python 大数字算法,用python计算非常大的数

对于大的n，您可以用二项式的法向近似来计算这个比率。当n较大时，k必须相对接近n/2，这样{}才不可忽略。在

代码

下面是一些可以计算的代码：def n_choose_k_over_2_pow_n(n, k):

# compute the mean and standard deviation of the normal

# approximation

mu = n / 2.

sigma = np.sqrt(n) * 1/4.

# now transform to a standard normal variable

z = (k - mu) / sigma

return 1/np.sqrt(2*np.pi) * np.exp(-1/2. * z**2)

因此：

^{pr2}$

正如你所看到的，计算是下溢的。一个解决方案是计算答案的log，我们可以使用以下代码：def log_n_choose_k_over_2_pow_n(n, k):

# compute the mean and standard deviation of the normal

# approximation

mu = n / 2.

sigma = np.sqrt(n) * 1/4.

# now transform to a standard normal variable

z = (k - mu) / sigma

# return the log of the answer

return -1./2 * (np.log(2 * np.pi) + z**2)

另一个快速检查：>>> log_n_choose_k_over_2_pow_n(3e28, 2e28)

-6.6666666666666638e+27

>>> log_n_choose_k_over_2_pow_n(3e28, 1.5e28)

-0.91893853320467267

如果我们对这些进行求幂，我们就会得到之前的答案。在

解释

我们可以通过呼吁统计结果来做到这一点。二项分布由下式给出：P(K = k) = (n choose k) p^k * p^(n-k)

对于大的n，这是很好的近似正态分布的平均值{}和方差{}。在

将p设置为1/2。然后我们有：P(K = k) = (n choose k) (1/2)^k * (1/2)^(n-k)

= (n choose k) (1/2)^n

= (n choose k) / (2^n)

这正是你的比率的形式。因此，在用平均值n/2和方差n/4转换为标准正态变量后，我们可以通过对标准正态分布pdf的简单评估来计算您的比率。在