! S0 e8 [- Q6 |# e: g$ D1 E1 ~: K; R$ k i" Q
情况三: % o X$ |6 m' @6 j$ M仿二之解法,可求得 ; b. R/ w8 o2 x
7 e! B% ?( p5 b" W& \" k
8 H7 `/ Y. W2 r5 ? , A' y& K, i; `7 a # Q5 y& i; ^* M3 o $ P M3 \" l4 [( d4 ` % G; L8 f0 o" q9 z. ~3 ]3 `3 a1 A; q( t$ H0 @. O1 R
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。 8 @) m0 T9 B- C4 f" J& O
4 v" m) ?9 U+ U/ g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。 . E+ r; L/ ?; P
& [3 Q( M" ^' F/ ~& S6 q6 z, Z* |( E
/ ^2 }% G3 O6 t3 o: W+ m" p定理: 7 C" r+ T9 t9 N7 P! H
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。 9 t8 ^: V' i. [. p
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 ?+ U L: x* d9 H4 ]/ {, G & G( }. ]6 M6 g& G4 Q% S现在我们就拿这定理来证明先前我们所下之结论。 8 \+ P- H. ^/ Y9 X5 q* x
) C1 e* m7 V+ h; \% m% B首先,我们考虑情况一。此时取 f(Sn)=Sn,则不论对何种下注法,因胜负机会均等, ,所以若给定 Sn,则 ESn+1 = Sn。因此由上定理知 ESN = c。但 = ,所以知不论以何种方法, 。 0 J# x% G- S+ F6 E" F) f+ { 0 J: C8 e' z) c至于在情况二或三时,我们取 。此时若给定 Sn,则 4 l3 x! ]$ ]. X+ M/ d; V. z, p! R. G. ?( k; u8 ]
g$ f g @) X/ G1 {+ Z
1 L$ |; H+ J( k$ J) N5 S' d6 y' h- o u0 @: H/ p/ o$ E4 A7 [
! s8 x3 p0 y( V% @: |# i
/ j8 j1 I, y& ^$ c1 r& U. [3 g