储理才
(集美大学理学院，福建 厦门 361021)
游戏从一开始就伴随着人类文明的发展史，最简单的游戏中都可能蕴含着基本的数学原理[1-2]。从最原始的赌博游戏到现在各种复杂的电脑手机游戏，游戏的持续时间一直是人们关注的焦点。对于游戏的持续时间现在已发展了一系列研究方法，如马尔科夫链方法[3]、鞅方法[4]等。
中秋博饼是流行于闽南厦漳泉以及台湾、东南亚地区的一项民俗活动[5]。传统的“博饼”活动设有大小不同、形态各异的月饼作为奖品，分为6个等级，由高到低分别设“状元”1 个、“对堂”2 个、“三红”4 个、“四进”8 个、“二举”16 个、“一秀”32 个。全套月饼共 63 块，称为“会饼”。当前在闽南地区比较通用的获奖规则如下：1)状元，6枚骰子中出现 5 个以上相同点数或有 4 个以上为 4 点；
2)对堂，6枚骰子的点数恰好为 1，2，3，4，5，6；
3)三红，6枚骰子 中出现 3 个 4 点；
4)四进，6枚骰子中出现 4 个相同的不为 4 的点数；
5)二举，6枚骰子中出现 2 个 4 点；
6)一秀，6枚骰子中出现 1 个 4 点；
7)罚黑，若结果不符合以上任何一个条 件，则称为罚黑，不取得任何奖品。获奖等级采取就高不就低原则。根据以上规则，可以计算出各个等级的获奖概率[6-8]，即：罚黑为14 300/46 656，状元为561/46 656，对堂为720/46 656，三红为2 500/46 656，四进为1 875/46 656，二举为9 300/46 656，一秀为17 400/46 656。本文研究博饼游戏的持续时间分布问题，在这个游戏中，持续时间与游戏中投掷骰子的次数成正比。经查阅文献，发现此问题与概率统计学中著名的“赌徒输光”[9-13]问题有相通之处。因此，本文应用马尔可夫链方法，通过计算机编程计算，获得了投掷次数为800以内的概率分布，发现该分布可以用对数正态分布进行拟合，并进一步给出了精确计算数学期望的方法，获得了数学期望的精确有理数表示。
为叙述方便，引入以下符号：设A0，A1，A2，A3，A4，A5，A6分别表示随机事件“罚黑”、“状元”、“对堂”、“三红”、“四进”、“二举”、“一秀”，记pj=P(Aj)，j=0，1，…，6。一局游戏刚开始时，各类奖品都未分发出去，随着游戏的进行，剩余奖品数越来越少，直至所有奖品分发完毕，游戏结束。定义状态向量(i1，i2，i3，i4，i5，i6)，其分量i1，i2，i3，i4，i5，i6分 别表示状元、对堂、三红、四进、二举、一秀奖项的剩余奖品数，则状态空间T={(i1，i2，i3，i4，i5，i6)│0≤i1≤1，0≤i2≤2，0≤i3≤4,0≤i4≤8，0≤i5≤16，0≤i6≤32，i1，…，i6为整数}。易知，状态空间包含151 470(2×3×5×9×17×33)个状态点，游戏初始状态为(1，2，4，8，16，32)，游戏结束状态为(0，0，0，0，0，0)。
由博饼游戏的规则可知，某个时刻的状态只依赖于前一个时刻的状态，从当前状态转移到其他状态或自身都有确定的概率。因此，奖品剩余状态向量构成一个典型的离散马尔可夫过程，即马尔可夫链。从一个状态经过一步转移可达到的状态称为该状态的一步可达状态。
2.1 概率分布的计算算法
设随机变量Z表示一局游戏需要的投掷次数。一局游戏开始，所有奖品都未分发，所以有：
(1)
考虑k=0 的情形。显然，只有当奖品全分完时，才不需要投掷骰子，所以有：
(2)
再考虑k>0 的情形。在奖品剩余状态为(i1，i2，i3，i4，i5，i6)时，设想第1次的投掷结果必定为事件Ai(i=0，1，…，6)中的某一个发生，显然事件Ai(i=0，1，…，6)两两互不相交，它们构成样本空间的一个完备事件组，有全概率公式为：
(3)
(4)
(5)
(6)
类似地分析，有：
(7)
(8)
(9)
(10)
(11)
将式(4)和式(6)～式(11)代入式(3)，得：
(12)
对任意正整数k，要计算式(1)，只需以式(2)为初始条件，按式(12)进行迭代即可，具体算法可描述为算法1。
算法1 计算累计概率分布：P{Z≤k},k=0，1，2，…，K。
Input:转移概率p0，p1，p2，p3，p4，p5，p6，正整数K。
Output:P{Z≤k}=P(k),k=0，1，2，…，K。
预分配2个6维数组P1、P2和一个1维数组P;
初始化：P1(0,0,0,0,0,0)← 1,P1(i1，i2，i3，i4，i5，i6)← 0，其他；
P(0)←P1(1,2,4,8,16,32);
fork← 1,k<=K,k++do
for each(i1，i2，i3，i4，i5，i6)∈Tdo
P2(i1，i2，i3，i4，i5，i6)←p0P1(i1，i2，i3，i4，i5，i6)+p1P1(⎣i1-1」，i2，i3，i4，i5，i6)+
p2P1(i1，⎣i2-1」，i3，i4，i5，i6)+p3P1(i1，i2，⎣i3-1」，i4，i5，i6)+p4P1(i1，i2，i3，⎣i4-1」，i5，i6)+
p5P1(i1，i2，i3，i4，⎣i5-1」，i6)+p6P1(i1，i2，i3，i4，i5，⎣i6-1」);
end
P(k)←P2(1,2,4,8,16,32);
for each(i1，i2，i3，i4，i5，i6)∈Tdo
P1(i1，i2，i3，i4，i5，i6)←P2(i1，i2，i3，i4，i5，i6);
end
end
2.2 概率分布的计算结果
对给定的正整数K，按节2.1方法计算Z在 {0，1，2，…，K} 上的概率分布。由于状态空间中的元素数目多达151 470，需计算机编程计算。以下是K=800 的计算结果。
表2是Z的累计概率分布表。从表2中可以看出，投掷数不超过220的概率为0.522 067，而投掷数不超过640的概率高达0.999 031。由Z的累积概率分布，很容易计算Z取某个整数值的概率P{Z=k}=P{Z≤k}-P{Z≤k-1}。
表2 投掷次数Z的累积概率分布表(P {Z≤k})
定义概率最大的投掷次数为最可能出现的投掷次数，则最可能出现的投掷次数为 196，其概率P{Z=196}=P{Z≤196}-P{Z≤195}=0.005 920 890，即1 000 局游戏中大约会出现6局是以196次投掷次数结束游戏的。
2.3 投掷次数Z的拟合分布
投掷次数Z的概率分布表虽已得出，但使用起来有些不便，能否使用已知的概率分布对其进行拟合呢？
图1是投掷次数Z的概率分布图。由图1b可以看出，Z的分布是一种偏态分布，分别选择Γ-分布和对数正态分布对Z的概率分布用最小二乘法进行拟合，得出相应的参数。拟合效果见图 2，其中Γ-分布的形状参数α=9.289，尺度参数β=24.603，对数正态分布的参数μ=5.377 8，σ=0.328 4。从拟合效果来看，显然对数正态分布要优于Γ-分布。容易计算该对数正态分布的数学期望为 228.543，方差为 5 947.990，可作为Z的数学期望E(Z)和方差Var(Z)近似值，即平均要投 228.543次就可将奖品分配完毕。
本节考虑E(Z)的精确计算问题。设奖品剩余状态为(i1，i2，i3，i4，i5，i6)时还需要的投掷次数的数学期望为E(i1，i2，i3，i4，i5，i6)，类似节2.1的分析可得：
E(0,0,0,0,0,0)=0,
(13)
(14)
由式(14)可以解出E(i1，i2，i3，i4，i5，i6)。例如，当i1，i2，i3，i4，i5，i6全大于0时，有：
(15)
当(i1，i2，i3，i4，i5，i6)中出现0时，不失一般性，假设i1=i3=i5=0，i2，i4，i6>0，有：
(16)
由式(15)～式(16)可见，状态点(i1，i2，i3，i4，i5，i6)处的数学期望可以由一步可达状态点的数学期望递推算出，为此将状态空间T分层，对整数0≤k≤63，定义
Tk={(i1，i2，i3，i4，i5，i6)∈T|i1+i2+i3+i4+i5+i6=k}。
(17)
显然，T0={(0，0，0，0，0，0)}，T63={(1，2，4，8，16，32)}，Tk中的状态点的一步可达状态点一定在Tk-1中，计算E(Z)=E(1,2,4,8,16,32)的精确值的算法为算法2。
算法2 计算E(Z)=E(1,2,4,8,16,32)。
输入参数:p0，p1，p2，p3，p4，p5，p6;
初始化:E(0,0,0,0,0,0)← 0;
按式(17)构造Tk，k=0，1，…，63;
fork←1,k<=63,k++do
for each(i1，i2，i3，i4，i5，i6)∈Tkdo
由式(14)计算E(i1，i2，i3，i4，i5，i6)
end
end
输出：E(1,2,4,8,16,32)。
按算法2用数学软件Mathematica编程，计算得到E(Z)的精确值为：
E(Z)=(729 282 124 … 214 477 889)/(3 191 150 … 807 040 000)。
(18)
式(18)中分子为4 770位整数，分母为4 768位整数。由于篇幅所限，中间数位的数字略去。保留六位小数为:E(Z)=(729 282 124 … 214 477 889)/(3 191 150 … 807 040 000)≈ 228.532 698，与用对数正态分布计算的结果相比较，二者之间只差 0.01，再一次说明对数正态分布能很好地拟合投掷次数的概率分布。
猜你喜欢骰子概率分布正态分布关于n维正态分布线性函数服从正态分布的证明*吉首大学学报（自然科学版）(2021年3期)2021-12-16离散型概率分布的ORB图像特征点误匹配剔除算法装备制造技术(2020年3期)2020-12-25偏对称正态分布的若干性质统计科学与实践(2019年1期)2019-03-28关于概率分布函数定义的辨析科技视界(2016年19期)2017-05-18基于概率分布的PPP项目风险承担支出测算中国工程咨询(2017年3期)2017-01-31正态分布及其应用环球市场信息导报(2016年41期)2017-01-19关于二维正态分布的一个教学注记新课程(下)(2016年5期)2016-08-15骰子不见了幼儿智力世界(2015年1期)2015-08-17依赖于时滞概率分布的不确定细胞神经网络的鲁棒稳定性西华师范大学学报（自然科学版）(2015年3期)2015-02-27巧猜骰子数学大王·中高年级(2014年7期)2014-08-06
