牛顿-皮普斯问题

牛顿-皮普斯问题是一个掷骰子的概率问题。塞缪尔·皮普斯1693年向艾萨克·牛顿咨询怎样在赌局中下注赢面更大，在信中他问道：下列三种情形哪一种概率最高：

• A.6个正常的骰子独立投掷，至少出现1个6.
• B.12个正常的骰子独立投掷，至少出现2个6.
• C.18个正常的骰子独立投掷，至少出现3个6.^[1]

概率解

利用二项分布，三个投掷实验的概率分别为：^[2]

${\displaystyle P(A)=1-\left({\frac {5}{6}}\right)^{6}={\frac {31031}{46656}}\approx 0.6651\,,}$ 

${\displaystyle P(B)=1-\sum _{x=0}^{1}{\binom {12}{x}}\left({\frac {1}{6}}\right)^{x}\left({\frac {5}{6}}\right)^{12-x}={\frac {1346704211}{2176782336}}\approx 0.6187\,,}$ 

${\displaystyle P(C)=1-\sum _{x=0}^{2}{\binom {18}{x}}\left({\frac {1}{6}}\right)^{x}\left({\frac {5}{6}}\right)^{18-x}={\frac {15166600495229}{25389989167104}}\approx 0.5973\,.}$ 

该类问题的通项公式，一般的，若P(N)是投掷6n个骰子得到至少n个6的概率，则：

${\displaystyle P(N)=1-\sum _{x=0}^{n-1}{\binom {6n}{x}}\left({\frac {1}{6}}\right)^{x}\left({\frac {5}{6}}\right)^{6n-x}\,.}$ 

n变大时，P(N)会逐渐趋近于极限值1/2.

编程计算法

在R语言中，该问题可以用如下方法解：

p <- as.numeric(1/6) s <- c(1, 2, 3) for (i in s) { x <- 0 n <- 6*i for(j in 0:(i-1)) {x <- x + dbinom(j, n, p) } print(paste("Probability of at least ", i, " six in ", n, " fair dice: ", 1-x, sep="")) }

结果会显示为：

[1] "Probability of at least 1 six in 6 fair dice: 0.665102023319616" [1] "Probability of at least 2 six in 12 fair dice: 0.618667373732309" [1] "Probability of at least 3 six in 18 fair dice: 0.597345685947723"

牛頓的解释

牛頓設想將B和C的骰子每六粒分為一組，A只可分為一組；B和C分別可分成兩組和三組，每組需要在其中一次投擲中出現6。如此可見，A的機率是最大的，因为A只需要在其中一次投擲中出現6，而B和C則分别需要重复A的過程两次和三次。

参考文献

1. Isaac Newton as a Probabilist 互联网档案馆的，存档日期2007-09-18., Stephen Stigler, University of Chicago
2. Weisstein, Eric W. (编). Newton-Pepys Problem. at MathWorld--A Wolfram Web Resource. Wolfram Research, Inc. （英语）.