Python-сообщество

Dimka665
и то и другое похоже на случайные числа. попробуй использовать стандартный модуль питона, чтобы получить последовательность 0 1 2 3 4 5 6 7 8 9. вероятность ее получить мала)))
но вероятность получить последовательность 1 3 7 0 5 4 6 8 9 2, точно такая же как и получить 0..9.

если распределение величин из равномерное, то обе эти последовательности имеют одну и ту же вероятность появления.

если распределение нормальное (ранее упомянутый “колокол”), то обе эти последовательности не похожи на случайные.

import random

indict = {0: 0, 1: 0, 2: 0, 3: 0, 4: 0, 5: 0, 6: 0, 7: 0, 8: 0, 9: 0}
table = [x for x in indict.keys()]

for i in xrange(1000000):
    next = random.choice(table)
    indict[next] += 1

print indict

Можешь поступить так. Теоретически твоя последовательность - бесконечная. Но если она удовлетворяет какому-либо распределению, то и любой ее кусок тоже (с большей ошибкой, конечно же). На практике то выражается в следующем: нарезаешь вход на сколько-то там выборок. Чисел по сто хотя бы (считают, что 30 - минимально необходимый размер, а ты перекрой его в несколько раз. Чем больше, тем лучше). Анализируй каждый кусок отдельно. Результаты должны быть похожими. Упорядоченная последовательность покажет совершенно разные параметры распределения для каждого своего куска.

Отредактировано (Дек. 26, 2008 11:30:13)

случайные распределения бывают разные.

import random

indict = {}

for i in xrange(10000):
    next = int(round((random.normalvariate(5, 2))))
    if next in indict:
        indict[next] += 1
    else:
        indict[next] = 1

Отредактировано (Дек. 26, 2008 12:20:36)

iceНачало правильное.
Твои приведенные списки (берется не кол-во, а его отношение к общему кол-ву испытаний-замеров) будут как раз задавать функцию распределения в табличном виде. Дальше - как функции обычно сравниваются… Рисунок - только один из вариантов представления функции, очень наглядный.

Только, чую, трудно все это объяснить будет. Я хоть и почти все забыл, но когда-то в институте мне высшую математику таки читали. А тут общение ведется на каком-то допещерном уровне.

Следует понять, что нет “случайного числа вообще”. А есть функции распределения случайных чисел, отличающиеся типом этого самого распределения и числовыми параметрами-настройками. В том же random модуле их больше десятка.
Стоит почитать что-нибудь на эту тему. Что именно - не знаю, ничего не присоветую. Мне учебников по ТВ хватает. После осознания принципов техническая реализация покажется легкой забавой, в которой действительно нет ничего сложного. Без хотя бы минимальной теории не получиться использовать даже готовые библиотеки. Никто не скажет - действительно случайное число! Будут возвращать какие-то численные оценки, которые потом нужно будет интерпретировать.

PS. О гауссовом распределении, оно же колокол. Представь, завод рельсы делает. Железнодорожные. Ты - в службе качества, длину рельс контролируешь и прочие размеры заодно. Все рельсы, конечно же, чуть-чуть разные. Отбирается контрольная партия. Каждая рельса перемеряется (если нужно - с микрометром). Строится график. Если все нормально - он выглядит как колокол с вершиной, соответствующей проектной длине и шириной, определяемой допуском. Если что-то на производстве пошло не так - форма будет другая.
Ничего сложного, как и всегда.

Не стал слишком глубоко вникать в написанное, так что опять же сильно не пинайте.

Ferroman
ZZZ
Спрашивали не как сделать генератор, а проверить полученные числа на случайность.
Коче говоря или свой проверяет или чужой

# -*- coding: utf-8 -*-

def random_index(l):
    return sum(map(lambda i: abs(l[i] - l[i+1]), xrange(len(l)-1)))/float(len(l) - 1)

# Ладно, не пугайтесь...  :-)

def random_index(l):
    s = 0
    for i in xrange(len(l) - 1):
        s += abs(l[i] - l[i+1])
    return s / float(len(l) - 1)

import random
random_list = range(0, 1000)
random.shuffle(random_list)

# Сам индекс
print random_index(random_list)

# И нужно сравнивать с этим
print random_index(sorted(random_list))

http://www.cyberguru.ru/programming/pascal/turbopascal-encyclopaedia2-page26.html

Андрей Светлов
Почитал. Въехал. Интересно. Спасибо.

Отредактировано (Дек. 27, 2008 01:37:10)

как вариант) http://www.research.att.com/~njas/sequences/index.html?language=russian

Андрей Светлов
Спасибо огромное :) Про колокол понял что к чему. Ну а то, что на допещерном уровне, так в медакадемии никогда по-другому и не преподавали.
Сейчас пытаюсь описать сравнение кусков последовательности.
shiza
тоже спасибо за ссылку, посмотрю :)
ZZZ
И тебе сасибо, код посмотрю.
Вот так с миру по нитки и пойму математику случайных величин :)

Единственное - ice будь внимателен - нормальное распределение здесь упоминалось только в качестве примера, однако типичная функция random (в том числе random.random из стандартной библиотеки python) генерит числа равномерного распределения. Твой генератор скорее всего (OMG - снова теория вероятности :) ) также генерит числа равномерного распределения.

ZAN
Единственное - ice будь внимателен - нормальное распределение здесь упоминалось только в качестве примера, однако типичная функция random (в том числе random.random из стандартной библиотеки python) генерит числа равномерного распределения. Твой генератор скорее всего (OMG - снова теория вероятности :) ) также генерит числа равномерного распределения.