Question

我正在查看this problem（复制如下），并希望获得一些功能上的模拟帮助（特别是在R中）。

在白雪皑皑的下午，你喜欢用标准的随机洗牌的52张纸牌玩“单人游戏”游戏。你开始将卡面朝上，一次一张，成堆。当你处理每张卡片时，你也会大声说出13张卡片面对标准牌组：ace，2,3等等（当你到达国王时，你会从ace开始。）你一直这样做直到你交易的卡的等级与你大声说出的等级相匹配，在这种情况下你输了。如果你在没有任何比赛的情况下到达牌组的末尾，你就赢了。

你获胜的几率是多少？

通过for循环执行此操作似乎很简单 - 在每个循环中，通过rep(seq(13),4)构建卡组，置换它，然后检查置换和未置换卡组之间的任何条目是否相等。我对这个功能方法特别感兴趣。为此，我考虑构建x <- rep(seq(13),4)一次，在 n 矩阵中创建52，其中每列为sample(x)，然后找到一些方法来检查每列是否为sample(x) ~ x，其中〜我的意思是“至少有一个共享元素，意味着索引和值相等”。这将有希望返回true / false，具体取决于它是真还是假。

因此，对于~，如果我将其称为compare(x,y)，我希望compare(c(1,2,3),c(3,1,2))为假，compare(c(1,2,3,4,5),c(8,9,10,11,5))为真。

所以，我的问题是：

实施比较的好方法（功能）是什么？
有没有更好的方法可以在功能上解决这个问题？

Answer 1

惯用R代码是功能，因为它涉及无副作用的函数（通常是匿名的），矢量化代码以及apply系列中大量使用函数（这是map的R版本，是函数式编程中的统一主题之一。你可以做这样的模拟：

x = rep(1:13,4)
deranged <- function(x,y){all(x!=y)}
samples <- replicate(10000,sample(x,52))
wins <- apply(samples,2,function(y){deranged(x,y)})
p <- sum(wins)/10000

在我上次投放时，p评估为0.017

使用甲板改组模拟在R中进行功能性思考

1 个答案: