Combinatoria eligiendo miembros para una clase.

La pregunta es la siguiente:

Tenemos dos clases de estudiantes, Clase A y Clase B y norte estudiantes para clasificar en cualquiera de las clases. Elegimos un número al azar X entre 1 y norte 1 para darnos el tamaño de la clase. X es entonces el tamaño de la Clase A. A partir de esto, elegimos a los estudiantes para la clase A y cada grupo de estudiantes elegidos tiene la misma probabilidad. Luego los estudiantes restantes ( norte X ) conforman la Clase B. Considere un estudiante en particular, estudiante 1 . ¿Cuál es la probabilidad de que la clase contenga estudiante 1 tener un tamaño metro para metro de ( 1. . . norte 1 )

Este es mi trabajo hasta ahora. Creo que necesitamos usar la fórmula condicional de Baye para calcular la probabilidad del tamaño de la clase dado que el estudiante 1 está en dicha clase. Por eso

PAG ( tamaño de la clase | Alumno 1 ) = PAG ( Alumno 1 | tamaño de la clase ) PAG ( tamaño de la clase ) PAG ( Alumno 1 )
Ahora
PAG ( Alumno 1 | tamaño de la clase ) = ( norte 1 metro 1 ) ( norte metro )

Y PAG ( tamaño de la clase ) = 1 norte 1 . Sin embargo, tengo problemas para ver dónde PAG ( Alumno 1 ) viene de. ¿Algún consejo?

Respuestas (2)

SUGERENCIA: Hay 2 norte 1 1 posibles clases que contienen Student 1 . (¿Por qué?) Para un dado metro , cuantos de ellos tienen metro miembros?

Para cualquier dado metro , el número de combinaciones posibles de la clase es ( norte metro ) . No estoy seguro de cómo ver esto para la clase que contiene al estudiante 1. Definitivamente me falta algo...
@JJabrams: Para formar una clase de metro estudiantes que incluye Estudiante 1 , tienes que elegir metro 1 otros estudiantes. ¿De cuántas maneras diferentes puedes hacer esto?
Elegir metro 1 estudiantes de norte 1 ¿bien? ¿Esto no está usando ( norte 1 metro 1 ) ? Lo siento, no estoy captando esto
@JJabrams: Sí, eso es correcto. ese es el numero de metro -persona clases que contienen Estudiante 1 . Hay 2 norte 1 1 posible metro -clases de persona en total. Por lo tanto . . . ?
Ok, sí, entiendo que los divides. como conseguiste que hay 2 norte 1 1 tamaño posible metro clases?
@JJabrams: Ups: Escribí mal el último comentario. Quería escribir que hay en total 2 norte 1 1 posibles clases que contienen Student 1 . El razonamiento para eso es similar al razonamiento que te lleva a ( norte 1 metro 1 ) por el numero de metro -clases de persona que contienen Estudiante 1 ; ¿Puedes resolverlo?
Bien, creo que sí. Como estamos dividiendo a los estudiantes en dos clases tenemos que tenemos 2 norte 1 clases posibles. Por lo tanto, eliminamos la clase en la que Student 1 no pertenece a dar 2 norte 1 1 . ¿Aunque habría más de una clase que no contenga al Estudiante 1....?
@JJabrams: Lo estás haciendo demasiado difícil. Para hacer una clase que contenga Estudiante 1 , empiezas con Estudiante 1 y añadir algún subconjunto de los restantes norte 1 estudiantes. Hay 2 norte 1 tales subconjuntos. Sin embargo, hay uno que no puedes usar; ¿Qué es y por qué?
¡Ah, por supuesto! no puede usar una clase compuesta por todos los estudiantes, ya que debe haber un estudiante en la otra clase. ¡Gracias! Así que la probabilidad de estudiante 1 estar en la clase que observamos es ( norte 1 metro 1 ) 2 norte 1 1
@JJabrams: ¡Ahí tienes! De nada.

Puede aclarar un poco las cosas escribiendo sus eventos con mayor detalle. El evento "tamaño de la clase = n" es en realidad "tamaño de la clase que observamos = n", y el evento "Estudiante 1" es en realidad "Estudiante 1 está en la clase que observamos". Así que cuando estás buscando PAG ( Estudiante 1 ) , lo que está buscando es la probabilidad de que el Estudiante 1 esté en la clase que está observando, antes de saber qué tan grande es la clase.

Hay dos formas de pensar en cómo calculas este valor, y ambas te llevarán a la misma respuesta.

Primera Vía

La primera forma de calcular esta probabilidad es como el valor esperado de PAG ( Estudiante 1 ) para tamaño de clase desconocido. Eso es,

PAG ( Estudiante 1 ) = PAG ( Estudiante 1 tamaño de la clase ) PAG ( tamaño de la clase )
donde la suma se toma sobre todos los valores posibles del tamaño de la clase.

Segunda Vía

La segunda forma es recordar que lo que te da el teorema de Bayes es una probabilidad . Por lo tanto, PAG ( tamaño de la clase = x Estudiante 1 ) debe sumar a 1 si sumas todos los valores X del tamaño de la clase. Dado que el denominador PAG ( Estudiante 1 ) no depende del tamaño de la clase, podemos escribir

1 = PAG ( tamaño de la clase Estudiante 1 ) = PAG ( Estudiante 1 tamaño de la clase ) PAG ( tamaño de la clase ) PAG ( Estudiante 1 ) = PAG ( Estudiante 1 tamaño de la clase ) PAG ( tamaño de la clase ) PAG ( Estudiante 1 )
y por lo tanto
PAG ( Estudiante 1 ) = PAG ( Estudiante 1 tamaño de la clase ) PAG ( tamaño de la clase ) .

¡Gracias! ¿Es correcto mi enfoque general? No estaba seguro de usar Baye, ya que no menciona específicamente la probabilidad condicional
Sí, su enfoque general para usar el Teorema de Bayes es correcto.