证明一下拉普拉斯的《概率分析论》观点

证明拉普拉斯的《概率分析论》观点Demo 必要环境

Nodejs

npm

coffeescript的npm包工具

审题与证明步骤

题目:假设有四个盒子,一个是全部黑球(0),一个是全部白球(1),剩下两个黑白球不一。依次从一个盒子随机取一个球放到下一个盒子里面,再从下一个盒子里面随机取一个球放到再下一个盒子里面,依次循环。证明当N次后,所有盒子内部的黑白球比例一致。

立题假设:每个盒子有100个球,第一个全是黑球,第二个全是白球,第三个30个黑球70个白球,第四个30个白球70个黑球。然后随机取放,打印出每次取放后相应的球比例。

代码解答环节

模拟四个盒子

box0 = [] box1 = [] box2 = [] box3 = []

相关数据配置

boxIndex = 0 # 盒子编号 times = 0 # 起始次数 maxTimes = 1e3 # 转移次数

填充盒子内部的球
```
box0.push(0) for i in [0..99] # 第一个盒子全是0,即黑球
box1.push(1) for i in [0..99] # 第二个盒子全是1,即白球
for i in [0..99] # 第三个盒子0占30%
if i < 30
box2.push(0)
else
box2.push(1)

for i in [0..99] # 第四个盒子1占30%
if i < 30
box3.push(1)
else
box3.push(0)
```

计算黑球,即0所占比例函数

get0Radio = (array) -> array0 = array.filter((item) -> item is 0) (array0.length / array.length).toFixed(2)

换球操作函数,得是个递归啊

changeNumber = -> box = eval("box#{boxIndex}") # 获取取数的盒子 change = box.splice(Math.floor(Math.random() * 99), 1)[0] # 随机取出 boxIndex += 1 # 盒子编号加一,即下个盒子 boxIndex = 0 if boxIndex > 3 # 如果盒子编号越界,则回到第一个 box = eval("box#{boxIndex}") # 获取下一个盒子 box.splice(Math.floor(Math.random() * 99), 0, change) # 随机插入 times += 1 # 打印转以后的各个盒子0所占比例 console.log get0Radio(box0), get0Radio(box1), get0Radio(box2), get0Radio(box3) return if times > maxTimes # 如果操作次数超过设定则跳出递归 changeNumber() # 递归

游戏开始

changeNumber()

这里是测试1000次的结果:

1.00 0.01 0.30 0.70
1.00 0.01 0.30 0.70
1.00 0.01 0.29 0.70
1.00 0.01 0.29 0.70
1.00 0.02 0.29 0.70
1.00 0.02 0.29 0.70
1.00 0.02 0.29 0.69
1.00 0.02 0.29 0.69
1.00 0.03 0.29 0.69
1.00 0.03 0.29 0.69
...
...
...
0.48 0.54 0.54 0.44
0.47 0.54 0.54 0.44
0.47 0.54 0.54 0.44
0.47 0.54 0.54 0.45
0.48 0.54 0.54 0.44
0.48 0.53 0.54 0.44
0.48 0.53 0.54 0.44
0.48 0.53 0.54 0.45
0.49 0.53 0.54 0.44
0.48 0.53 0.54 0.44

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zyxgfy.html