; C5 z- R; X+ y0 Z% s/ W& c* v: y, I* \0 D; p+ r
0 [: Q$ }+ k2 T( m
情况三: 7 ]/ G1 F7 B' Z9 P3 }仿二之解法,可求得 " X) X6 e9 O5 y3 P8 w1 H6 _& m
* I n6 q5 ~2 a& k! M, t4 Z0 z% ]' Q5 U z
' j0 m8 U" k. ^, D+ Y4 f* M5 a: s
" z7 ]8 v/ M, G' k2 C; v2 \
6 x$ @& [3 b! Q( Z. x
4 r( q3 P' [3 ~2 L" K l6 v
* d0 C! y9 [6 Q4 }) [保守法的 已求得,现在我们来研究为什么在情况二时,以保守下注法的 为最大;而在情况三时,反以保守下注法的 为最小;同时另一方面,在情况二时,则无论何种下注法, 皆一样。 * @! [! C$ v2 J6 f" u5 C* J D; Q8 o
' a' q6 @* |6 @) z$ O$ B
首先我们引进一个定理。令 Sn 代表在第 n 次赛局时,甲所拥有之资本额,因此 Sn 是一个随机变数。我们并设 S0=c,即原资本。令 N 表结束赛局所需之时间,因此 SN=0 或 c+m。我们并以 E 表期望值。 ! V/ H% F8 Z* d! `6 c
. H" C& F9 d2 }5 s6 y) G
* G& s5 F& O# o& j* a" Q+ ~7 f定理: 2 j/ q2 f8 w" u2 {* Z2 |设 f 为一定义于 Sn 上之有界函数。若在 Sn 之条件下,f(Sn+1) 之期望值 E[f(Sn+1)] = f(Sn),则 E[f(SN)] = f(S0) = f(c)。若将「=」改为「」,则结论亦真。 * m$ r0 Z. n: t. }2 G
此定理在机率学上,即着名的选择样本定理 (optional sampling theorem),它的证明已超过本刊程度,所以略去不证,但它的直观意义却不难了解。就拿「=」的情形来说,其实是说若你的第 n+1 次赛局,平均而言并不能改变在第 n 次赛局时 f 之值,则当整个赛局结束时,f 的平均值也与原先值一样。另一方面,若在「」的情况,亦即你的第 n+1 次赛局平均而言会改进 f 先前之值,则当赛局结束时,f 的平均值也曾比原先值为佳。 9 ?0 [# k" m6 b8 U) K1 \
E+ ^3 t3 p4 h; q- j, x
现在我们就拿这定理来证明先前我们所下之结论。 4 l# l1 z! j) r' Q