Question

我是Python新手，没有QBasic经验。我在Python中运行一个模拟，它提出了理论上错误的值。然后我在QBasic中运行它并提出了理论预测值。

以下是测试用例。我只计算概率P（0.9 <％Y <= 1.8），因此计数必须落在这些值内。 1-random.random（）仅适用于那种情况，当我尝试在所有情况下使用它时，它们仍然提出了错误的值。这是理论结果，你可以看到它的不同之处：

Y〜U（0,1）   = 0.575

Y〜EXP（2）   = 0.3371

X1〜U（0,1）   X2〜U（0,2）   = 0.4475

P（Y = 0.25）= 0.8   P（Y = 1.5）= 0.2   = 0.32

在Python中，模拟代码是：

def test():
  x1,x2,c = 0.0,0.0,0.0
  for i in range(10000):
    if random.random()< 0.8:
      x1 += 0.25
    else:
      x2 += 1.5
    y = x1 + x2
    if y>0.9 and y<=1.8:
      c = c + 1
  return x1,x2,c

print "test: ",test()

def sim(a,b):
  #pyab1 = sum([a for a in a if a>0.9 and a<=1.8])/10000
  #pyab2 = sum([b for b in b if b>0.9 and b<=1.8])/10000
  #print "*****",float(pyab1+pyab2)
  #print a+b
  #array1 = [[a],[b]]
  array1 = a+b
  #array1.extend(a)
  #array1.extend(b)
  #c = 0
  #for y in array1:
    #if y>0.9 and y<=1.8:
      #c = c + 1
  pyab = sum([y for y in array1 if y>0.9 and y<=1.8])/10000
  print("P(a < x <= b) : {0:8.4f}".format(pyab))

这是Python输出，后跟它应该给出的值，但这显示了结果的距离。

case 1: P(a < x <= b) : 0.7169 #should be 0.575 
case 2: P(a < x <= b) : 0.4282 #should be 0.3371 
case 3: P(a < x <= b) : 0.5966 #should be 0.4475 
case 4: P(a < x <= b) : 0.5595 #should be 0.32

在QBasic中，模拟代码是：

案例1：

RANDOMIZE
FOR i = 1 TO 10000
    X1 = RND(1)
    X2 = RND(1)
    Y = X1+X2
    IF (Y>0.9) AND (Y<=1.8) THEN C=C+1
NEXT i

PRINT C/10000

案例2：

RANDOMIZE
FOR i = 1 TO 10000
    X1 = (-0.5)*(LOG(1-RND(1)))
    X2 = (-0.5)*(LOG(1-RND(1)))
    Y = X1+X2
    IF (Y>0.9) AND (Y<=1.8) THEN C=C+1
NEXT i

PRINT C/10000

案例3：

RANDOMIZE
FOR i = 1 TO 10000
    X1 = RND(1)
    X2 = RND(1)*2
    Y = X1+X2
    IF (Y>0.9) AND (Y<=1.8) THEN C=C+1
NEXT i

PRINT C/10000

案例4：

RANDOMIZE
FOR i = 1 TO 10000
    X14 = RND(1)
    X24 = RND(1)
    IF (X14<0.8) THEN X41=0.25 ELSE X41=1.5
    IF (X24<0.8) THEN X42=0.25 ELSE X42=1.5
    Y = X1+X2
    IF (Y>0.9) AND (Y<=1.8) THEN C=C+1
NEXT i

PRINT C/10000

这是QBasic输出，它显示了这实际上是如何获得正确的结果。

case 1: P(a < x <= b) :  0.5715 
case 2: P(a < x <= b) :  0.3371 
case 3: P(a < x <= b) :  0.4413 
case 4: P(a < x <= b) :  0.3213

以上所有代码都适用于我，没有错误。我没有看到用于获取值的算法有任何差异。不确定Python是否会生成与QBasic不同的数字，如果这说明了这种行为背后的原因。

我对这两种语言都不熟悉，但QBasic似乎非常原始，而且看起来Python更有可能获得正确的答案而QBasic更有可能是错误的。但相反的情况正在发生。它似乎与代码中的任何差异无关。在翻译方面，他们似乎都在说同样的话。

我对他们给出两种不同结果的原因感兴趣。我更感兴趣的是为什么Python给出了错误的答案，QBasic正在给出正确的答案。

Answer 1

您的Python代码完全错误。我认为你想要它做的是：

取两个数组a和b，每个数组包含一些随机函数生成的10000个数字。（等效地，每个来自一些给定分布后的数据的10000个样本的数组。）
将值配对为10000对，每对从a获取元素，从b获取元素。
取每对的总和。
计算这些10000对数中有多少介于0.9和1.8
将上述计数除以10000，以获得从这些分布中提取的任何给定数据对总和在0.9和1.8之间的概率，并打印出该概率。

但是，你的sim（a，b）功能正在做完全不同的。基本上，你实际做的是：

连接两个10000个元素数组，形成一个20000个元素的元素数组。
获取此新20000元素数组中任何大于0.9的元素的总和。
将该总和除以10000并打印出来。

此算法与Q-Basic代码中的任何内容都没有任何相似之处。

如果我已正确理解你的问题，我认为你想要的sim功能是：

def sim(x_sample, y_sample):

    count = 0
    for i in range(10000):
        if 0.9 <= x_sample[i] + y_sample[i] <= 1.8:
            count += 1

    probability = count/10000.0

    print("P(a < x <= b) : {0:8.4f}".format(probability))

（几乎可以肯定有更优雅和Pythonic的方法来实现上述功能，但这种方式对于Python新手来说应该很容易理解。）

以下是我在解释器中针对您的案例1到3运行的测试结果，正如我从QBasic程序中了解到的那样。我没有包含测试4的版本，因为我不理解测试4的QBasic代码。前三个测试的结果是你所说的应该是。

>>> from random import random
>>> 
>>> sim([random() for i in range(10000)],
...     [random() for i in range(10000)])
P(a < x <= b) :   0.5746
>>>      
... from math import log
>>> 
>>> sim([-0.5*log(1-random()) for i in range(10000)],
...     [-0.5*log(1-random()) for i in range(10000)])
P(a < x <= b) :   0.3405
>>>     
... sim([random() for i in range(10000)],
...     [2*random() for i in range(10000)])
P(a < x <= b) :   0.4479

Python代码翻译问题或随机数生成中的语言差异

1 个答案: