一、三门问题
三门问题(Monty Hall problem)亦称为蒙提霍尔问题、蒙特霍问题或蒙提霍尔悖论,大致出自美国的电视游戏节目Let's Make a Deal。问题名字来自该节目的主持人蒙提·霍尔(Monty Hall)。参赛者会看见三扇关闭了的门,其中一扇的后面有一辆汽车,选中后面有车的那扇门可赢得该汽车,另外两扇门后面则各藏有一只山羊。当参赛者选定了一扇门,但未去开启它的时候,节目主持人开启剩下两扇门的其中一扇,露出其中一只山羊。主持人其后会问参赛者要不要换另一扇仍然关上的门。问题是:换另一扇门是否会增加参赛者赢得汽车的机率。如果严格按照上述的条件,那么答案是会。不换门的话,赢得汽车的几率是1/3。换门的话,赢得汽车的几率是2/3。
虽然该问题的答案在逻辑上并不自相矛盾,但十分违反直觉。这问题曾引起一阵热烈的讨论。
这里要注意审题,重要条件是“当参赛者选定了一扇门,但未去开启它的时候,节目主持人开启剩下两扇门的其中一扇,露出其中一只山羊”,在程序代码中一定要把这个模拟出来。当时我就没有用上这个条件,导致求出变和不变都是三分之一的概率得奖。
import random as r
wins_unchange,wins_change,loses = 0,0,0
sims = 10_000_000
for i in range(sims):
doors = ['A', 'B', 'B']
initial_choice = r.choice(doors)#最开始选择一扇门
doors.remove(initial_choice)
doors.remove('B')#主持人展示一扇有山羊的门
alter_choice = r.choice(doors)#选择换门
if initial_choice == 'A':
wins_unchange += 1
elif alter_choice == 'A':
wins_change += 1
print("The prob of unchange is {:.1%}".format(wins_unchange/sims))
print("The prob of change is {:.1%}".format(wins_change/sims))
二、模拟排队问题
某银⾏⼯作时间只有⼀个服务窗⼝,⼯作⼈员只能逐个的接待顾客。当来的顾客较多时,⼀部分顾客就需要排队等待。
假设:1)
顾客到来的间隔时间服从参数为
0.1
的指数分布
;2)
每个顾客的服务时间服从均值为
10
,⽅差为
4
的正态分布
(
单位为分钟,若服务时间⼩于
1
分钟,则按
1
分钟计算
; 3)
排队按先到先服务的规则,且不限制队伍的⻓度,每天⼯作时⻓为
8
⼩时。
试回答下⾯的问题:
1) 模拟⼀个⼯作⽇,在这个⼯作⽇共接待了多少客户,客户平均等待的时间为多少
?
2) 模拟
100
个⼯作⽇,计算出平均每⽇接待客户的个数以及每⽇客户的平均等待时⻓。
这道题其实就是数据结构算法中的队列结构。当时上数据结构算法时也有一道类似的题,是打印机的,一会儿我也会把那道题放出来。
import numpy as np
class bank:
def __init__(self,gap_time,work_time):
self.gap_time = gap_time#接受产生的间隔时间列表
self.work_time = work_time#接收产生的对每个顾客的工作时间
self.ctdwn = 0
self.tasks = []#加入工作任务
self.to_next_task = self.gap_time.pop(0)#下一个任务多少分钟后加入
self.wait_times = []#用于统计每个人的等待时间
self.add_mark = []#暂时保存每个任务加入时的时刻
def add_task(self,current_time):
'''
方法功能:
在产生新任务的间隔结束时,加入新任务到新任务列表;
同时记录加入新任务的时间戳
'''
if self.to_next_task == 0:
self.to_next_task = self.gap_time.pop(0)
self.tasks.append(self.work_time.pop(0))
self.add_mark.append(current_time)
elif self.to_next_task > 0:
self.to_next_task -= 1
def execute_task(self,current_time):
'''
方法功能:
倒计时为零时执行新任务,把新任务从新任务列表中去掉;
同时统计等待时间
'''
if self.ctdwn > 0:
self.ctdwn -= 1
elif self.ctdwn == 0 and len(self.tasks) > 0:
self.ctdwn = self.tasks.pop(0)
self.ctdwn -= 1
wait_time = current_time - self.add_mark.pop(0)
self.wait_times.append(wait_time)
def main():
sim = 100_000
sp,awt = [],[]
for s in range(sim):
tau = 10
ppl = np.random.exponential(tau, size=199)
# 产生199个满足指数分布的随机数,作为等待间隔时间
ppl = np.ceil(ppl).tolist()
# 指数分布的概率密度函数
# lam = 1 / tau
# x = np.arange(0,80,0.1)
# y = lam * np.exp(- lam * x)
service_time = np.random.normal(10, 4, 200)
service_time = np.ceil(service_time).tolist()
# 200名顾客的服务时间服从均值为10,⽅差为4的正态分布
# print(np.mean(result), " ", np.var(result))
bk = bank(ppl,service_time)
for t in range(480):
bk.add_task(t)
bk.execute_task(t)
sp.append(len(bk.wait_times))
awt.append(sum(bk.wait_times)/len(bk.wait_times))
print('Simulaton Times: ',sim)
print("Service People: ",sum(sp)/sim)
print("Average Waiting Time(minutes): ",sum(awt)/sim)
main()
#之所以用c风格是因为好调试
模拟打印问题,也是类似的排队问题。打印机的打印速度有限,每个人都有不同的打印需求。模拟在一定时间内打印机工作,每个人的平均等待时间。
import random
from pythonds import *
class Printer:
def __init__(self,ppm):
self.pagerate = ppm
self.currentTask = None
self.timeRemaining = 0
def tick(self):
if self.currentTask != None:
self.timeRemaining -= 1
if self.timeRemaining <= 0:
self.currentTask = None
def busy(self):
return (self.currentTask != None)
def startNext(self,newtask):
self.currentTask = newtask
self.timeRemaining = newtask.getPages() * 60 /self.pagerate
class Task:
def __init__(self,time):
self.timestamp = time
self.pages = random.randrange(1,21)
def getStamp(self):
return self.timestamp
def getPages(self):
return self.pages
def waitTime(self,currenttime):
return currenttime - self.timestamp
def simulation(numSeconds,pagePerMinute):
labprinter = Printer(pagePerMinute)
printQueue = Queue()
waitingtimes = []
for currentSecond in range(numSeconds):
if newPrintTask():
task = Task(currentSecond)
printQueue.enqueue(task)
if (not labprinter.busy()) and (not printQueue.isEmpty()):
nexttask = printQueue.dequeue()
waitingtimes.append(nexttask.waitTime(currentSecond))
labprinter.startNext(nexttask)
labprinter.tick()
averageWait = sum(waitingtimes)/len(waitingtimes)
print("Average Wait {:.2f} seconds,{} tasks remaing.".format(averageWait,printQueue.size()))
def newPrintTask():
num = random.randrange(1,181)
return (num == 180)
def main():
for i in range(100):
simulation(3_600,5)
if __name__ == main():main()