Question

以下代码生成具有给定成功概率的随机数：

         n=[randi([0 1],1,8) ones(1,8)];
         n= n(randperm(10));

如果重复上述行，则会生成随机（不可抑制的）值：

这是第一次运行的n：

 n =     1     0     1     0     0     1     1     1     1     1

这是第二次运行的n：

 n =     1     1     1     0     1     1     1     1     1     1

如何让发电机以更高的概率选择已经选择为故障（0）的数量？

这就是第二轮中2,3和4人有更多失去概率的概率。这并不意味着他们必须失败。

条目1到10是10个不同的用户输出。

好吧，让我们说总是最多30％的条目将是0.每次执行上述操作。然而，这是随机完成的。因此，10个中任何3个中的最大值都可以为零。

我不希望改变成功的概率。只需控制哪一个为零。

进一步澄清我想要的：如果3将被“随机”选为零，那么让之前选择的三个被选中的概率更高，而不是被选中。

Answer 1

以下是具有以下逻辑的解决方案：

最多生成3次失败，随机分配
确定第2步中有多少次失败
让以前的失败更有可能再次失败

请注意，我认为同样可能有0,1,2或3次失败。

nRuns = 5;
allRuns = zeros(nRuns,10); %# stores success and failure for all runs

%# (1) generate from 0 to 3 failures (each outcome is equally likely)
nFailures = randi([0 3],1);
tmp = randperm(10);

firstRun = tmp > nFailures
allRuns(1,:) = firstRun;

%# (2) decide how many failures occur in the 2nd run (each outcome is equally likely)
for iRun = 2:nRuns
%# as the loop has been added later
%# I use "2" to indicate any next run
nFailures2 = randi([0 3],1);

%# (3) give previous failures a higher chance to fail again
failIdx = find(~allRuns(iRun-1,:));
successIdx = find(allRuns(iRun-1,:));
%# 5x higher chance of failing for previous failures
failCandidates = [repmat(failIdx,1,5),successIdx];

failCandidatesRand = failCandidates(randperm(length(failCandidates)));

%# if you have R2012a or later
failCandidatesRand = unique(failCandidatesRand ,'stable');
toFail = failCandidatesRand (1:nFailures2);

%# alternatively, if you have R2011b or earlier
toFail = zeros(nFailures2,1);
toFail(1) = failCandidatesRand(1);
ii = 2;
kk = 2;
while ii < (nFailures2+1)
if ~any(toFail==failCandidatesRand(kk));
toFail(ii) = failCandidatesRand(kk);
ii = ii + 1;
end
kk = kk + 1;
end

%# write failures
nextRun= true(1,10);
nextRun(toFail) = false

allRuns(iRun,:) = nextRun;
end

Answer 2

也许你想要这样的东西：

n1 = rand(1, 8) > 0.5;
n2 = rand(1, 8) > (n1 * 0.5 + ~n1 * 0.6);

这将生成具有相同概率的第一组0和1。对于n2，如果n1中的对应值为1，那么有50％的概率为0或1.如果n1中的对应值为0，那么有60％的概率为0.

感谢您澄清问题。让我们再试一次！我认为您可以使用randsample。它有点乱，因为似乎没有替代加权采样的选项。

N = ones(1, 10);
for round=1:10
  failures = randi([1, 3]);
  indices = [];
  while (numel(unique(indices)) < failures)
    indices = randsample(10, failures, true, [N + ~N*1.1]);
  end
  N = ones(1, 10);
  N(indices) = 0;
  disp(N);
end

使用matlab使用概率随机生成器

2 个答案: