=.= 强化成功率的bug还不改么....
-
其实，在概率论中是专门有方法来进行模型验证的：
假设在每次强化时系统会对一个随机变量进行采样，0为失败，1为成功，我们把这个随机变量称作X根据FOX的坚持，+4到+5的成功率是80%，则这个变量X必须符合p值为0.8的伯努利分布（Bernoulli distribution）
即 X~Ber(0.8)
现在假设我们有n个采样（即强化n次）,记为x_1,x_2,...,x_n
对于每一组数据集，令 X_avg = (sum {i from 1 to n} x_i) / n如果我们同时满足 n>20(及采样数大于20)，np>5 (这里p=0.8,n>20的前提下已经自动满足了), n(1-p)>5 (算下来n>25)，则根据中心极限定理, (X_avg - p) / sqrt(p*(1-p)/n) 符合参数（0,1）的正态分布
即 (X_avg - p) / sqrt(p*(1-p)/n) ~ N(0,1)
现在，我们要根据n次的强化的结果，来判断p=0.8的可信度，我们的结论可以有两种：
H_0: 我们承认p=0.8
H_1: FOX在坑我们（p不等于0.8）在我们得出H_0或H_1的结论后可能会有的错误也有两种：
1类：我们说H_1，但事实是H_0
2类：我们说H_0，但事实是H_1当然，1类错误是FOX不想看到的，我们定一类错误的概率为5%（即置信概率95%）
则对应的置信区间为：
G^ = {x_avg: abs((x_avg - p) / sqrt(p*(1-p)/n)) < z_97.5%}这里z_97.5%是正态分布在97.5%处的百分位数, 我帮大家查好表了： z_97.5%=1.96
换言之，在多于25次强化的条件下，我们只要把 x_avg(n次强化中成功次数/n)，p=0.8，n（强化次数）带入到abs((x_avg - p) / sqrt(p*(1-p)/n))中，如果结果小于1.96，FOX还是可信的，反之我们就要退货了（在一般工业里这批货就是次品，直接退回）
17楼的n=12，采样数不足，大大们，放更多的数据吧
当然，概率肯定不是绝对的，但是采样数越多，结果也会越准确[[i] 本帖最后由 Proton 于 2013-3-16 19:20 编辑 [/i]]