資訊專欄INFORMATION COLUMN
摘要：歡迎訪問我的個人博客前言今天我們來做一個有趣的測試，那就是我們在某個范圍之間取隨機數(shù)時，每項被隨機到的概率是否相等。
歡迎訪問我的個人博客：http://www.xiaolongwu.cn
前言今天我們來做一個有趣的測試，那就是我們在某個范圍之間取隨機數(shù)時，每項被隨機到的概率是否相等。
隨機方法我們都知道Math.random()的結(jié)果是[0, 1)之間的小數(shù)，結(jié)果包括0但是不包括1。
那么很簡單就會想到Math.random() * n的結(jié)果是[0, n)之間的小數(shù)，結(jié)果包括0但是不包括n。
那么parseInt(Math.random() n)的結(jié)果就是[0, n)之間的正整數(shù)， parseInt(Math.random() n + 1)的結(jié)果就是[1, n+1)之間的正整數(shù)。
那么parseInt(Math.random() * (m - n) + n)的結(jié)果就是[n, m)之間的正整數(shù)。
開始證明我們首先寫一個方法，隨機7500個在a和b之間的數(shù)。
function randomArr(a, b) {
var obj = {}
for (let i = 0; i < 7500; i++) {
const n = parseInt(Math.random() * (b - a) + a);
if (!obj[n]) {
obj[n] = 1;
} else {
obj[n] ++;
}
}
console.log(obj)
}
randomArr(5, 10)
randomArr(5, 15)
randomArr(5, 20)
結(jié)果如下：
由此，我們大致能得出結(jié)論，隨機數(shù)的每項概率基本是相等的；
github資源地址：js基礎(chǔ)--測試隨機數(shù)的概率是否相等
我的CSDN博客地址：https://blog.csdn.net/wxl1555
如果您對我的博客內(nèi)容有疑惑或質(zhì)疑的地方，請在下方評論區(qū)留言，或郵件給我，共同學(xué)習(xí)進步。
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/100899.html
摘要：正確的思路是等概率隨機只取出共個數(shù)，每個數(shù)出現(xiàn)的概率也是相等的隨機輸出把一段代碼改成，并增加單元測試。代碼本身很簡單，即使沒學(xué)過也能看懂，改后的代碼如下但是對于單元測試則僅限于聽過的地步，需要用到，好像也有別的模塊。 在拉勾上投了十幾個公司，大部分都被標記為不合適，有兩個給了面試機會，其中一個自己覺得肯定不會去的，也就沒有去面試，另一個經(jīng)歷了一輪電話面加一輪現(xiàn)場筆試和面試，在此記錄一下...
摘要：生成隨機數(shù)的方案網(wǎng)上有很多，但是在驗證概率的時候卻發(fā)現(xiàn)不相同先把這種類型的隨機正整數(shù)生成方式貼出來。 生成隨機數(shù)的方案網(wǎng)上有很多，但是在驗證概率的時候卻發(fā)現(xiàn)不相同先把這4種類型的隨機正整數(shù)生成方式貼出來。 ①、// 生成 [n,m)，包含n但不包含m的正整數(shù)： --?? parseInt(Math.random()*(m-n)+n) ②、// 生成(n,m]，不包含n但包含m的正整數(shù)：...
摘要：另外，這幾篇幾個不錯的隨機生成隨機數(shù)采用對獲取的浮點數(shù)進行取整操作，也是同樣的問題，能取到左端點，卻無法取到右端點。 最近在琢磨內(nèi)置對象Math的時候，參考了很多網(wǎng)上資料，不過我在Google中搜索js 隨機整數(shù),出來很多博客文章，很遺憾，在我看來排名靠前的這些文章都是錯誤的。接下來我將會論證我這一觀點，同時把我所理解的Math.random()方法跟你分享。showImg(https...
摘要：在學(xué)習(xí)過程中，神經(jīng)網(wǎng)絡(luò)的突觸權(quán)重會以一種有序的方式進行修改，從而實現(xiàn)所需的目標。中間單元的數(shù)量被稱為網(wǎng)絡(luò)所用的片的數(shù)量。 隨著神經(jīng)網(wǎng)絡(luò)的進化，許多過去曾被認為不可想象的任務(wù)現(xiàn)在也能夠被完成了。圖像識別、語音識別、尋找數(shù)據(jù)集中的深度關(guān)系等任務(wù)現(xiàn)在已經(jīng)變得遠遠更加簡單了。在此向這一領(lǐng)域的杰出的研究者致以真誠的謝意，正是他們的發(fā)現(xiàn)和成果幫助我們利用上了神經(jīng)網(wǎng)絡(luò)的真正力量。如果你真正對追求機器學(xué)習(xí)這...
閱讀 1279·2021-09-02 13:36
閱讀 2731·2019-08-30 15:44
閱讀 2987·2019-08-29 15:04
閱讀 3205·2019-08-26 13:40
閱讀 3653·2019-08-26 13:37
閱讀 1184·2019-08-26 12:22
閱讀 1030·2019-08-26 11:36
閱讀 1227·2019-08-26 10:41
