前提を明確にする
確率にはモデルが必要です。参加者と結果が同数、すべての並びが同じ確率、各回が独立という前提などを明示します。実際のツールが条件を満たすとは証拠なしに断定できません。
簡単な例
4人と4結果のすべての対応が同じ確率なら、ある人が特定の結果になる理論確率は4分の1です。これはモデルの説明であり、未知のサービスの実測値ではありません。
頻度と予測を分ける
少ない回数では理論値から大きくずれることがあります。過去の頻度だけで次の独立した結果を決めることはできません。
参加者、横線、結果がどう作られるかを定義してから確率を考えます。
確率にはモデルが必要です。参加者と結果が同数、すべての並びが同じ確率、各回が独立という前提などを明示します。実際のツールが条件を満たすとは証拠なしに断定できません。
4人と4結果のすべての対応が同じ確率なら、ある人が特定の結果になる理論確率は4分の1です。これはモデルの説明であり、未知のサービスの実測値ではありません。
少ない回数では理論値から大きくずれることがあります。過去の頻度だけで次の独立した結果を決めることはできません。