디렉토리

실험 동물의 처리 또는 서로 다른 실험 그룹에 할당 할 때 난스 특별한 실험 랜덤 결과, 상기 통계적 모집단에서 도출 대표적인 샘플과 같은 다양한 통계적 기법 중 임의의 개수를 사용할 필요 시간의 계산은 아마도 몬테카를로 시뮬레이션 등을 수행하는 단계를 포함한다. 이는 랜덤 넘버 생성기라고 다른 방법의 번호와, 난수를 생성한다. 중요한 기능 중 임의의 수는 다음과 같습니다 자신의 수를 나중에 이전 번호의와 아무 관련을 생산하지 않습니다.

우리가 논의하고 오늘은 확장 된 임의의 수를 기반으로합니다. 우리가 알다시피, 무작위 추첨에서 발생하고 있지만, 사실이 임의의 행 제어 목적의 임의의 표면이다. 요컨대 임의로 높은 확률로 생성 된

확률 집합 정의
전이 확률 세트
설정 임의로 생성 확률 인덱스
의 요소 찾기 위해 검색하여
확인하기 위해 테스트 데이터를
활동할

디렉토리

확률의 정의 세트


/**
 * 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;
    }

}

표시하는 데 사용 설정하는 첫 번째 클래스 객체 저장소 확률에 의해 ContinuousList 싱크 축 ¹ 에 있습니다. 여기에 친절한 알림, 여기에 반드시 확률을 필요로하지 않는 확률 세트가 제공 만 줄에 무게를 제공 할 필요가 100 %의 확률이다, 우리가 할 것으로 예상된다 스핀들 싱크 ^(2)를 자동으로 할 때 마지막의 한 번 완료 것이다 조각의 무게에 해당하는 인덱스도 난수를 참조하십시오. 같은 줄에 덮여 차례에 무게 유사한 타일처럼 생각하고 무작위 라인에 그 조각을보고 돌을 던져.

확률 팩터를 구축

타일링 개략적 확률

개략도

전이 확률 세트

우리는 중량도 제공되는 보조 장비에 의해 제공되는 상기 언급 10,10,5,5,30,10,5,25 {} (100)의 합을 나타내고, (100 편의 100 만 개 관측 여기서 필요하지 않다) 채널 비트 0 10/100 = 10 %를 생성하는 것을 의미한다. 이제 어레이 { "A", "B"의 세트에 추가 한 , "C", "D", "E", "F", "G", "H"} 8 자. 그런 확률은 (A)의 구성도를 통해 지금,이어서 ~ h를 각각하다 생성 {10 %, 10 %, 5 %, 5 %, 30 %, 10 %, 5 %, 25 %}
확률로 중량 방법 그것.

우선, 중량 (10)의 첫 번째 요소 는 스핀들 배치 ³ 0 내지 10의 범위에 분포를
분포 범위에 대응하는 제 중량 소자 (10)는 10, 20
분포 (25)에 대응하는 5 중량, 또는 (20)의 세 번째 요소
25 ~ 30의 분포 범위에 대응하는 추 (5)의 네 번째 요소
분포 범위에 해당하는 다섯 번째 원소 중량 30, 60, 30이었다
소자 열 여섯 번째 가중치 70, 60에 대응하는 분포 범위에 비해
70 내지 75의 해당 분포와 비교 일곱 가중 요소 (5)
여덟 번째 가중 요소 (25), 75 (100)에 대응하는 분포 에세이 의문

프로필

인덱스 세트를 랜덤하게 생성 확률


/**
 * 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;

}

이제 스핀들 싱크 ⁽⁴⁾ 도 생성되어, 렛 0 독자들 각각에 사용 된 언어에 따라 하나의 난수를 생성하고 눌러 싱크 샤프트 ⁵ 비율로 확대되어 스핀들 싱크 ⁽⁶⁾ 에.
예를 들어 : 0.5238 임의로 상기 생성 싱크 샤프트 ⁷ 0.5238의 길이가 임의의 숫자 (100)의 발생에 대응하는 싱크 샤프트 ^{. 8} 52.38.52.38 30 범위에서 60의 범위에서 무작위로 (30)와 비교하여, 등등 생성 (3) (0)에 대응하는 인덱스 (60)

케이블 속도로 요소 찾기

상기 인덱스에 대응 52.38 확률 세트는 여기서 3 결과가 설정 한 확률에 세트 수에 대응하는 이유를 설명한다. 하여 때문에 싱크 스핀들 ⁹ 대한 색인을 생성하는 결과 집합 및 집합의 동일한 수의 확률 우리는 결과를 얻을 것을 보장한다. 결과에 우리는 3 D 인 인덱스 얻은

테스트 데이터 유효성 검사

위에서 프로세스 개선 알고리즘 설정 원리의 구현을 설명 용지 이제 우리는 통계 알고리즘의 수를 추가하는 동시에을 생성하는 알고리즘을 통해 100,000 랜덤 데이터를 생성, Zhongjue 온다. 마지막으로, 우리는 알고리즘의 변화를 확인할 수있는 프로그램에 따라 발생 확률 확률의 실제의 발생을 비교한다.