Там нет уникального решения
Я не думаю, что истинное дискретное распределение вероятностей можно восстановить, если вы не сделаете некоторые дополнительные предположения. Ваша ситуация - в основном проблема восстановления совместного распределения от маргиналов. Иногда это решается с помощью связок в отрасли, например, управления финансовыми рисками, но обычно для непрерывных распределений.
Присутствие, Независимое, AS 205
При наличии проблемы в клетке допускается не более одной бомбы. Опять же, для частного случая независимости существует относительно эффективное вычислительное решение.
Если вы знаете FORTRAN, вы можете использовать этот код, который реализует алгоритм AS 205: Ян Сондерс, алгоритм AS 205. Перечисление таблиц R x C с повторными итогами строк, Прикладная статистика, том 33, номер 3, 1984, страницы 340-352. Это связано с алгоритмом Panefield, на который ссылается @Glen_B.
Этот алгоритм перечисляет все таблицы присутствия, т.е. проходит через все возможные таблицы, где в поле находится только одна бомба. Он также вычисляет кратность, т.е. несколько таблиц, которые выглядят одинаково, и вычисляет некоторые вероятности (не те, которые вас интересуют). С помощью этого алгоритма вы можете выполнить полное перечисление быстрее, чем раньше.
Присутствие, не независимое
Алгоритм AS 205 может применяться к случаю, когда строки и столбцы не являются независимыми. В этом случае вам придется применять разные веса к каждой таблице, сгенерированной логикой перечисления. Вес будет зависеть от процесса размещения бомб.
Считает, независимость
Количество проблем позволяет более чем одну бомбу поместили в камеру, конечно. Частный случай независимых строк и столбцов задачи подсчета прост:
где и - маргиналы строк и столбцов. Например, строка и столбец , следовательно, вероятность того, что бомба находится в строке 6 и столбце 3, равна . Вы фактически создали этот дистрибутив в своей первой таблице.Pji=Pi×PjPiPjP6=3/15=0.2P3=3/15=0.2P36=0.04
Считает, Не является независимым, Дискретные Копулы
Чтобы решить проблему подсчета, когда строки и столбцы не являются независимыми, мы могли бы применить дискретные связки. У них есть проблемы: они не уникальны. Это не делает их бесполезными. Итак, я бы попробовал применить дискретные связки. Вы можете найти хороший обзор их в Genest, C. и J. Nešlehová (2007). Учебник по связкам для подсчета данных. Эстин Булл. 37 (2), 475–515.
Копулы могут быть особенно полезны, поскольку они обычно позволяют явно вызвать зависимость или оценить ее по данным, когда данные доступны. Я имею в виду зависимость строк и столбцов при размещении бомб. Например, это может быть случай, когда бомба находится в первом ряду, тогда более вероятно, что это будет также и первый столбец.
пример
Применим к вашим данным данные связки Кимельдорфа и Сэмпсона, снова предположив, что в ячейку можно поместить более одной бомбы. Связка для параметра зависимости определяется как:
Вы можете думать о как аналог коэффициента корреляции.θC(u,v)=(u−θ+u−θ−1)−1/θ
θ
независимый
Давайте начнем со случая слабой зависимости, , где у нас есть следующие вероятности (PMF), и маргинальные PDF также показаны на панелях справа и внизу:θ=0.000001
Вы можете видеть, как в столбце 5 вероятность второй строки имеет в два раза большую вероятность, чем первая строка. Это не так, вопреки тому, что вы, казалось, подразумевали в своем вопросе. Разумеется, все вероятности составляют в сумме 100%, также как маргиналы на панелях соответствуют частотам. Например, столбец 5 на нижней панели показывает 1/3, что соответствует заявленным 5 бомбам из общего количества 15, как и ожидалось.
Положительное соотношение
Для более сильной зависимости (положительной корреляции) с имеем следующее:θ=10
Отрицательная корреляция
То же самое для более сильной, но отрицательной корреляции (зависимости) :θ=−0.2
Вы можете видеть, что все вероятности составляют, конечно, 100%. Также вы можете увидеть, как зависимость влияет на форму PMF. Для положительной зависимости (корреляции) вы получите наивысший PMF, сконцентрированный на диагонали, в то время как для отрицательной зависимости он вне диагонали