MATLAB模拟布丰投针实验 标签(空格分隔): 算法 Buffon's Needle 桌面上有距离为a的若干平行线,将长度为L的针随机丢在桌面上,则这根针与平行线相交的概率是多少?假定L < a. 思路:从针据横线的距离与夹角得出. 解决: 假设针的中点到最近横线的距离为y,则\(y\in[0,\frac{a}{2}]\); 因为投针是随机的,所以y服从均匀分布: \[ f(y) = \begin{cases} \frac{2}{a}, & \text{$0 \leq y \leq \fr

程序员的数学1 2012.pdf 2012版 程序员的数学2 概率统计 ,平冈和幸,(日)堀玄著 ,P4006 2015.pdf 2015版 程序员的数学3-线性代数 2016.pdf 2016版 如果数学不好,是否可以成为一名程序员呢?答案是肯定的. 本书最适合:数学糟糕但又想学习编程的你., 没有晦涩的公式,只有好玩的数学题., 帮你掌握编程所需的“数学思维”., 日文版已重印14次!, 编程的基础是计算机科学,而计算机科学的基础是数学.因此,学习数学有助于巩固编程的基础,写出更健壮的程序.

接着统计学习中knn算法实验(1)的内容 Problem: Explore the data before classification using summary statistics or visualization Pre-process the data (such as denoising, normalization, feature selection, …) Try other distance metrics or distance-based voting Try other

作业任务: 使用98年人民日报语料库进行词性标注训练及测试. 作业输入: 98年人民日报语料库(1998-01-105-带音.txt),用80%的数据作为训练集,20%的数据作为验证集. 运行环境: Jupyter Notebook, Python3 作业方法: 使用简单的统计词频的方法,对于单词的词性做出预测.暂未使用N-gram语言规则. 作业步骤: 1.处理语料库:删除段前标号. # 读取原始语料文件 in_path = '1998-01-105-带音.txt' file = open(i

link 题意: A和B玩游戏,每轮A赢的概率为p.现在有T组询问,已知A赢了n轮输了m轮,没有平局,赢一局A得分+1,输一局得分-1,问A得分期望值? $n+m,T\leq 2.5\times 10^5.$ 题解: 首先p并没有用.我们需要的是计算所有可能局面A的得分和,最后除以$C_{n+m}^{n}$. 发现得分不小于0非常奇怪,转化一下,考虑设最后一个为0的状态:A赢x次,输y次.那么得分为(n-x)-(m-y)=n-m+y-x.令k=y-x,则y=k+x.其中需要满足$k\geq \m

一.问题来源 t = 2xy/(x+y);融合相似度和信任度,我需要验证值域是不是[0,1]: 二.求解 clear all; clc; %linspace(0:1,0.1)这样是错的,第三个参数是段数,不是间距,应该是11,分成11分 x = 0:0.1:1; y = x; [x,y] = meshgrid(x,y); %注意除法必须是点除 z = 2*x.*y./(x+y); surf(x,y,z);          注意x和y,x是按行平铺,y是按列平铺,原来没注意,查看了meshgri

问题叙述性说明 生成n个月∈[a,b]随机整数.并且将它们输出到x概率. 输入格式 输入线跟四个整数n.a,b,x,用空格分隔. 输出格式 输出一行包括一个小数位和为x的概率.小数点后保留四位小数 例子输入 2 1 3 4 例子输出 0.3333 数据规模和约定 对于50%的数据,n≤5. 对于100%的数据,n≤100,b≤100. 题解: 这是一道典型的全然背包,可是在做的过程中遇到了一些波折. dp[i][j]:挑选i个数字后得到j的概率. dp[i][j]=dp[i-1][z]*1/su

使用numpy模块中的histogram函数模块 Histogram(a,bins=10,range=None,normed=False,weights=None)其中, a是保存待统计数据的数组, bins指定统计的区间个数,即对统计范围的等分数. range是一个长度为2的元组,表示统计范围的最小值和最大值,默认值为None,表示范围由 数据的范围决定,即(a.min(), a.max()). 当normed参数为False时,函数返回数组a中的数据在每个区间的个数,否则对个数进行正规化处理

Description 大家的好朋友小 L 来到了博弈的世界.Alice 和 Bob 在玩一个双人游戏.每一轮中,Alice 有 p 的概率胜利,1 -p 的概率失败,不会出现平局.双方初始时各有 0 分,当一个人胜利的时候,他会获得一分,失败则扣掉一分. 遗憾的是,博弈论世界的人目前是无法理解负数的,因此,如果某个人输掉一轮比赛的时候他只有 0 分,那么他 就不会被扣分(对方会照常加一分).游戏一共要进行 N+M 轮,Alice 想请你帮她算算在游戏结束时她的得分的 数学期望."这算啥,我小

> ####################5.2 > X<-c(159, 280, 101, 212, 224, 379, 179, 264, + 222, 362, 168, 250, 149, 260, 485, 170) > t.test(X,alternative='greater',mu=225,conf.level = 0.95)#单边检验 One Sample t-test data: X t = 0.66852, df = 15, p-value = 0.257

  #查看已安装的包,查看已载入的包,查看包的介绍 ########例题3.1 #向量的输入方法 w<-c(75.0, 64.0, 47.4, 66.9, 62.2, 62.2, 58.7, 63.5, 66.6, 64.0, 57.0, 69.0, 56.9, 50.0, 72.0) plot(w)#概况,数据的可视化可以让我们看的更轻松 summary(w) #求均值 w.mean<-mean(w); w.mean w[2]#选取特定位置的数字 #控制异常值,trim表示去掉异常值的比例

link 题意简述 小 $A$ 与小 $B$ 在玩游戏,已知小 $A$ 赢 $n$ 局,小 $B$ 赢 $m$ 局,没有平局情况,且赢加一分,输减一分,而若只有 $0$ 分仍输不扣分. 已知小 $A$ 每次赢得概率为 $p$ ,问小 $A$ 得分期望. $T$ 组数据. $T,n,m\leq 2.5\times 10^5$ $solution:$ 因为赢场输场已经固定,所以 $p$ 其实是没有用,则现在考虑计算小 $A$ 得分总和. 将赢输场前缀和,记为 $\{s\}$,则得分为 $n-m-mi

一道好题!很久以前就想做了,咕到了现在,讲第二遍了才做. 首先我们观察到$p$是没有用的 因为赢的次数一定 那么每一种合法序列出现的概率均为$p^n*(1-p)^m$ 是均等的 我们可以不看它了 然后我们可以通过计算所有序列的答案再除以$C_{n+m}^n$就可以了 然后我们开始进行神奇操作 赢的话就是+1输的话就是-1 那么我们可以观察到最后的结果就是$n-m-min \left (s_i \right )$ 其中s表示前缀和 那么我们有答案就是$C_{n+m}^n \left (n-m \r

现在有一个人,如何对这个人怎么识别这个人?那么就对其存在的特征进行提取,比如,提取其身高,其相貌,其年龄,分析这些特征,从而确定了,这个人就是这个人,我们绝不会认错. 同理,对数据进行分析,也是提取出数据的特征,对其特征进行分析,从而确定这些数据所呈现的信息状况,从而确定了这些数据的独特性和唯一性,因为他呈现的信息是唯一的,绝不与别的是相同的. 那么这些特征是什么呢?拥有哪些特征呢?似乎应该是经过无数科学家的总结,终于发现了几个重要的特征,包括数字特征和分布特征,这个数字特征,包括集中位置,分散

传送门 如果在\(0\)以下之后仍然会减分,那么最后的结果一定是\(N-M\). 注意到如果在Alice分数为\(0\)时继续输,那么就相当于减少了一次输的次数.也就是说如果说在总的博弈过程中,Alice在分数等于\(0\)时输了\(x\)次,那么最后的结果就是\(N-M+x\). 不妨考虑一个序列\(a_i\),如果\(a_i = 1\)表示Alice第\(i\)局输了,\(a_i = -1\)表示第\(i\)局赢了,那么不难发现\(x =\)序列\(a_i\)的最大前缀和.不妨设\(max_

超高维度分析,N*P的矩阵,N为样本个数,P为指标,N<<P PCA:抓住对y对重要的影响因素 主要有三种:PCA,因子分析,回归方程+惩罚函数(如LASSO) 为了降维,用更少的变量解决问题,如果是二维的,那么就是找到一条线,要使这些点再线上的投影最大,投影最大,就是越分散,就考虑方差最大. > conomy<-data.frame( + x1=c(149.3, 161.2, 171.5, 175.5, 180.8, 190.7, + 202.1, 212.4, 226.1, 2

#########################################0808聚类分析 X<-data.frame( x1=c(2959.19, 2459.77, 1495.63, 1046.33, 1303.97, 1730.84, 1561.86, 1410.11, 3712.31, 2207.58, 2629.16, 1844.78, 2709.46, 1563.78, 1675.75, 1427.65, 1783.43, 1942.23, 3055.17, 2033.87,

Fisher就是找一个线L使得组内方差小,组间距离大.即找一个直线使得d最大. ####################################1.判别分析,线性判别:2.分层抽样 #install.packages('MASS') library(MASS) #install.packages('sampling') library(sampling)#抽样时使用 ?iris#了解该数据集 #把iris重新赋值,并加入分类标记和行号标记 i<-iris#为了书写方便 i$lv<-as

广义线性回归 > life<-data.frame( + X1=c(2.5, 173, 119, 10, 502, 4, 14.4, 2, 40, 6.6, + 21.4, 2.8, 2.5, 6, 3.5, 62.2, 10.8, 21.6, 2, 3.4, + 5.1, 2.4, 1.7, 1.1, 12.8, 1.2, 3.5, 39.7, 62.4, 2.4, + 34.7, 28.4, 0.9, 30.6, 5.8, 6.1, 2.7, 4.7, 128, 35, + 2, 8.5,

模型修正 #但是,回归分析通常很难一步到位,需要不断修正模型 ###############################6.9通过牙膏销量模型学习模型修正 toothpaste<-data.frame( X1=c(-0.05, 0.25,0.60,0, 0.25,0.20, 0.15,0.05,-0.15, 0.15, 0.20, 0.10,0.40,0.45,0.35,0.30, 0.50,0.50, 0.40,-0.05, -0.05,-0.10,0.20,0.10,0.50,0.60,