初等模型——公平的奖学金名额分配

2024-02-02 22:50

本文主要是介绍初等模型——公平的奖学金名额分配,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!

目录

一、问题

 二、公平分配方法

①我们先按照比例来分:

②公平分配方法:

三、计算和结果


先说一下,本篇是学校上课内容个人的整理笔记。

一、问题

三个系学生共200名(甲系100,乙系60,丙系40),20个奖学金名额,按比例分配,三个系分别为10,6,4名。现因学生转系,三系人数为103,63,34,问20个名额该如何分配?

我们按比例分配:

系别学生人数比例(%)                20个的分配
比例结果

103

63

34

51.5

31.5

17.0

10.3 

6.3

3.4

10

6

4

总和200100.020.020

看着蛮合理的,那么问题来了,如果增加名额至21个,该怎么分配呢?

 二、公平分配方法

①我们先按照比例来分:

系别学生人数比例(%)                21个的分配
比例结果

103

63

34

51.5

31.5

17.0

10.815

6.615

3.570

11

7

3

总和200100.021.00021

按照比例算,四舍五入,似乎这样是合理的,但是你想,当有20个名额的时候,丙系分到了4个名额,有21个名额时,丙系却只分到了3个名额,不合理!丙系的同学们应该很气恼吧。有没有更公平的分配方式呢?

②公平分配方法:

人数名额
A方p1n1
B方p2n2

当p1/n1=p2/n2时,分配公平。

当p1/n1>p2/n2时,对A不公平。

当p1/n1<p2/n2时,对B不公平。

为什么呢?想一下,人数多,名额少是怎么一回事?懂了吧。

那么此时p1/n1-p2/n2即为对A的绝对不公平度


这里看两个绝对不公平度的例子:

p1=150,n1=10,p1/n1=15
p2=100,n2=10,p1/n2=10
p1/n1-p2/n2=5

p1=1050,n1=10,p1/n1=105
p2=1000,n2=10,p1/n2=100
p1/n1-p2/n2=5

两个绝对不公平度的数值是一样的。但是举个例子你细品一下。 

苹果4元一斤,现在6元一斤,涨价太快了,榴莲30元一斤现在32元了,感觉还好。

也就是说当人数非常大的时候不公平的程度会大大的减少,没有那么坑了。


将绝对度量改为相对度量

若p1/n1>p2/n2,定义:

(p1/n1-p2/n2)/p2/n2=rA(n1,n2)即为相对A的不公平度。

比上p2/n2与GDP增长率的算法是相类似的,方便记忆。

对B的与A类似。

为了公平,这个相对度量越小越好。


接下来讨论一下几种情况:

假设初始p1/n1>p2/n2

1)若p1/(n1+1)>p2/n2,则名额应该给A【回忆一下刚刚的想法】

2)若p1/(n1+1)<p2/n2,应计算rB(n1+1,n2)

3)若p1/n1>p2/(n2+1),应计算rA(n1,n2+1)

不存在p1/n1<p2/(n2+1)。

就第二个和第三个讨论一下,

若rB(n1+1,n2)<rA(n1,n2+1),则名额应给A。

若rB(n1+1,n2)>rA(n1,n2+1),则这个名额应给B。

【给A还是B怎么确定?代入一下上面计算r的式子,得到一个新的式子,又因为想让这个数尽可能的小于是就给到了相应的组别那里。这里就不写步骤了】

得到的表达式:

 

发现这个形式符合:

 i=1,2,3……

且给Q值较大的一方。


三、计算和结果

我们按照新的方法去分配这个人数。

当然不必每一个名额都这样计算,我们只去计算最令我们头疼的两个名额,第20个和第21个。

前面按照比例计算:甲10个,乙6个,丙3个。

第20个:

 应当给甲。

第21个:

只有Q1变化了【名额增加了】,计算后应该给丙。

于是得到最终的分配人数是:

甲11个,乙6个,丙4个。

这篇关于初等模型——公平的奖学金名额分配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/672221

相关文章

Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)

《Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)》:本文主要介绍Python基于火山引擎豆包大模型搭建QQ机器人详细的相关资料,包括开通模型、配置APIKEY鉴权和SD... 目录豆包大模型概述开通模型付费安装 SDK 环境配置 API KEY 鉴权Ark 模型接口Prompt

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者