python中条件概率问题的仿真

Question

我试图模拟一个简单的条件概率问题。你有两个盒子。如果你打开A，你有50%的中奖几率，如果你打开B，你有75%的中奖几率。有了一些简单(坏(的蟒蛇，我累了但是附加不起作用。有没有想过更整洁的方法？

import random
import numpy as np
def liveORdie(prob):
#Takes an argument of the probability of survival
live = 0
for i in range(100):
if random.random() <= prob*1.0:
live =1
return live
def simulate(n):
trials = np.array([0])
for i in range(n):
if random.random() <= 0.5:
np.append(trials,liveORdie(0.5))
print(trials)
else:
np.append(trials,liveORdie(0.75))
return(sum(trials)/n)

simulate(10)

Answer 1

您可以通过使用列表理解和numpy的数组操作使代码更加紧凑，比如：

import random
import numpy as np
def LiveOrDie():
prob = 0.5 if random.random()<=0.5 else 0.75
return np.sum(np.random.random(100)<=prob)
def simulate(n):
trials = [LiveOrDie() for x in range(n)]
return(sum(trials)/n)
Simulate(10)

Answer 2

append是一个list操作；您将它强制到numpy数组上，这不是一回事。坚持使用常规列表，因为您没有使用任何特定于数组的扩展。

def simulate(n):
trials = []
for i in range(n):
if random.random() <= 0.5:
trials.append(liveORdie(0.5))

现在看看你的liveORdie程序。我不认为这是你想要的：你循环100次，得到一个整数。。。如果您的任何一个试验成功，则返回1。由于您还没有提供算法的文档，我不确定您想要什么，但我怀疑这是一个100次试验的列表，而不是所有100次的总和。你也需要在这里append。

更好的是，运行列表理解的教程，并使用这些教程。

Answer 3

liveORdie()中的循环(命名惯例请考虑PEP8(会导致获胜概率增加：循环的每一次通过都有prop获胜的机会，你给它100次尝试，因此有50%的响应。75%你极有可能获胜。

除非我真的误解了这个问题，否则你可能只想要

def live_or_die(prob):
return random.random() < prob

Answer 4

我很确定这只是减少到：

from numpy import mean
from numpy.random import choice
from scipy.stats import bernoulli
def simulate(n):
probs = choice([0.5, 0.75], n)
return 1-mean(bernoulli.rvs((1-probs)**100))

正如其他人所指出的，其基本上将总是返回1-CCD_。