uva 11181 Probability|Given 条件概率

点击打开链接

//求在r个人买东西的情况下 第i个人买东西的概率
//p(Ei|E)=p(EiE)/p(E) 

//枚举r个人买东西的情况 利用全概率 算出P(E) 

//n=4 r=2例如P(E2E)=P(1100)+P(0110)+P(0101) 
//P(EiE) 画个维恩图就知道了->P(EiE)为状态不同E中a[i]=1的累加和 
//即全概率中对E进行划分-> P(EiE)=累加和P(EiEk) k为E的某个划分 

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <queue> 
#include <stack>
using namespace std;
typedef long long ll;
const int N=1e2+20;
int n,r;
double pro[N];//i'th person's buying probability 
double ans[N];//在r个人买东西的条件下 第i个人买东西的概率
int a[N];//a[i] 第i个人是否买东西
double pe; //r个人买东西概率 
void cal()
{
	double res=1;
	for(int i=1;i<=n;i++)
	{
		if(a[i])
		{
			res*=pro[i];
		}
		else
		res*=(1-pro[i]); 
	}
	for(int i=1;i<=n;i++)
	{
		if(a[i])
		ans[i]+=res;
		//n=4 r=2例如P(E2E)=P(1100)+P(0110)+P(0101) 
		//P(EiE) 画个维恩图就知道了->P(EiE)为状态不同E中a[i]=1的累加和 
		//即全概率中对E进行划分-> P(EiE)=累加和P(EiEk) k为E的某个划分 
	}
	pe+=res;
}
void dfs(int cur,int num)//枚举r的状态 
{
	if(num==r)
	{
		cal();
		return;
	}
	if(cur>n)
	return;
	
	a[cur]=1;
	dfs(cur+1,num+1);
	a[cur]=0;
	dfs(cur+1,num);	
}
int main()
{
	
	int cas=0;
	while(cin>>n>>r&&(n+r))
	{
		pe=0; 
		memset(ans,0,sizeof(ans));
		memset(a,0,sizeof(a));
		//求在r个人买东西的情况下 第i个人买东西的概率
		//p(Ei|E)=p(EiE)/p(E) 
		for(int i=1;i<=n;i++)
		cin>>pro[i];
		
		dfs(1,0);//枚举r个人买东西的情况 利用全概率 算出P(E) 
		printf("Case %d:\n",++cas);
		for(int i=1;i<=n;i++)
		printf("%lf\n",ans[i]/pe);
	}
	return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
顺序概率比测试(Sequential Probability Ratio Test,SPRT)是一种用于统计假设检验的方法。这种方法可以帮助我们在一个序列中逐步获取更多的数据,并根据这些数据来判断统计假设。 SPRT的基本思想是,在统计推断中,我们需要根据样本数据来判断某个假设的可行性。然而,如果我们仅仅依赖一次采样数据来进行判断,可能会存在较大的误差。因此,SPRT的核心在于逐步地获取更多的数据,并使用概率比的方法来进行判断。 在进行SPRT时,我们需要设定两个极限。一个是接受(accept)假设的下限,另一个是拒绝(reject)假设的上限。然后,我们开始进行实验并收集数据。在每一步实验中,我们计算当前数据下的概率比,并与两个极限进行比较。如果概率比超过拒绝上限,我们就可以拒绝假设;如果概率比低于接受下限,我们就可以接受假设。如果概率比在两个极限之间,我们继续进行下一步实验。 SPRT的优势在于它可以灵活地根据数据来调整判断过程,减少了对大量数据的需求,从而提高了判断的效率。然而,它也有一些限制。首先,需要事先设定接受和拒绝的极限,这可能会对判断结果产生影响。另外,SPRT要求数据之间是独立同分布的,这在实际应用中可能会有一定的限制。 总之,顺序概率比测试是一种用于统计假设检验的方法,通过逐步获取更多的数据并使用概率比进行判断,可以提高检验的效率。在实际应用中,我们需要根据具体情况来设定极限并注意数据的独立同分布性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值