标签: probability

实验涉及滚动一个公平的模具并获得x说,然后抛出一个公平的硬币x次并记录尾巴的数量.我需要做50次这个实验并将结果记录在矢量中(我将用它绘制直方图.)

到目前为止这是我的代码:

    for (i in 1:100)
    {X <- sample(6,1,replace=TRUE,c(1,1,1,1,1,1)/6)
    Y <- sample(2,1,replace=TRUE,c(1,1)/2)}
    Youtcomes <- c(sum(Y))
    Youtcomes

但是我没有给我一个包含100个元素的向量,而是只获得一个数字.我哪里错了？

注意:我必须使用for循环.

我已经实现了该功能：

 function coinFlip() {
      return(Math.floor(Math.random()*2) === 0) ? 'Heads' : 'Tails';
 }

而且一切正常（我已经测试过）。

我的问题是，如何使此函数使“正面”的概率为30％，而“尾部”的概率为70％？

提前致谢

我有以下数据集如下所示.500和900之间的任何值被归类为A,而在900和~1500之间的值在A和B之间混合.我想找到在任何x值处得到A,B和C的概率,其中x是我的自变量和A,B,C是我的因变量.它似乎非常适合多项Logistic回归.我相信每个因变量的观测数量就足够了.如果多项式日志回归是合适的,我希望使用Python的scikit学习逻辑回归模块来获得任何x值的A,B和C的概率,但我不知道如何使用该模块来解决这个问题.

我在java中实现了一个测试数据生成器,用于生成java原始类型的随机值.可能的参数值的范围不受限制.例如,如果我想生成随机整数或浮点数,我会考虑所有可能的值(MAX_INT-MIN_INT).为此,我使用的东西如下:

• 随机的().nextInt()
• 随机的().nextLong()
• 随机的().nextFloat()*Float.MAX_VALUE
• 随机的().nextDouble()*Double.MAX_VALUE
• 等等...

但是,这样做,我注意到生成的值总是很高(接近参数类型的最大值和最小值).例如,在100000次迭代之后,随机运算符未生成[-1000 - 1000]范围内的值.对于花车来说同样的事情,多头.等等,...

你能解释一下随机运算符在Java中的表现吗？当我们考虑Java类型的所有可能值时,为什么生成的值总是很高？

提前致谢.