概率统计Python计算:排列组合——构造样本空间

2024-08-22 22:58

本文主要是介绍概率统计Python计算:排列组合——构造样本空间,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述
当试验的样本空间中样本点结构比较复杂时,需要仔细构造样本空间。例如,向目标射击3枪,观察每一枪是否击中目标的试验,如果将射中目标记为1,未击中目标记为0,则一个样本点可表示为一个3元组 ( i , j , k ) (i,j,k) (i,j,k)。其中的每个分量取值为0或1。这样样本空间可以视为对有限集合 { 0 , 1 } \{0, 1\} {0,1},作具有3个元素 的可重排列构成的集合。再比如从3黑2白的5球中任取3球观察其颜色的试验,若用若用1-3表示黑球,4~5表示白色球。样本点可表为3元组 ( i , j , k ) (i,j,k) (i,j,k),其中 1 ≤ i < j < k ≤ 5 1\leq i<j<k\leq5 1i<j<k5。这样,样本空间可视为对有限集合 { 1 , 2 , 3 , 4 , 5 } \{1,2,3,4,5\} {1,2,3,4,5}做具有3个元素的所有组合构成的集合。
Python的sympy.utilities.iterables包中的函数variations和subsets可以用来构造有限集合的排列与组合。

函数名功能参数
variations(seq,n,repetition)构造排列seq表示参加排列有限集合的序列,n表示排列中的元素个数,repetition表示是否是可重排列,缺省值为False。
subsets(seq,n,repetition)构造组合各参数与variations的同名参数意义相同。
from sympy.utilities.iterables import variations, subsets
S1=set(variations([0, 1], 3, True))
S2=set(subsets([1,2,3,4,5],3))
print(S1)
print(S2)

运行程序,输出

{(0, 1, 1), (1, 1, 0), (1, 1, 1), (1, 0, 0), (0, 0, 1), (1, 0, 1), (0, 0, 0), (0, 1, 0)}
{(2, 3, 5), (1, 2, 3), (1, 3, 5), (1, 4, 5), (1, 2, 4), (1, 3, 4), (2, 4, 5), (3, 4, 5), (2, 3, 4), (1, 2, 5)}

例1 考虑向指定目标连续射击三枪,观察每一枪击中与否的试验。构造该试验的样本空间。
解: 用0表示一次射击未击中目标,用1表示击中目标。则射击三次的结果,也就是试验的一个样本点,可用一个三元组 ( i , j , k ) (i,j,k) (i,j,k)表示,其中 i i i j j j k k k为0或1。样本空间 S S S就是集合 { 0 , 1 } \{0,1\} {0,1}中取3个元素所有可重排列构成的集合。下列代码生成样本空间:

from sympy.utilities.iterables\import variations as permutations		#导入variations
S=set(permutations([0,1],3,True))      		#设置样本空间
S

第1~2行导入variations,取别名为permutations(断行处用‘\’结尾),用于计算集合的排列。第3行调用permutations构造在集合{0, 1}中取3个元素的所有可重排列构成的集合S。第4行输出S。运行程序,输出

{(0, 0, 0),(0, 0, 1),(0, 1, 0),(0, 1, 1),(1, 0, 0),(1, 0, 1),(1, 1, 0),(1, 1, 1)}

例2 房间里有10个人,各自编号1~10,任选3人记录其编号。该试验的一个样本点也可表为一个三元组 ( i , j , k ) (i, j, k) (i,j,k),其中 1 ≤ i ≠ j ≠ k ≤ 10 1\leq i\not=j\not=k\leq10 1i=j=k10。因此,试验的样本空间S由集合 { 1 , 2 , ⋯ , 10 } \{1, 2,\cdots,10\} {1,2,,10}中取3个元素的所有组合构成的集合。下列代码生成样本空间:

from sympy.utilities.iterables\import subsets as combinations					#导入subsets
S=set(combinations(range(1,11), 3))                 #构造样本空间S
S

注意第3行调用subsets(别名为combinations)时,传递的第1个参数为range(1, 11)。range(a, b)函数返回一个有限可列集 { a , a + 1 , ⋯ , b − 1 } \{a, a+1,\cdots,b-1\} {a,a+1,,b1}。因此,range(1, 11)返回的是集合 { 1 , 2 , ⋯ , 10 } \{1, 2,\cdots,10\} {1,2,,10}。运行程序输出:

{(1, 2, 3),(1, 2, 4),... ... ...(7, 9, 10),(8, 9, 10)}

一共含有120个元素。数据列表太长,用省略号代之。
写博不易,敬请支持:
如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!
代码诚可贵,原理价更高。若为AI学,读正版书好
返回《导引》

这篇关于概率统计Python计算:排列组合——构造样本空间的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1097634

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

hdu1496(用hash思想统计数目)

作为一个刚学hash的孩子,感觉这道题目很不错,灵活的运用的数组的下标。 解题步骤:如果用常规方法解,那么时间复杂度为O(n^4),肯定会超时,然后参考了网上的解题方法,将等式分成两个部分,a*x1^2+b*x2^2和c*x3^2+d*x4^2, 各自作为数组的下标,如果两部分相加为0,则满足等式; 代码如下: #include<iostream>#include<algorithm

hdu4865(概率DP)

题意:已知前一天和今天的天气概率,某天的天气概率和叶子的潮湿程度的概率,n天叶子的湿度,求n天最有可能的天气情况。 思路:概率DP,dp[i][j]表示第i天天气为j的概率,状态转移如下:dp[i][j] = max(dp[i][j, dp[i-1][k]*table2[k][j]*table1[j][col] )  代码如下: #include <stdio.h>#include

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

poj 1113 凸包+简单几何计算

题意: 给N个平面上的点,现在要在离点外L米处建城墙,使得城墙把所有点都包含进去且城墙的长度最短。 解析: 韬哥出的某次训练赛上A出的第一道计算几何,算是大水题吧。 用convexhull算法把凸包求出来,然后加加减减就A了。 计算见下图: 好久没玩画图了啊好开心。 代码: #include <iostream>#include <cstdio>#inclu

uva 1342 欧拉定理(计算几何模板)

题意: 给几个点,把这几个点用直线连起来,求这些直线把平面分成了几个。 解析: 欧拉定理: 顶点数 + 面数 - 边数= 2。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#inc

uva 11178 计算集合模板题

题意: 求三角形行三个角三等分点射线交出的内三角形坐标。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <stack>#include <vector>#include <

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

XTU 1237 计算几何

题面: Magic Triangle Problem Description: Huangriq is a respectful acmer in ACM team of XTU because he brought the best place in regional contest in history of XTU. Huangriq works in a big compa