多臂老虎机问题：为何5号分布最优、4号可接受？

Hey there! 既然你已经掌握了大学统计学里的基础分布、均值/中位数/众数这些核心概念，咱们就结合多臂老虎机的具体场景，拆解你可能没完全覆盖到的关键知识点：

• 偏态分布的「概率密度集中性」
  你直觉里的“分布上方区域越大越好”方向是对的，但左偏态分布的核心优势在于：它的高收益区间的概率密度占比远高于低收益区间——虽然存在左侧的长尾（少数低收益甚至亏损的情况），但绝大多数抽样结果都集中在右侧的高收益区域。你可能知道左偏态的定义，但没把“分布的概率集中区域”和“实际抽样的收益稳定性”绑定：5号老虎机的左偏意味着你拉100次，可能90次都拿到不错的收益，只有10次是低收益，整体赢钱的概率自然更高。

• 期望收益（均值）的「加权本质」
  你已经理解均值的定义，但可能没结合多臂老虎机的抽样场景深化认知：每一次拉动手臂都是从分布中随机抽取结果，均值就是长期拉动手臂的期望收益——它是所有可能收益乘以对应概率的加权总和。左偏态分布的均值虽然会被左侧的低收益尾巴拉低一点，但因为高收益区间的样本占比极高，最终的期望还是远高于其他分布。比如5号的均值可能是3元，而对称分布的老虎机均值可能是2元，这背后不是只看“上方区域”大小，而是看每个区间的概率和收益的乘积总和。

• 分布的「离散程度指标」（方差/标准差）
  你可能没重点关注到，除了均值、中位数这类位置参数，离散程度也会影响老虎机的表现。比如课程里说4号老虎机赢钱概率可接受，大概率是它的分布方差更小——虽然期望不如5号，但收益更稳定，不会出现大幅亏损，适合风险偏好较低的策略。而5号虽然期望更高，但方差可能更大（因为存在左侧长尾），不过长期来看，它的数学期望收益还是更占优。

• 抽样与「大数定律」的实际落地
  课程提到“拉动手臂时会从该分布中随机抽取结果”，这背后就是抽样的核心逻辑。你可能知道大数定律，但没结合场景理解：当你拉老虎机的次数足够多，你的实际平均收益会无限趋近于该老虎机分布的均值。所以5号的左偏态分布，在长期抽样下，最终的平均收益会稳定在它的均值附近，而这个均值因为高收益区间的占比高，所以比其他老虎机更划算——这也是它赢钱概率最高的核心原因。

小补充：多臂老虎机的核心是在「探索（尝试不同老虎机）」和「利用（选择已知期望最高的）」之间做平衡，这些统计概念就是你判断“哪个老虎机值得优先利用”的核心依据。

内容的提问来源于stack exchange，提问作者trocchietto