比特幣論文中泊松分布期望公式問題|火星技術帖

2021-01-08 火星財經

免責聲明:本文旨在傳遞更多市場信息,不構成任何投資建議。文章僅代表作者觀點,不代表火星財經官方立場。

小編:記得關注哦

來源:CSDN

在比特幣創始論文的第11章中存在這樣一個問題,就是為什麼這個分布的期望為lamda=z*(q/p)?

11. 計算

設想如下場景:一個攻擊者試圖比誠實節點產生鏈條更快地製造替代性區塊鏈。即便它達到了這一目的,但是整個系統也並非就此完全受制於攻擊者的獨斷意志了,比方說憑空創造價值,或者掠奪本不屬於攻擊者的貨幣。這是因為節點將不會接受無效的交易,而誠實的節點永遠不會接受一個包含了無效信息的區塊。一個攻擊者能做的,最多是更改他自己的交易信息,並試圖拿回他剛剛付給別人的錢。

誠實鏈條和攻擊者鏈條之間的競賽,可以用二叉樹隨機漫步(Binomial Random Walk)來描述。成功事件定義為誠實鏈條延長了一個區塊,使其領先性+1,而失敗事件則是攻擊者的鏈條被延長了一個區塊,使得差距-1。

攻擊者成功填補某一既定差距的可能性,可以近似地看做賭徒破產問題(Gambler’s Ruin problem)。假定一個賭徒擁有無限的透支信用,然後開始進行潛在次數為無窮的賭博,試圖填補上自己的虧空。那麼我們可以計算他填補上虧空的概率,也就是該攻擊者趕上誠實鏈條,如下所示[8] :

假定p>q,那麼攻擊成功的概率就因為區塊數的增長而呈現指數化下降。由於概率是攻擊者的敵人,如果他不能幸運且快速地獲得成功,那麼他獲得成功的機會隨著時間的流逝就變得愈發渺茫。那麼我們考慮一個收款人需要等待多長時間,才能足夠確信付款人已經難以更改交易了。我們假設付款人是一個支付攻擊者,希望讓收款人在一段時間內相信他已經付過款了,然後立即將支付的款項重新支付給自己。雖然收款人屆時會發現這一點,但為時已晚。

收款人生成了新的一對密鑰組合,然後只預留一個較短的時間將公鑰發送給付款人。這將可以防止以下情況:付款人預先準備好一個區塊鏈然後持續地對此區塊進行運算,直到運氣讓他的區塊鏈超越了誠實鏈條,方才立即執行支付。當此情形,只要交易一旦發出,攻擊者就開始秘密地準備一條包含了該交易替代版本的平行鏈條。

然後收款人將等待交易出現在首個區塊中,然後在等到z個區塊連結其後。此時,他仍然不能確切知道攻擊者已經進展了多少個區塊,但是假設誠實區塊將耗費平均預期時間以產生一個區塊,那麼攻擊者的潛在進展就是一個泊松分布,分布的期望值為:

當此情形,為了計算攻擊者追趕上的概率,我們將攻擊者取得進展區塊數量的泊松分布的概率密度,乘以在該數量下攻擊者依然能夠追趕上的概率。

化為如下形式,避免對無限數列求和:

下邊是我對這個問題的理解:

首先看一下什麼是泊松分布:在《泊松分布的來源—公式推導—應用》一文中,作者提出

在一個特定時間內,某件事情會在任意時刻隨機發生(前提是,每次發生都是獨立的,且跟時間無關)。當我們把這個時間段分成非常小的時間片構成時,可以認為,每個時間片內,該事件可能發生,也可能不發生。幾乎可以不考慮發生多於一次的情況(因為時間片可被分的足夠小)。

當時間片分的越小,該時間片內發生這個事件的概率 p 就會成正比的減少。即:特定時間段被分成的時間片數量 n 與每個時間片內事件發生的概率 p 的乘積 n*p 為一個常數。這個常數表示了該事件在指定時間段發生的頻度。

這句話應該就是解決問題的關鍵。回到比特幣論文中,因為特定時間段為生成z個區塊,這個時間段被分成了z個時間片,每個時間片中攻擊者獲取下一個區塊的概率為q/p,所以根據上述所說這個常數(lamda)為時間片數量和每個時間片內時間發生的概率的乘積,即lamda = z*(q/p);

接下來就是泊松公式推導:

看這段時間內,指定事件恰好發生 i 次的概率是多少?代入上面推導出來的公式得到:

n * (n-1)... (n-i+1) / i! * p^i * (1-p) ^ (n-i) => np(np-p)...(np-ip+p) / i! * ((1-p) ^ (-1/p))^(-np) / (1-p) ^i

當 n 趨向無窮大時,p 趨向 0 。而此時 (1-p)^(-1/p) 趨向 e 。註:詳細推導過程如下

上面這個公式可以劃簡為 lamda ^ i / i! * e ^ - lamda (lamda=n*p)

這個公式推導過程不複雜,耐心點一看就明白。而這個關於 i 的分布就是著名的泊松分布了。

回到論文中既為

版權聲明:本文為CSDN博主「周正己」的原創文章。

原文連結:https://blog.csdn.net/u012149181/article/details/80565812

相關焦點

  • 泊松分布與二項分布
    如果我們學習的意義是為了通過考試,那麼我們大可停留在「只會做題」的階段,因為試卷上不會出現「請發表一下你對泊松公式的看法」這樣的題目,因為那樣一來卷子就變得不容易批改。所以現在的大部分考試都會出一些客觀題。而如果我們學習的目的是為了理解一樣東西,那麼我們就有必要停下來去思考一下諸如「為什麼要有泊松分布?」、「泊松分布的物理意義是什麼?」這樣的「哲學」問題。
  • 泊松分布
    在這篇文章中,我們將討論用於模擬上述情況的泊松分布背後的理論,如何理解和使用它的公式,以及如何使用Python代碼來模擬它。離散型概率分布這篇文章假設你對概率有一個基本的了解。在我們開始真正的文章之前,我們將建立一些對離散概率分布的理解。
  • 六西格瑪管理基礎-常用離散分布之-泊松分布
    質量控制中常遇到這樣的情況;不僅要關注不合格品,而且要關注每件不合格品所包含的不合格項的情況。例如,全面檢查生產的計算機總會發現一些不合格項,即使有些不合格項不重要,此時所關注的不再是產品合格與否的問題,而是產品出現的不合格項。
  • 簡述泊松分布假設條件
    基礎準備泊松分布概率公式推導自二項分布,因為換一種角度來看待它,它就是二項分布;回顧泊松分布公式推導過程及應用案例請點擊下方連結:
  • 機器學習:泊松分布與指數分布
    打開APP 機器學習:泊松分布與指數分布 阮一峰 發表於 2017-11-29 03:44:03 我舉一個例子,什麼是泊松分布和指數分布
  • 泊松分布在足球博彩中的實際應用
    今天我來和大家分享一下泊松分布(Poisson Distribution)在足球賠率中的實際應用。我相信大家在玩球的時候在某些網站或者APP中都能看到已經幫我們算好的泊松分布概率圖。那這個究竟是怎麼算出來的呢?大致原理又是什麼呢?
  • Excel的統計方法:泊松分布的計算過程圖文
    二、定義: Poisson分布,是一種統計與概率學裡常見到的離散概率分布,由法國數學家西莫恩·德尼·泊松(Siméon-Denis Poisson)在1838年時發表。 二項分布中,當n趨於無窮大時,p趨於0,此時事件發生的概率是服從泊松分布的。
  • 如何理解泊松分布?
    那麼:上面就是泊松分布的概率密度函數,也就是說,在 這就是教科書中的泊松分布的概率密度函數。老闆依然蹙眉,不知道 老闆算出一腦門的汗,「那就這麼定了!」鑑於二項分布與泊松分布的關係,可以很自然的得到一個推論,當二項分布
  • 為什麼電話呼叫次數服從泊松分布?
    這裡,我們來討論一下泊松分布在電話呼叫中心資源配置中的應用。泊松分布適合於描述單位時間內隨機事件發生的次數。如某一服務設施在一定時間內到達的人數,電話交換機接到呼叫的次數,汽車站臺的候客人數,機器出現的故障數,自然災害發生的次數等等。若隨機變量X取0和一切正整數值,在n次獨立試驗中出現的次數x恰為k次的概率P(X=k)=(k=0,1,…,n),式中λ是一個大於0的參數,此概率分布稱為泊松分布。
  • 泊松分布及其實際應用場景
    正因為在泊松分布中的概率質量函數中只有一個參數,減少了對參數的確定與修改的工作量,構建模型比較簡單,因此具有很重要的實際意義。泊松分布的特徵泊松分布是一種描述和分析稀有事件的概率分布。要觀察到這類事件,樣本量n必須很大。λ是泊松分布所依賴的唯一參數。λ值越小,分布越偏倚,隨著λ的增大,分布趨於對稱。在實際工作中,當λ時,就可以用正態分布近似地處理泊松分布的問題。
  • 原創 | 一文讀懂泊松分布,指數分布和伽馬分布
    真實世界中有很多場景都和泊松分布有關,比如某網站在某段時間內的點擊率;客服中心在某段時間內接到電話的次數;醫院在某段時間內接生的嬰兒;放射性元素在某段時間內衰變的粒子個數……事實上我們通過上面的推導過程也能看出:當
  • 從零開始學統計(五)——泊松分布
    上一篇我們介紹了二項分布,本篇泊松分布是二項分布的一種特例,我們可以看作,在B(n,π)中,當n很大,π很小時,令,此時,根據泊松定理,P(X)
  • 10分鐘讓你理解泊松分布、指數分布
    我舉一個例子,什麼是泊松分布和指數分布?恐怕大多數人都說不清楚。我可以在10分鐘內,讓你毫不費力地理解這兩個概念。日常生活中,大量事件是有固定頻率的。上面就是泊松分布的公式。泊松分布的圖形大概是下面的樣子。
  • 【陸勤筆記】《深入淺出統計學》7幾何分布、二項分布、泊松分布:堅持離散
  • 什麼是松泊分布?泊松回歸可以用來做什麼?
    之前的文章中我們介紹過最常用的——線性回歸;數據不滿足線性關係時可以使用的——曲線回歸;當Y為定類數據時使用的——Logistic回歸等。還有一些專門用來解決回歸分析中出現的種種問題的回歸方法,如解決多重共線性問題的嶺回歸、自動篩選變量的逐步回歸、中介調節效應中用於對模型比較的分層回歸等。
  • 從泊松方程的解法,聊到泊松圖像融合
    先看看其驚人的融合結果(非論文配圖,本人實驗結果):這篇文章的實現,無關目前算法領域大火的神經網絡,而是基於泊松方程推導得出。很多朋友比較熟悉概率論裡面的泊松分布。泊松方程,也是同一個數學家泊松發明的。但卻和泊松分布沒有什麼關係,是泊松物理學領域提出的一個偏微分方程。這裡表示的是拉普拉斯算子,和 (在泊松方程中是已知量)可以是實數或複數值方程,特殊情況當時被稱為拉普拉斯方程。當處於歐幾裡得空間時,拉普拉斯算子通常表示為。
  • 圖解泊松分布與二項分布之差別
    泊松分布刻畫了稀有事件在一段時間內發生次數這一隨機變量的分布,如電話交換臺單位時間內接到的呼喚次數等。
  • 收米小技巧:泊松分布 下篇如何計算比分波膽概率
    泊松分布大小球分析法 可以給出我們準確的參考信息。 繼我們上篇學習的 泊松分布大小球分析法,這篇文章我們將要學習 球隊預計進球數 以及 比分波膽。在上篇已經講過泊松分布的歷史由來以及函數公式,所以在一篇我們不在闡述,直接進入正題。當然你們也可以完全放心,這篇文章不會涉及燒腦的數學公式,因為我們的初衷是化繁為簡,讓彩民們都能看的懂,用的上。
  • 概率每天一問:如何確定問題中應該選用泊松分布幾何分布和指數分布
    概率每天一問:如何確定問題中應該選用泊松分布幾何分布和指數分布 http://kaoyan.eol.cn      2005-11-23  大 中 小   臨考概率統計30問(每天一問)――源於清華版的「2006
  • 幾何分布和二項分布有什麼區別?
    ,二項分布和幾何分布經常同時出現,在前面講泊松分布的時候也簡單提到了二項分布。那麼,幾何分布是什麼分布?和二項分布有什麼區別?講泊松分布的時候提到,二項分布的概率公式如下: 大家知道,拋硬幣實驗是最經典的二項分布實驗,一般是求n次拋硬幣實驗中有k(k ≤ n)次正面朝上的概率。而幾何分布和二項分布很像,所適用的條件和二項分布也一樣,不過其計算更為簡單。