编程概率思想

‘壹’ C语言游戏中奖概率算法

从思想上来所，随机变量x有两个值，0表示不中奖，1表示中奖。如果进行N次实现，如果出现1的次数 / N = p%的话，我们说，x为1的概率为p%

STDLIB 中 rand() 函数的返回值，我们可以认为是服从平均分布的随机变量的值。通过不等式的变换，我们可以得到任意范围内，平均分布的随机变量。

比如说，20%的中奖率，我可以定义， 取[0, 99]的随机整数，如果该值为[0, 20) 则中奖，否则不中，那么中奖率就为 20%

‘贰’ C++编程 如何编概率

我的先问一哈，你是要结果的概率一定等与那个嘛

‘叁’ 哪位计算机达人知道概率如何用编程实现啊

详细代码请参阅我下面给出的参考地址 东西太多 不好复制

很多算法的每一个计算步骤都是固定的，而在下面我们要讨论的概率算法，允许算法在执行的过程中随机选择下一个计算步骤。许多情况下，当算法在执行过程中面临一个选择时，随机性选择常比最优选择省时。因此概率算法可在很大程度上降低算法的复杂度。

概率算法的一个基本特征是对所求解问题的同一实例用同一概率算法求解两次可能得到完全不同的效果。这两次求解问题所需的时间甚至所得到的结果可能会有相当大的差别。一般情况下，可将概率算法大致分为四类:数值概率算法，蒙特卡罗（Monte Carlo）算法，拉斯维加斯（Las Vegas）算法和舍伍德（Sherwood）算法。

数值概率算法常用于数值问题的求解。这类算法所得到的往往是近似解。而且近似解的精度随计算时间的增加不断提高。在许多情况下，要计算出问题的精确解是不可能或没有必要的，因此用数值概率算法可得到相当满意的解。

蒙特卡罗算法用于求问题的准确解。对于许多问题来说，近似解毫无意义。例如，一个判定问题其解为“是”或“否”，二者必居其一，不存在任何近似解答。又如，我们要求一个整数的因子时所给出的解答必须是准确的，一个整数的近似因子没有任何意义。用蒙特卡罗算法能求得问题的一个解，但这个解未必是正确的。求得正确解的概率依赖于算法所用的时间。算法所用的时间越多，得到正确解的概率就越高。蒙特卡罗算法的主要缺点就在于此。一般情况下，无法有效判断得到的解是否肯定正确。

拉斯维加斯算法不会得到不正确的解，一旦用拉斯维加斯算法找到一个解，那么这个解肯定是正确的。但是有时候用拉斯维加斯算法可能找不到解。与蒙特卡罗算法类似。拉斯维加斯算法得到正确解的概率随着它用的计算时间的增加而提高。对于所求解问题的任一实例，用同一拉斯维加斯算法反复对该实例求解足够多次，可使求解失效的概率任意小。

舍伍德算法总能求得问题的一个解，且所求得的解总是正确的。当一个确定性算法在最坏情况下的计算复杂性与其在平均情况下的计算复杂性有较大差别时，可以在这个确定算法中引入随机性将它改造成一个舍伍德算法，消除或减少问题的好坏实例间的这种差别。舍伍德算法精髓不是避免算法的最坏情况行为，而是设法消除这种最坏行为与特定实例之间的关联性。

‘肆’ 1.1 什么是概率编程

概率编程是一种系统创建方法，它所创建的系统能够帮助我们在面对不确定性时做出决策。许多日常决策涉及在确定无法直接观测的相关因素时的判断能力。历史上，帮助在不确定性下做出决策的方法之一是使用概率推理系统。概率推理将我们对某种情况的认识和概率法则结合起来，确定无法观测的决策关键因素。直到最近，概率推理系统的范围仍然有限，难以应用到许多现实情况中。概率编程是一种新方法，它使概率推理系统更容易构建，适用范围更广。
要理解概率编程，首先要观察不确定性条件下的决策过程和涉及的主观判断。然后，您将了解概率推理是如何帮助您做出决策的。您将注意到概率推理系统所能进行的3种推理，也就能理解概率编程，以及通过编程语言的能力用概率编程构建概率推理系统的方法。

‘伍’ 概率编程比较适用于哪些问题

而频率派的观点，他们设定概率是事件的长期频率。比如飞机发生事故的概率，频率派解释为飞机事故的长期频率。这在很多事件的概率问题上看上去确实有逻辑合理性，但当一个事件不会经常出现，无法统计长期的发生频率的话，就很难解释通了。比如总统选举的概率，因为该选举只发生一次。

‘陆’ 概述概率的基本思想和方法

概率统计中的数学思想可分为特有的数学思想和一般的数学思想，其中特有的数学思想主要有随机思想、统计调查思想、统计描述思想、统计推断思想等。通过丰富的实例，建立正确的概率直觉，发展随机思想；让学生在统计调查活动中理解和掌握统计调查思想；让学生探索以简单而直观的形式最大限度描述数据，掌握统计描述思想；实施样例教学，让学生认真分析数据，作出合理的决策，掌握统计推断思想；让学生经历提出问题、收集数据、整理数据、分析数据、作出判断和评价的过程，逐步形成统计观念；揭示概率统计中各种数学思想的内在联系，以形成数学思想的网络体系。
目前对概率统计的教学研究主要集中在概率与统计的解题研究、教育价值和统计观念培养等问题上，对中学概率统计中的数学思想的研究不多，其中对概率统计中特有的数学思想及其教学的研究极少。我们认为[1]，中学概率统计中的数学思想可分为特有的数学思想和一般的数学思想，其中特有的数学思想主要有随机思想、统计调查思想、统计描述思想、统计推断思想等；一般的数学思想主要有分类思想、归纳思想、特殊化思想、化归思想、模型化思想、数形结合思想等。

‘柒’ matlab中概率情况怎么编程

随机变量的累积概率值(分布函数值)
1 通用函数计算累积概率值
命令 通用函数cdf用来计算随机变量的概率之和(累积概率值)
函数 cdf
格式
说明 返回以name为分布,随机变量X≤K的概率之和的累积概率值,name的取值见表4-1 常见分布函数表

2 专用函数计算累积概率值(随机变量的概率之和)
命令 二项分布的累积概率值
函数 binocdf
格式 binocdf (k, n, p) %n为试验总次数,p为每次试验事件A发生的概率,k为n次试验中事件A发生的次数,该命令返回n次试验中事件A恰好发生k次的概率.
命令 正态分布的累积概率值
函数 normcdf
格式 normcdf() %返回F(x)=的值,mu,sigma为正态分布的两个参数表

专用函数的累积概率值函数表
函数名
调用形式
注 释
unifcdf
unifcdf (x, a, b)
[a,b]上均匀分布(连续)累积分布函数值 F(x)=P{X≤x}
unidcdf
unidcdf(x,n)
均匀分布(离散)累积分布函数值 F(x)=P{X≤x}
expcdf
expcdf(x, Lambda)
参数为Lambda的指数分布累积分布函数值 F(x)=P{X≤x}
normcdf
normcdf(x, mu, sigma)
参数为mu,sigma的正态分布累积分布函数值 F(x)=P{X≤x}
chi2cdf
chi2cdf(x, n)
自由度为n的卡方分布累积分布函数值 F(x)=P{X≤x}
tcdf
tcdf(x, n)
自由度为n的t分布累积分布函数值 F(x)=P{X≤x}
fcdf
fcdf(x, n1, n2)
第一自由度为n1,第二自由度为n2的F分布累积分布函数值
gamcdf
gamcdf(x, a, b)
参数为a, b的分布累积分布函数值 F(x)=P{X≤x}
betacdf
betacdf(x, a, b)
参数为a, b的分布累积分布函数值 F(x)=P{X≤x}
logncdf
logncdf(x, mu, sigma)
参数为mu, sigma的对数正态分布累积分布函数值
nbincdf
nbincdf(x, R, P)
参数为R,P的负二项式分布概累积分布函数值 F(x)=P{X≤x}
ncfcdf
ncfcdf(x, n1, n2, delta)
参数为n1,n2,delta的非中心F分布累积分布函数值
nctcdf
nctcdf(x, n, delta)
参数为n,delta的非中心t分布累积分布函数值 F(x)=P{X≤x}
ncx2cdf
ncx2cdf(x, n, delta)
参数为n,delta的非中心卡方分布累积分布函数值
raylcdf
raylcdf(x, b)
参数为b的瑞利分布累积分布函数值 F(x)=P{X≤x}
weibcdf
weibcdf(x, a, b)
参数为a, b的韦伯分布累积分布函数值 F(x)=P{X≤x}
binocdf
binocdf(x,n,p)
参数为n, p的二项分布的累积分布函数值 F(x)=P{X≤x}
geocdf
geocdf(x,p)
参数为 p的几何分布的累积分布函数值 F(x)=P{X≤x}
hygecdf
hygecdf(x,M,K,N)
参数为 M,K,N的超几何分布的累积分布函数值
poisscdf
poisscdf(x,Lambda)
参数为Lambda的泊松分布的累积分布函数值 F(x)=P{X≤x}
说明 累积概率函数就是分布函数F(x)=P{X≤x}在x处的值.

‘捌’ 编程思想是什么

楼主,是不是要问的是C++里的"面向对象"的编程思想呀!?
如果是,则这个编程思想,就是一个问题的解决方法...
"面向对象"的核心在于,先把所有要解决的分类!
每一类都是包含有特定的属性(功能)!
比如说如果你要用程序来模拟一类游戏角色,如游戏中的主角,它们会有男,有女,有战士有法师等等,但实质上它们都有共同特征,如所有的角色都有攻,防,生,魔等等相同的属性,它们唯一不同的是在属性的数值和属性的数量上!
那么,这时"面向对象"的编程思想实际上就是把前面所说的主角,都在程序时建立成一个对象,
该对象里用某一数据类型对应各主角所有属性!
之后,
以后如果想建立一个战士的话,那么,就定义一个名字为"战士"的对象,对象的结构就是刚才所说的结构!
然后再根据战士的特点赋初值...之后,一个完整的角色就建立完成了...其它的,弓手,法师都是一样的方法建立,不同的只是它们的属性初始值!!!
从上面可以很明显的看出,这样的程式设计方法,在以后维护起来是非常直观和简便的...(因为,程序的结构和人对现实所理解的结构是很相近的)...当然,这种思想也有缺点...从上面就可以看出,尽管战士可能没有法师的魔法技能,但是在设计上,也得包含进去!
否则就很难统一在一起了!
(当然,这个问题也可以把战士,弓手,法师各自分类建立来解决,但这样一来,当一个共同属性要修改的时候,那么就会从以前只需修改一个对象变成现成需要修改N个了,这样一来,无异加大了以后的维护量!!!
其实,在用"面向对象"的编程思想来设计程序时,刚才的那个缺点是无可避免的.
因为,在同一类里,大多数情况都会有某一个个体对像的某个属性是多余的!!!,也就是,这样肯定会浪费一定的系统资源!!!,当然,由这样的方法带来的方便和易维护也是非常直接实用的!
到底怎样去设计,最后还得看具体情况)

‘玖’ 有关概率的编程

用C#可以用switc 判断，在用if判断，主要你问题不是很清楚

‘拾’ 什么叫编程思想

编程思维，是一种高效率解决问题的方式，是“理解问题——找出路径”的高效思维过程，它由“分解—抽象—模式识别—算法”四个步骤组成。

1、分解，简单来说，就是“把复杂的大问题，拆解成更可执行、更好理解的小步骤”，它能锻炼我们拆解复杂问题的能力。

编程的过程，就是把复杂和庞大的问题“自上而下，逐步拆解，直至理顺”。这种思维，在学习和生活叫“分解思想”，在工作中又叫“项目管理”。

具备这种思维的人，做事情是有条不紊并且有耐心的。而分解能力好的孩子，即便面对一道有挑战的数学题，也能列出清晰的解题步骤，清楚地知道自己每一步的进展，而不是遇到难题时脑子里一团乱麻。

2、编程中最关键的就是“抽象思维”能力，它能锻炼我们聚焦重点，忽略无用信息，并抽取关键信息的能力。

编程的世界里，就包含“子系统、模块、包、类、方法和语句”等不同层级的抽象，学编程能锻炼孩子们不断抽象、聚焦关键信息的能力。

抽象思维能力越高的孩子，在大量信息中聚焦关键信息的能力会越强，专注力也会更高，自然学习也会更轻松。

3、模式识别，就是“如何找出相似的模式，并高效率解决细分问题”，它能极大锻炼我们规律整合的能力。善于发现和总结规律的人，常常做事麻利、效率也特别高。

4、算法，就是根据之前一系列对于问题的理解，设计一步一步的解决路径，并解决整个问题。

在具体解决问题的过程中，最关键的能力有两个 ——“逻辑思维”和“调试纠错”。

希望对您有所帮助！