概率计算

简介: 一般笔试面试中常会有概率问题的出现(算法较多),他们有这样的规律:概率的应用有两块:现在我们来看案例:案例1所以两强不相遇的概率为那么两强相遇的概率为案例2案例3案例4关于步骤5的解释是,如果产生了21,22,23,24,那么重新进行步骤4,直到结果在0到20之间,这样产生21到24的概率会平均分配到0~20之间。

一般笔试面试中常会有概率问题的出现(算法较多),他们有这样的规律:


概率的应用有两块:


现在我们来看案例:

案例1



所以两强不相遇的概率为
\frac{105 - 60}{105} = \frac{3}{7}

那么两强相遇的概率为
\frac{4}{7}

案例2


案例3


案例4



关于步骤5的解释是,如果产生了21,22,23,24,那么重新进行步骤4,直到结果在0到20之间,这样产生21到24的概率会平均分配到0~20之间。但是我的疑问是,如果用其他方法,不也可以这么产生吗?

案例5


案例6


如果调用f()两次,返回的结果仍然是[0, X)区间上的话,那么两次调用f()的返回值都必须落在[0, X)区间上,否则就会返回大于X的数了。所有,k次同理

案例7

首先,先插一条程序

//这个程序确实证明了Math.random()是从[0,1)随机的,但是这里不能用,因为可能
//打印M个数的时候,有可能重复打印。
public static void main(String[] args){
        int[] array = new int[]{1, 2, 3, 4, 5};
        ArrayList<Integer> list1 = new ArrayList<>();
        ArrayList<Integer> list2 = new ArrayList<>();
        ArrayList<Integer> list3 = new ArrayList<>();
        ArrayList<Integer> list4 = new ArrayList<>();
        ArrayList<Integer> list5 = new ArrayList<>();
        for(int i = 0; i < 100000; i++){
            int num = array[(int)(Math.random() * array.length)];
            if(num == 1){
                list1.add(num);
            }else if(num == 2){
                list2.add(num);
            }else if(num == 3){
                list3.add(num);
            }else if(num == 4){
                list4.add(num);
            }else if(num == 5){
                list5.add(num);
            }
        }
        System.out.println(list1.size());
        System.out.println(list2.size());
        System.out.println(list3.size());
        System.out.println(list4.size());
        System.out.println(list5.size());
    }


把每次打印的数都交换到最后,是防止重复打印

案例8





目录
相关文章
|
3月前
|
Python
联合概率 边缘概率 条件概率 贝叶斯定理
联合概率 边缘概率 条件概率 贝叶斯定理
43 0
|
6月前
|
算法 vr&ar Python
R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列
R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列
|
6月前
|
数据可视化
R平方/相关性取决于预测变量的方差
R平方/相关性取决于预测变量的方差
|
6月前
|
算法 数据挖掘
WINBUGS对随机波动率模型进行贝叶斯估计与比较
WINBUGS对随机波动率模型进行贝叶斯估计与比较
|
6月前
|
算法 定位技术
插值、平稳假设、本征假设、变异函数、基台、块金、克里格、线性无偏最优…地学计算概念及公式推导
插值、平稳假设、本征假设、变异函数、基台、块金、克里格、线性无偏最优…地学计算概念及公式推导
157 2
|
数据可视化 Python
概率学中的随机变量与分布
概率学中的随机变量与分布
概率学中的随机变量与分布
【概率論】常用專業名詞中韓對照表 | 확률론 한중 번역표
【概率論】常用專業名詞中韓對照表 | 확률론 한중 번역표
70 0
14 棣莫弗的二项概率逼近
14 棣莫弗的二项概率逼近
69 0
(一)探索随机变量及其分布:概率世界的魔法
(一)探索随机变量及其分布:概率世界的魔法
|
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)。
337 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?