Tag: 概率

宇宙射线：他们将会影响一个节目的概率是多less？: 我又一次在devise审查中，遇到了一个主张，即一个特定情景的概率是“低于宇宙射线的风险”，影响到了这个节目，而且我想到我并没有最清楚的想法是什么概率是。 “由于2 -128是340282366920938463463374607431768211456中的1，所以我认为我们有机会在这里抓住我们的机会，即使这些计算结果是几十亿的因数……我们对于宇宙射线的风险更大把我们搞砸了，我相信。这个程序员是正确的吗？宇宙射线撞击电脑并影响程序执行的可能性是什么？

为什么XOR是哈希合并的默认方式？: 假设你有两个哈希H(A)和H(B) ，你想合并它们。我已经读过，将两个哈希合并的一个好方法就是将它们XOR ，例如XOR( H(A), H(B) ) 。我已经find了最好的解释，在这里简要地谈谈这些散列函数的指导方针：对两个数字进行大致随机分布的结果，导致另一个数字仍然具有大致随机分布*，但现在取决于这两个值。 … *在两个数字的每一位进行组合，如果两个位相等，则输出0，否则为1.换句话说，在50％的组合中，将输出1。所以如果两个input比特各自有0或1的几率，那么输出比特也是如此。你能解释为什么XOR应该成为哈希函数（而不是OR或AND等）的默认操作的直觉和/或math吗？

加载骰子的数据结构？: 假设我有一个n边加载的模子，当我滚动它时，每个边k有一些概率pk 。我很好奇，如果有一个很好的algorithm来静态存储这个信息（即对于一组固定的概率），这样我就可以高效地模拟一个随机掷骰子。目前，我有一个O（LG）的解决scheme，这个问题。这个想法是为所有k存储一个前k个边的累积概率表，它们在[0,1）范围内产生一个随机实数，然后在表上进行二分search，得到最大的累积索引值不大于选定的值。我更喜欢这个解决scheme，但运行时不考虑概率似乎很奇怪。特别是在极端情况下，一方面总是出现或者价值是均匀分布的，可能使用一种简单的方法在O（1）中生成滚动的结果，尽pipe我的解决scheme仍然需要对数很多的步骤。有没有人有任何build议，如何解决这个问题的方式是在某种程度上“适应”在运行时？编辑：基于这个问题的答案，我写了一篇文章，描述了这个问题的许多方法，以及他们的分析。它看起来像Vose的别名方法的实施给予Θ（n）预处理时间和O（1）时间每个die roll，这真是令人印象深刻。希望这是对答案中包含的信息的有益补充！

用给定的概率生成随机数matlab: 我想生成一个给定的概率随机数，但我不知道如何：我需要1到3之间的数字 num = ceil(rand*3); 但是我需要不同的值来产生不同的概率。 0.5 chance of 1 0.1 chance of 2 0.4 chance of 3 我确定这很简单，但我不知道该怎么做。

在一个圆圈内（均匀地）生成一个随机点: 我需要在半径为R的圆内产生一个均匀的随机点。我意识到，通过在区间[0 …2π）中select一个均匀的随机angular度，并且在区间（0 … R ）中的均匀随机半径，我将以更多点为中心，因为对于两个给定的半径小的半径中的点将比在较大的半径中的点更接近彼此。我在这里发现了一个博客条目，但我不明白他的推理。我认为这是正确的，但是我真的很想从他（2 / R 2 ）× r以及他如何得出最终解决scheme中得到解释。关于拒绝抽样：我可以一次又一次地在R × R广场内生成一个随机点，直到我在圆圈内find一个点。这种方法有一个明显的缺点，即它不能提供终止保证（尽pipe它很可能不会持续很长时间）。

Python – 一个字典慢find每个字符的频率？: 我试图使用O（n）复杂度的algorithm在任何给定的文本中find每个符号的频率。我的algorithm如下所示： s = len(text) P = 1.0/s freqs = {} for char in text: try: freqs[char]+=P except: freqs[char]=P 但是我怀疑这个字典方法是否足够快，因为它取决于字典方法的底层实现。这是最快的方法吗？更新：如果使用集合和整数，速度没有增加。这是因为该algorithm已经具有O（n）复杂性，所以没有必要的加速可能。例如，1MB文本的结果： without collections: real 0m0.695s with collections: real 0m0.625s

从元素有权重的列表中selectk个随机元素: 没有任何权重（等概率）的select在这里被精美地描述。我想知道是否有办法将这种方法转换为加权方法。我也对其他方法感兴趣。更新：取样而不更换