当前位置：文江博客话题详情

前倾随机数概率分布

发布于 2024-11-29 06:16:23 字数 155 浏览 1 评论 0原文

假设我在 100 秒内每秒伪随机地选择一个从 1 到 50 的数字，并且随着时间的推移，选择的数字更有可能更大。我如何构建这样的算法？

例如：99秒后选择接近50的数字的可能性比选择接近1的数字的可能性大得多。

或者：10秒后选择的数字更有可能大于9秒后选择的数字

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

情释 2024-12-06 06:16:23

选择任何凹单调函数，如平方根，将 0 映射到 0，将 1 映射到 1。生成 [0,1] 之间的随机数，应用该函数，然后将 [0,1] 拉伸到所需的区间 ([1,50] ）。

现在，如果您使用简单的权重从线性变换 f(x)=x 转变为提到的变换函数，您将获得所需的效果。

回复收藏 0 原文

陈年往事 2024-12-06 06:16:23

我有一个简单的解决方案给你。使用此表达式代替 rand(1, 50) （假设此函数生成均匀随机数 1..50）：

power(rand(1, power(50, exp)), 1/exp)

这仍将为您提供所有数字 1..50。对于 exp = 1，分布将是均匀的。当你稍微增加exp（例如1.1左右）时，获得更大数字的概率将会增加。 exp 越高，它就会增加到 50。

所以你可以这样做，例如：

factor = 1 /* finetune this for your needs */
for second = 0..100
    exp = 1 + (second / 100) * factor
    rand_num = power(rand(1, power(50, exp)), 1/exp)
endfor

I have a simple solution for you. Instead of rand(1, 50) (say this function generates uniformly random numbers 1..50) use this expression:

power(rand(1, power(50, exp)), 1/exp)

this will still give you all the numbers 1..50. For exp = 1, the distribution will be uniform. As you slightly increase exp (e.g. like 1.1 or so), the probability of getting larger numbers will increase. The higher the exp, the more it will increase towards 50.

So you can do e.g.:

factor = 1 /* finetune this for your needs */
for second = 0..100
    exp = 1 + (second / 100) * factor
    rand_num = power(rand(1, power(50, exp)), 1/exp)
endfor

回复收藏 0 原文

小ぇ时光︴ 2024-12-06 06:16:23

伪代码：

let i = 0
let n = 50 // Adjust for your needs
for i goes to 100 {
  randomnum = int(sqrt(rand(1, 50*n)));
}

这可能非常具有前瞻性，但这是实现它的一种方法。

感谢 Ricky Bobby 指出了我的旧方法的一个根本问题。这是受到 yi_H 使用 sqrt 这样的函数的建议的启发。

Pseudocode:

let i = 0
let n = 50 // Adjust for your needs
for i goes to 100 {
  randomnum = int(sqrt(rand(1, 50*n)));
}

This can be very forward-leaning, but it's one way to approach it.

Thanks to Ricky Bobby for pointing out a fundamental problem with my old approach. This is inspired by yi_H's suggestion of using a function like sqrt.

回复收藏 0 原文