100道单选题,随机选,考够60分的概率有多高?

简介: 100道单选题,随机选,考够60分的概率有多高?

在python3里面运行,你可以计算出来,你就会明白概率有多么低了

##假设有100道单项选择题,随机选择正确率是0.25,计算在能够确定某些题目的情况下的通过率
#####################
###假设全部随机选,60道以上正确为通过
#组合计算公式:c,m,n=n!/((n-m)!*m!)
def get_n(n):
    if n==0:
        return 1
    if n==1:
        return 1
    if n>1:
        return n*get_n(n-1)
count=0
for i in range(60,101):
    p=(get_n(100)/(get_n(100-i)*get_n(i)))*(0.25**i)*(0.75**(100-i))
    print('对{}题的概率是{}'.format(i,p))
    count=count+p
count
###############################################
###假设知道n题的答案(n<=60),其他随机选,成功率多少
#先假定an=5
for i in range(1,61):
    #知道多少题答案
    an=i
    #在知道多少题答案的情况下,计算得出大于60题的概率
    count=0
    for j in range(60-an,101-an):
        n=100-an
        p=(get_n(n)/(get_n(n-j)*get_n(j)))*(0.25**j)*(0.75**(n-j))
        #print(p)
        count=count+p
    print('在知道{}道题目的基础上随机蒙对大于等于60题的概率{}'.format(an,count))
目录
相关文章
|
PyTorch 算法框架/工具
torch 如何实现两点分布采样,要求采100个样本,其中20个样本为数字1,80个为数字2
可以使用 PyTorch 中的 torch.distributions 模块实现两点分布采样。具体来说,可以使用 Categorical 分布将数字1和数字2的概率分别设为0.2和0.8,然后调用 sample() 方法进行采样。可以先使用 torch.ones() 和 torch.zeros() 函数生成分别包含20个数字1和80个数字2的张量,然后使用 torch.cat() 函数将它们拼接在一起,再使用 torch.randperm() 函数对其进行打乱。
278 0
|
PyTorch 算法框架/工具
softmax是数字越大,概率越大,如何设置一种新的方法,数字越大,概率越小?
如果您希望在输入数字越大时获得更小的概率,可以使用 Softmax 函数的变体——Softmax 函数的负版本(Negative Softmax)。
244 0
softmax是数字越大,概率越大,如何设置一种新的方法,数字越大,概率越小?
|
算法 编译器 应用服务中间件
加权随机设计与实现
加权随机,是指当我们从某种容器中随机选择一个元素,每个元素被选中的机会并不相等,而是由相对“权重”(或概率)被选中的,也就是说我们想要有“偏心”的得到某种随机结果。
78638 1
加权随机设计与实现
|
人工智能 移动开发 BI
概率论<一>——随机事件与概率(二)
概率论<一>——随机事件与概率
概率论<一>——随机事件与概率(二)
|
索引 Python
随机生成四则运算题并判断正确率
随机生成四则运算题并判断正确率
133 0
随机生成四则运算题并判断正确率
L1-006 连续因子 (20 分)
L1-006 连续因子 (20 分)
110 0
加权平均的重要作用
加权平均的重要作用
507 0
加权平均的重要作用
7-8 连续因子 (20 分)
7-8 连续因子 (20 分)
84 0
|
机器学习/深度学习 索引
798. 得分最高的最小轮调 : 上下界分析 + 差分应用
798. 得分最高的最小轮调 : 上下界分析 + 差分应用