间段的概率分布。

更多关于概率推断的知识，请关注奇趣编程的其它内容。

奇趣编程今天和大家分享一下随机事件的相关知识。

什么是随机现象？抛硬币就是随机现象，因为它是在一定的条件下，每次得到的结果不同。

什么是样本空间？就是随机事件的所有结果的集合，比如你抛了一万次硬币，把每次抛的结果记录在表格上，这个表里的数据就是样本空间。

什么是随机事件？随机现象的某些样本点组成的集合就是随机事件，其中又分必然事件和不可能事件，比如抛硬币，出现正面或反面是必然事件，正反面同时出现是不可能事件。

什么是随机变量？用来表示随机国家气象局结果的变量，比如正面、反面。

事件间关系有哪些？包含关系、相等关系、互不相容三种关系。

事件怎么运算？合并、相交、相差、对立几种运算。

事件的运算有哪些性质？合并和相交满足结合率和交换率，分配律、对偶法则。

事件域是什么？含有必然事件，并关于对立运算和可列并去处都封闭的事件类就称之为事件域，离散样本空间和连续样本空间是常用的两个事件域。

在生活中，我们遇到问题时总是想得到一个简单的、确定的答案，但很多事情并没有精确解，而只能得到一个模糊解，这种模糊解就是概率性的解。

比如说，明天奇趣编程所在的地方会下雨吗？没有谁敢百分百的保证一定会下雨或不会下雨，但是根据气象局的各种数据，是可以推理判断明天下雨的可能性是多少的，很多人经常觉得天气预报不准确，事实也是如此，因为它本身就是一个概率解，而不是精确解。

根据不确定的信息来进行的推理得到概率解的过程，就是概率推理。

怎么提高概率推理的准确率呢？可以根据历史经验和专业知识，把问题量化、参数化，然后根据已知的变量来进行逻辑推理，从而确定某种结果的可能性，这个过程做得越细致越深入，概率推理的准确率就越高。

今天奇趣编程和大家分享一个有趣的问题。

假设有一个黑箱，里面有无限多的黑球和白球，其中有40%是黑球，60%是白球，假如可以摸三次，现在摸出一个是白球，那剩下两次摸出黑球的概率是多少？

怎么计算？奇趣编程给大家详细讲解。

第一步，先列举出所有的可能性。一白二黑有三种排列组合情况“白黑黑、黑白黑、黑黑白”。

第二步，计算出每个排列组合情况出现的概率。

白黑黑的概率是 0.6×0.4×0.4=0.096

黑白黑的概率是 0.6×0.4×0.4=0.096

黑黑白的概率是 0.6×0.4×0.4=0.096

因此，P = 0.096 + 0.096 + 0.096 = 0.288。

根据二项分布公式，P = 排列组合的数量 × 该组合的概率。p 为成功概率。

抛硬币的结果是不是一种随机数结果？是。

抛硬币的结果有什么规律吗？有。

是什么规律？二项分布。

什么是二项分布？这和伯努利试验有关。

什么是伯努利试验？今天奇趣编程和大家分享一下。

伯努利试验是N次独立重复实验，是在同样的实验环境条件下重复、相互独立进行的随机试验。

伯努利试验有什么特点？

第一个特点，伯努利试验只有两种试验结果，事件发生或者没有发生，正或反，有或无。

第二个特点，伯努利试验中每种试验结果的概率是相同的，比如正反面的概率都是0.5。

第三个特点，N次试验的事件之间互相独立，即每次抛硬币是单独抛的，前后两次的结果不会影响到本次的结果。

实际上，在概率论和统计学中，伯努利试验研究的是“离散概率分布”，它在图形上所形成的曲线与正态分布近似。

现在，你打算用它来做什么呢？

奇趣编程本人研究随机数规律多年，取得了很多突破性成果，认识了很多同样是研究随机数规律的朋友，一起交流探讨，在这个过程中，我发现一个问题，那就是研究思路决定研究成果。

为什么很多人研究了多年依然取不到什么突破性的成果？为什么人很多人总是在原地绕圈圈？今天跟大家分享下自己的观点。

很多人的研究思路，是先创造一个公式，然后调整各个变量来测试效果，企图通过这样的方式得出一条万能的盈利公式。

比如说，当出现一个随机数后，马上通过各种加加减减求余数再组合等各种方式得出一个或几个预测的数字，然后测试准确率。

这样的思路，给人的感觉就是“瞎子打鸟”，瞎打，完全没有一点科学性可言。

而奇趣编程本人的研究思路，是先把大量数据用图表的方式呈现出来，通过观察图表，挖掘数据的规律，当发现某个稳定出现的随机数规律后，再去利用这个随机数规律设计出某种对应的打法。

这样的思路，是基于大数据、可视化、统计学、概率率等基础研究和底层思维来进行的，是一种科学的思路。

你认为哪一种思路更好呢？

在研究随机数规律的过程中，奇趣编程发现任何一个数字形成的曲线都会有大周期和小周期，大周期里套小周期，小周期里又套更小的周期，大周期又被更大的周期嵌套，一层套一层，就像俄罗斯套娃一样，这是我们观察到的现象。

那么怎么利用这种大小周期一层套一层的现象为我们谋取稳定的盈利呢？研究周期的，打法通常是打波段，也就是低进高出，只打曲线爬坡这一段。

打波段的关键，就是精准定位到低谷时的进场点和高峰时的退场点。这两个点怎么找？奇趣编程在这里分享一个简单易行的办法，就是找周期。

具体的操作方法是在水平方向上用横线把低谷点或高峰点连起来，形成支撑线或压力线，形成的顶点就是周期转换点，也就是波段转换点。

怎么应用呢？波段转换点，意味着周期会在这里进行转换，不管前面是上坡还是下坡，到了转换点，就有可能转换成另一种形态，所以波段转换点就是低谷时的进场点或高峰时的退场点。

理解了这一点，利用曲线周期来打波段就会对进场点和退场点胸有成竹了。

在抛硬币类的随机游戏中，你的资金量是有限的，你如何才能保证自己稳定盈利呢？奇趣编程的答案是“概率”。

什么是概率？概率是通俗地说就是用数值来表示出现某个结果的可能性。以抛硬币为例，硬币正反面的出现概率是各占一半，也就是说，出现正面的可能性是50%，出现反面的概率也是50%。

怎么利用概率让自己稳定盈利呢？如果是在抛硬币之类的随机游戏里，单独每次抛出来的结果是不确定的，但是连续一段时间内抛出某一面的可能性是确定的。

比如说，箱子里有10000个硬币，现在已经抛了5000个硬币，正面出现了4000个，反面出现了1000个，那么请问剩下的5000个硬币里，抛出正面的数量多些还是抛出反面的数量多些？

有人会说正反面的可能性一样，也有人会说正反面的可能性不一样。

说正反面的可能性一样的人，认为每个硬币都是独立的，出现的正反面之间并无联系，所以剩下的5000个硬币里正反面都各占一半，也就是正面2500个，反面2500个。

说正反面的可能性不一样的人，认为虽然每个硬币都是独立的，但数量达到一定程度，正反面的出现次数是应该接近平均值的，这样在整体上10000万个硬币里正反面各占一半，也就是接下来5000个硬币里正面会出现1000个，反面出现4000个。

双方的观点完全相反，并且他们在理论上都是对的，该信谁的？面对这种情况，理论已经无法解决谁是谁非，我们只能通过实验来印证。为此，我专门写了一个程序来模拟验证，每次抛一万次硬币，模拟1000次，得到的结果都是正面出现的次数在4000次到6000次之间，也就是说，抛一万次硬币，整体上正反面的出现次数也是符合概率的。

通过实验，我们可以发现，箱子里有10000个硬币，现在已经抛了5000个硬币，正面出现了4000个，反面出现了1000个，那么剩下的5000个硬币里，“抛出反面的数量更多”的可能性比较高，胜率更高。

如果剩下的5000个硬币里正反面出现的次数一样多，则整体上10000个硬币里正面出现6500次，反面出现3500次，虽然也有时候会出现，但可能性比较低，胜率更低。

所以，看似双方的观察相反，但通过实验发现，双方的观点都是对的，只是双方以多少为整体的数量不一样，导致双方的胜率也不一样。一方是把前后两个5000次分开成两个整体来分别计算概率导致计算出来的概率与真实值偏差较大，另一方是把前后两个5000次合起来成10000次作为一个整体来计算概率计算出来的概率与真实值偏差更小，所以用更大的数据量来作为整体来计算概率的更接近于理论概率，这也是奇趣编程推荐使用大数据而不是小数据来进行概率预测的原因。

你想跟随哪种观点呢？你想用大数据还是想用小数据来预测概率？

在投资交易市场里，奇趣编程认为投资者大体上分为以下几派：

1.盲打派，习惯于无脑苍蝇式追涨杀跌，不管有什么风吹草动，马上就跟着进行买入卖出操作，每次都割肉。

2.经验派，习惯于用经验来作为操作依据，收藏有大量历史形态图片，一天到晚用历史的形态来套当前的形态，本质上是一种认为历史会一再重演的轮回思想。

3.科学派，从事物的底层原理入手研究，分析事物的形成、发展、趋势，判断当前形态所处的阶段，分析未来时间段内向某种形态变化的概率。

如果用天气预报来比喻，盲打派就是不管明天下不下雨，随机决定带不带雨伞；经验派就是根据民间天气谚语“朝霞不出门晚霞走千里”等来决定带不带雨伞，虽有一定的准确率，但也经常失灵；科学派就是在海陆空大量布置科学仪器实时监测影响天气的温度、湿度、风速等因素，台风什么时候形成，台风路径怎么走向，会在哪里登陆，风速有多少，这些都可以提前预报并根据最新的监测数据进行调整。

在投资交易市场里，奇趣编程自研的“量价关系”指标就是科学派里像天气预报一样精准的指标。

假如一个瞎子和一个正常人用剑决斗会有什么结果？如果没有意外因素的影响，这个瞎子百分百的会被明眼人割肉。在投资交易中也是同样的道理，很多人是像瞎子一样盲打的，被人割肉也是理所当然的事。如果不想被割肉，可以看下奇趣编程的“量价关系”研究成果分享。

投资交易中，瞎子是指盲打的人，明眼人是指有大数据图表分析工具的人。

盲打的人，买入和卖出是完全看心情的，恐慌时进行买卖，贪婪时也进行买卖，毫无章法。

而有大数据图表分析工具的人，完全是依理性分析进行买入卖出操作，在交易前就通过大数据图表分析，精准分析波段涨跌转换点，然后等待时机进场和退场，在持有的过程中，即使有小的盈亏波动，也不会影响到自己的决策，因为这些小波动都在预料之中，并且做好了相应的应对之策，涨会涨到什么时候，跌到哪里要止损，在什么范围内是属于正常波动，这些问题在交易之前就已经明确。

在投资交易中，分析的指标有很多，为什么奇趣编程认为“量价关系”是最稳定最有效的指标呢？

如果我们能认真地去思考，就会发现，不管K线也好，均线也好，这些都是“果”指标，也就是先有了价格，才有这些对价格衍生出来的指标，所以这些衍生指标似乎永远都会慢一步，总是在行情过去了才得到事后诸葛亮式的恍然大悟。

那什么指标才能提前预知价格呢？只有“因”指标，也就是要找到影响价格波动的因，才能提前预知价格的涨跌走向。奇趣编程认为这个“因”指标，就是“资金量”。任何一个正常人只需要常识就能想到，任何一个投资标的物，进来的资金量多了，价格就涨，撤退的资金量多了，价格就跌，不管是楼市还是大蒜，价格曲线的涨跌都是由大资金进退造成的。

所以，奇趣编程认为“量价关系”才是最稳定最有效的指标。