编译语言:java;编译环境:《算法第四版》官网编译器 ,附上地址连接:http://algs4.cs.princeton.edu/windows/
1、首先做了一个模拟投单个骰子随机事件
import edu.princeton.cs.algs4.StdOut;
import edu.princeton.cs.algs4.StdRandom;
import edu.princeton.cs.algs4.Counter;
public class Rolls
{
public static void main(String[] args)
{
int T = Integer.parseInt(args[0]); //初始化赋值投掷次数,模拟次数越多越接近理论值
int SIDES = 6; //定义骰子的6个面
Counter[] rolls = new Counter[SIDES+1];
for(int i = 0;i <= SIDES;i++)
{
rolls[i] = new Counter("point:"+i);
}
for(int t = 0;t < T;t++)
{
int result = StdRandom.uniform(1,SIDES+1); //获取1~6中的随机数
rolls[result].increment();
}
for(int i = 1;i <= SIDES;i++)
StdOut.println(rolls[i]);
}
}
运行后的结果如下图所示:
从运行结果可以看出,当模拟次数到达10000次的时候,每个点数出现的频率虽有出入,但是大致接近;如果模拟次数够多就可以无限接近理论值。
2、接下来我们模拟投掷两个骰子,以及各可能点数出现的概率。
import edu.princeton.cs.algs4.StdOut;
import edu.princeton.cs.algs4.StdRandom;
public class TwoRolls
{
/*
*投掷两个骰子出现可能点数的理论概率
*/
public static void accurate()
{
int SIDES = 6;
double[] dist = new double[2*SIDES+1];
for(int i = 1;i <= SIDES;i++)
{
for(int j = 1;j <= SIDES;j++)
{
dist[i+j] += 1.0;
}
}
for(int k = 2;k <= 2*SIDES;k++)
{
dist[k] /= 36.0;
StdOut.println("Sum="+k+" probability:"+dist[k]);
}
}
/*
*模拟投掷两个骰子N次,出现可能点数的实际概率
*/
public static void simulation(int N){
int SIDES = 6;
double[] dist2 = new double[2*SIDES+1];
for(int i = 0;i < N;i++)
{
int a = StdRandom.uniform(1,7);
int b = StdRandom.uniform(1,7);
dist2[a+b] += 1;
}
for(int k = 2;k <= 2*SIDES;k++)
{
dist2[k] /= N;
StdOut.println("Sum="+k+" simulation:"+dist2[k]);
}
}
public static void main(String[] args)
{
accurate();
StdOut.println("****************************************************");
simulation(1000000);
}
}
经过多次的实验发现,当模拟投掷次数大于10^6时,实验数据概率和准确数据概率吻合程度达到小数点后三位。