ディレクトリ

実験動物の処理または異なる実験群に割り当てられたときにnonceが特別な実験のランダムな結果であり、母集団から引き出さ代表試料中などの異なる統計的手法、の乱数を使用することが必要です時間の計算は、おそらく、モンテカルロシミュレーション等を行います。それはとして乱数発生器と呼ばれる異なる方法の数の乱数を生成します。重要な機能の乱数は、以下のとおりです。彼の数は、後に、前の番号のものとは接続を生じませんでした。

我々が議論している今日では、拡張された乱数に基づいています。私たちが知っているように、ランダム宝くじに発生しているが、実際には、これはランダムな行制御目的のランダムな表面です。要するにランダムに高い確率で生成され

確率の定義された一連の
 変換確率を設定
 し、ランダムに生成確率指標
 の要素を見つけるための検索によって
 確認するためのテストデータ
 チームに参加します

ディレクトリ

確率の定義された一連


/**
 * 定义一个连续集合
 * 集合中元素x满足:(minElement,maxElement]
 * 数学表达式为：minElement < x <= maxElement
 *
 */
public class ContinuousList {

    private double minElement;
    private double maxElement;

    public ContinuousList(double minElement, double maxElement){
        if(minElement > maxElement){
            throw new IllegalArgumentException("区间不合理，minElement不能大于maxElement！");
        }
        this.minElement = minElement;
        this.maxElement = maxElement;
    }

    /**
     * 判断当前集合是否包含特定元素
     * @param element
     * @return
     */
    public boolean isContainKey(double element){
        boolean flag = false;
        if(element > minElement && element <= maxElement){
            flag = true;
        }
        return flag;
    }

}

示すために使用した最初のクラスオブジェクトストア確率、によってContinuousList シンクシャフト¹上を。ここでフレンドリーリマインダー、ここでは必ずしも確率を必要としない確率セットはプロバイダが唯一の行に重みを提供する必要が100％の確率であり、私たちがすると予測されているスピンドルシンク^2を自動的にするとき、最後の一回完了しますピース重量に対応するインデックスでも乱数を参照してください。同じ行に覆われた順番に重量似たタイリングのように考えて、その後、ランダムライン上でその作品を見て石を投げます。

確率係数を構築

タイル張りの概略図の確率

模式図

変換確率セット

我々は重量が、図が提供されている供給業者によって提供される上述10,10,5,5,30,10,5,25 {}、100の合計を表し（100便宜のみ100回の観察のためにここでは必要ありません）チャネルビット0が10/100 = 10％で発生することを意味します。今、我々は、アレイ{ "A"、 "B"のセット追加し、 "C"、 "D"、 "E"、 "F"、 "G"、 "H"} 8つの文字。次に、確率はの構成図を通して今、次いで〜Hはそれぞれ{10％、10％、5％、5％、30％、10％、5％、25％}である発生
確率にどのように重量それは。

まず、重り10の最初の要素のスピンドル配置^3は 0〜10の範囲に分布します
分布範囲に対応する第2の重み要素10は、10〜20であります
25分布に対応する重み5、又は20の第3要素
25〜30の分布範囲に対応する重み5の第4要素、
分布範囲に対応する第五の素子ウェイト30は、30〜60でした
重み第6要素10に比べ60〜70に対応する分布範囲
70〜75の対応する分布と比較して第重み付け要素5、
第重み付け要素25、100エッセイに対応する75疑問分布

プロファイル

インデックスのランダムに生成された一連の確率


/**
 * 进行抽奖操作
 * 返回：奖品的概率list集合中的下标
 */
public int randomColunmIndex(){
    int index = -1;
    Random r = new Random();
    double d = r.nextDouble() * maxElement;  //生成0-1间的随机数
    if(d == 0d){
        d = r.nextDouble() * maxElement;     //防止生成0.0
    }
    int size = lotteryList.size();
    for(int i = 0; i < size; i++){
        ContinuousList cl = lotteryList.get(i);
        if(cl.isContainKey(d)){
            index = i;
            break;
        }
    }
    if(index == -1){
        throw new IllegalArgumentException("概率集合设置不合理！");
    }
    return index;

}

今、我々は、スピンドルシンク^4はよく構築されている、聞かせてリーダーの各々で使用される言語に基づいて、0〜1の乱数を生成し、押しシンクシャフト⁵比がに拡大され、スピンドルシンク⁶です。
例：0.5238をランダム上に、生成されたシンクシャフト⁷乱数100の世代に対応0.5238の長さシンクシャフト^8。 30〜60の範囲の範囲内52.38.52.38、ランダムように生成された、30と比較します（0から）3 60に対応するインデックス

ケーブル・レートによって要素を探します

上記インデックスに対応する52.38確率セットは、ここでは、3であり、結果セット及び確率の組の数に対応した理由を説明します。であるため、シンクスピンドル⁹私たちはインデックスを生成し、結果セットとセットの同じ数の確率は、我々は結果を得ることが保証されます。私たちは、インデックス3に得られている結果によってdとします

テストデータの検証

上記のプロセス改善アルゴリズムを設定する原則の実装について説明し、紙は今、我々は統計アルゴリズムの数を追加し、同じ時間を生成するアルゴリズムによって10万ランダムデータを生成します、Zhongjue来ます。最後に、我々はアルゴリズムの変更を検証することができますプログラムの下で発生確率と確率の実際の生成を比較します。