คำถามติดแท็ก probability

อีกครั้งที่ฉันอยู่ในการทบทวนการออกแบบและพบว่ามีความน่าจะเป็นของบางสถานการณ์คือ "น้อยกว่าความเสี่ยงของรังสีคอสมิก" ที่มีผลต่อโปรแกรมและมันเกิดขึ้นกับฉันว่าฉันไม่ได้มีความคิดที่ลึกซึ้งที่สุด ความน่าจะเป็นคือ "ตั้งแต่ 2 -128คือ 1 จาก 340282366920938463463374607431768211456 ฉันคิดว่าเราเป็นธรรมในการใช้โอกาสของเราที่นี่แม้ว่าการคำนวณเหล่านี้จะถูกปิดด้วยปัจจัยไม่กี่พันล้าน ... เรามีความเสี่ยงมากสำหรับรังสีคอสมิก เชื่อเรา โปรแกรมเมอร์นี้ถูกต้องหรือไม่? ความน่าจะเป็นที่รังสีคอสมิคชนกับคอมพิวเตอร์และมีผลกระทบต่อการทำงานของโปรแกรมอย่างไร

546 statistics  physics  probability  error-detection  risk-analysis 

ฉันจะรับความน่าจะเป็นของสตริงที่คล้ายกับสตริงอื่นใน Python ได้อย่างไร ฉันต้องการรับค่าทศนิยมเช่น 0.9 (หมายถึง 90%) ฯลฯ โดยเฉพาะกับ Python และไลบรารี่มาตรฐาน เช่น similar("Apple","Appel") #would have a high prob. similar("Apple","Mango") #would have a lower prob.

284 python  probability  similarity  metric 

สิ่งนี้เกี่ยวข้องกับคำถามก่อนหน้านี้จากย้อนกลับไปในเดือนมิถุนายน: การคำนวณความคาดหวังสำหรับการแจกแจงแบบกำหนดเองใน Mathematica ฉันมีการกระจายแบบผสมที่กำหนดเองโดยใช้การแจกแจงแบบกำหนดเองที่สองตามด้วยบรรทัดที่กล่าวถึง@Sashaในคำตอบจำนวนหนึ่งในปีที่ผ่านมา รหัสที่กำหนดการแจกแจงดังนี้: nDist /: CharacteristicFunction[nDist[a_, b_, m_, s_], t_] := (a b E^(I m t - (s^2 t^2)/2))/((I a + t) (-I b + t)); nDist /: PDF[nDist[a_, b_, m_, s_], x_] := (1/(2*(a + b)))*a* b*(E^(a*(m + (a*s^2)/2 - x))* Erfc[(m + a*s^2 - x)/(Sqrt[2]*s)] + …

238 plot  wolfram-mathematica  probability  calculus  mathematica-8 

ฉันต้องการที่จะสร้างจุดสุ่มสม่ำเสมอภายในวงกลมรัศมีR ฉันรู้ว่าเพียงแค่เลือกมุมสุ่มอย่างสม่ำเสมอในช่วงเวลา [0 ... 2π) และรัศมีสุ่มอย่างสม่ำเสมอในช่วงเวลา (0 ... R ) ฉันจะจบลงด้วยคะแนนที่มากขึ้นสู่จุดศูนย์กลางเนื่องจากสอง รัศมีจุดในรัศมีขนาดเล็กจะใกล้กันมากกว่าสำหรับจุดในรัศมีขนาดใหญ่ ฉันพบรายการบล็อกที่นี่ตรงนี้แต่ฉันไม่เข้าใจเหตุผลของเขา ฉันคิดว่ามันถูกต้อง แต่ฉันอยากจะเข้าใจจากที่เขาได้รับ (2 / R 2 ) × rและวิธีการที่เขาได้มาซึ่งทางออกสุดท้าย ปรับปรุง: 7 ปีหลังจากโพสต์คำถามนี้ฉันยังไม่ได้รับคำตอบที่น่าพอใจสำหรับคำถามจริงเกี่ยวกับคณิตศาสตร์ที่อยู่เบื้องหลังอัลกอริทึมรากที่สอง ดังนั้นฉันใช้เวลาหนึ่งวันในการเขียนคำตอบด้วยตัวเอง เชื่อมโยงไปยังคำตอบของฉัน

212 math  random  geometry  probability 

สมมติว่าคุณมีสอง hashes H(A)และH(B)และคุณต้องการที่จะรวมพวกเขา ผมเคยอ่านว่าเป็นวิธีที่ดีที่จะรวมทั้งสอง hashes คือการให้พวกเขาเช่นXORXOR( H(A), H(B) ) คำอธิบายที่ดีที่สุดที่ฉันพบถูกสัมผัสสั้น ๆ ที่นี่ในแนวทางฟังก์ชั่นแฮช : แฮคเกอร์ตัวเลขสองตัวที่มีการแจกแจงแบบสุ่มอย่างคร่าวๆส่งผลให้ตัวเลขอีกตัวยังคงมีการกระจายแบบสุ่ม * แต่ตอนนี้ขึ้นอยู่กับค่าสองค่า ... * ที่แต่ละบิตของสองตัวเลขที่จะรวมกัน 0 จะถูกส่งออกถ้าทั้งสองบิตมีค่าเท่ากันหรือ 1 ในคำอื่น ๆ 50% ของชุดค่าผสมจะมีการส่งออก 1 ดังนั้นถ้าบิตอินพุตสองตัวแต่ละตัวมีโอกาสประมาณ 50-50 ที่จะเป็น 0 หรือ 1 ดังนั้นบิตเอาต์พุตก็เช่นกัน คุณสามารถอธิบายสัญชาตญาณและ / หรือคณิตศาสตร์ได้ไหมว่าทำไมแฮคเกอร์ถึงควรเป็นปฏิบัติการเริ่มต้นสำหรับการรวมฟังก์ชั่นแฮช (แทนที่จะเป็น OR หรือ AND เป็นต้น)

145 cryptography  bit-manipulation  hash  probability  xor 

แก้ไข:ดังนั้นโดยทั่วไปสิ่งที่ฉันพยายามที่จะเขียนเป็นกัญชา 1 doubleบิตสำหรับ ฉันต้องการที่จะแมปdoubleไปtrueหรือfalseมีโอกาสที่ 50/50 สำหรับที่ฉันเขียนโค้ดที่เลือกตัวเลขสุ่ม(เช่นเป็นตัวอย่างฉันต้องการใช้กับข้อมูลที่มี regularities และยังได้ผลลัพธ์ 50/50)ตรวจสอบบิตสุดท้ายและส่วนเพิ่มyหากเป็น 1 หรือnถ้าเป็น 0 แต่รหัสนี้อย่างต่อเนื่องส่งผลให้ใน 25% yและ n75% ทำไมมันไม่ 50/50 และทำไมการกระจายแบบแปลก ๆ แต่ตรงไปตรงมา (1/3) public class DoubleToBoolean { @Test public void test() { int y = 0; int n = 0; Random r = new Random(); for (int i = 0; i …

139 java  random  double  bit-manipulation  probability 

สมมติว่าผมมี n เหลี่ยมตายโหลดที่แต่ละด้านมีบางส่วน k p น่าจะkของขึ้นมาเมื่อผมม้วน ฉันอยากรู้ว่ามีอัลกอริทึมที่ดีสำหรับการจัดเก็บข้อมูลนี้แบบคงที่ (เช่นสำหรับชุดของความน่าจะเป็นคงที่) เพื่อให้ฉันสามารถจำลองการหมุนของแม่พิมพ์แบบสุ่มได้อย่างมีประสิทธิภาพ ขณะนี้ฉันมีทางออก O (lg n) สำหรับปัญหานี้ ความคิดคือการเก็บตารางของความน่าจะเป็นสะสมของ k แรกสำหรับทุก k พวกเขาเพื่อสร้างจำนวนจริงแบบสุ่มในช่วง [0, 1) และทำการค้นหาแบบไบนารีเหนือตารางเพื่อให้ได้ดัชนีที่ใหญ่ที่สุดที่มีการสะสม ค่าไม่มากกว่าค่าที่เลือก ฉันชอบโซลูชันนี้ แต่ดูเหมือนแปลกที่รันไทม์ไม่ได้คำนึงถึงความน่าจะเป็น โดยเฉพาะอย่างยิ่งในกรณีที่สุดขั้วของด้านใดด้านหนึ่งขึ้นมาเสมอหรือค่าที่กระจายอย่างสม่ำเสมอเป็นไปได้ที่จะสร้างผลลัพธ์ของการหมุนใน O (1) โดยใช้วิธีการไร้เดียงสาแม้ว่าวิธีแก้ปัญหาของฉันจะยังคง ใครบ้างมีคำแนะนำสำหรับวิธีการแก้ปัญหานี้ในลักษณะที่ "ปรับตัว" อย่างใดในมัน runtime? แก้ไข : ตามคำตอบของคำถามนี้ฉันได้เขียนบทความที่อธิบายถึงวิธีการมากมายสำหรับปัญหานี้พร้อมกับการวิเคราะห์ของพวกเขา ดูเหมือนว่าการติดตั้งวิธีนามแฝงของ Vose จะให้เวลา process (n) เวลาในการประมวลผลล่วงหน้าและเวลา O (1) ต่อการหมุนตายซึ่งเป็นที่น่าประทับใจอย่างแท้จริง หวังว่านี่จะเป็นประโยชน์ต่อข้อมูลที่มีอยู่ในคำตอบ!

130 algorithm  language-agnostic  data-structures  random  probability 

ฉันรู้ว่ามีความเป็นไปได้เพียงไม่กี่นาทีที่จะเกิดการปะทะกัน แต่ถ้าฉันสร้างชุด GUID จำนวน 1,000 ชุด (เช่น) จะปลอดภัยหรือไม่ที่จะถือว่าพวกเขาไม่ซ้ำกันเพื่อบันทึกการทดสอบแต่ละรายการ คำถามโบนัส วิธีที่ดีที่สุดในการทดสอบ GUID เพื่อความเป็นเอกลักษณ์? กรองบลูมอาจจะ?

123 math  unique  guid  probability  collision 

วิธีการคำนวณความน่าจะเป็นในการแจกแจงปกติค่าเฉลี่ยที่กำหนด std ใน Python ฉันสามารถเขียนโค้ดฟังก์ชันของตัวเองอย่างชัดเจนได้ตลอดเวลาตามคำจำกัดความเช่นเดียวกับ OP ในคำถามนี้: การคำนวณความน่าจะเป็นของตัวแปรสุ่มในการกระจายใน Python เพียงแค่สงสัยว่ามีการเรียกใช้ฟังก์ชันไลบรารีจะช่วยให้คุณทำสิ่งนี้ได้หรือไม่ ในจินตนาการของฉันมันต้องการสิ่งนี้: nd = NormalDistribution(mu=100, std=12) p = nd.prob(98) มีคำถามที่คล้ายกันใน Perl: ฉันจะคำนวณความน่าจะเป็น ณ จุดหนึ่งที่แจกแจงปกติใน Perl ได้อย่างไร . แต่ฉันไม่เห็นหนึ่งใน Python Numpyมีrandom.normalฟังก์ชัน แต่เหมือนกับการสุ่มตัวอย่างไม่ใช่สิ่งที่ฉันต้องการ

93 python  statistics  scipy  probability