1:“我们玩桥牌吧”
2:“这玩意搞不来，打牌是靠概率取胜，主要牌型分布记不来”
。。。
3:“我们来玩抛银币吧，连续抛10次，看谁正面朝上的多。”
2:“不行，这非A即B的伯努利实验，10次，随机性太大，没有胜算把握。”
1:“。。。啥叫随机性太大？”
2:“叫Xi给你解释好了，呼叫Xi
“喵喵喵···可爱的Xi 来了～～喵，谁@我，
随机性啊，打个比方好了，你抛10次银币，你以为就有5次正面朝上啊？P(10,5,1/2)=0.246<0.5,二次项定理就是重复多次的伯努利实验。
你还别小看这0.246的概率，已经是10*1/2=5（k=Np）取最大的时候了。”
1:“那造成实验与理论值不一致的原因是啥？”
“问的好，别以为我在银币上动了手脚，咱是正经的学数学的，伯就是假定重复每次等可能事件。具体来说就是10次数量太少，统计的规律性被随机性掩盖了。你做个1000次，正面朝上在400～600之间浮动可能性就是99.9%左右。
在比个例子，一幅牌里边你抽黑桃，重复500次，你可能感觉有N*p=125次抽到，但实际上这玩意抽多少次都是有可能到，只不过在125次的可能性最大。
总体上讲（置信度），它会落在以125为中心，左右误差不太大（用方差/标准差来准确刻画）。
1:“均值和方差？”
“对，就是理想与现实的差距。一个随机变量的概率分布曲线越平，方差（相对均值而言）越大，随机性越大；越向中间集中，方差越小，随机性越小。”
“比如说一件事发生的概率是1%，虽然进行100次实验后它的数学期望达到1，但根号0.99约=100%的标准差/均值。如果想确保它一次成功（按95%），大约要做260次左右实验。如果我们将数字放大N倍，均值和标准差也会放大N倍。如果你去买彩票，中奖概率是百万分之一，你如果想要确保有一次成功，你大概要买260万次。
假如我们做一件事情有50%可能性成功，我们要做4次才能确保95%成功一次。相比理想状况下两次，多做了100%工作。
如果将成功率提高到75%，大约2次够了，只要多做60%工作。
如果只有5%成功率，50次确保，多做150%工作。
记住：凡事留足余量”
要问xi 怎么这样有智慧，吴军老师书中受启。
