zoukankan      html  css  js  c++  java
  • R语言-妹子被追后的选择分析

    前提假设

    • 妹子们一生中可以遇到100个追求者,追求者的优秀程度符合正态分布;
    • 每个妹子都具备判断并比较追求者优秀程度的能力;
    • 接受或拒绝一个追求者后永远无法后悔。

    那么,问题来了

    当遇到追求者时,如何选择才能获得最优结果?

    如果人的优秀程度符合均值为80,方差20的正态分布,随机产生100个追求者,其优秀程度分布情况见下图:

    p=rnorm(100,80,20)
    hist(p,main="追求者--统计", ylab="数量", xlab="优秀程度",
         col=rainbow(50))
    boxplot(p,col="red",lwd=2)

    条形图显示了追求者的初始状态,盒装图显示的是大多数妹子所接受的追求者的能力情况。通过分布图可以看出,大多数理性人只能选择那些优秀程度在80左右的追求者。

    下面介绍选择方法

    首先,为了不错过在未来可以接受更优秀的追求者,理性的妹子会拒绝最早的一批追求者,并且采用第一批追求者做样本量k,理性地判断出追求者中最优秀的一位,其优秀程度记作y。然后,当遇到新追求者的时候,将追求者的优秀程度与y进行比较,优于y则选择接受,否则继续等待新的追求者;若新追求者的优秀程度始终小于y,则选择做剩女。

    如何求出最优的样本量k?

    如果最优秀的追求者出现在第i个位置(k < i ≤n),其中k、n为大于0的固定值。要想让第i个出现的他成功被妹子接受,就必须得满足前 i-1 任意一个位置出现的追求者被拒绝,这有ki1ki−1的可能。考虑所有可能的i,我们便得到了试探前 k 个追求者之后能选中最佳追求者的总概率 P(k):

    P(k)=i=k+1n1nki1=kni=k+1n1i1P(k)=∑i=k+1n1n⋅ki−1=kn∑i=k+1n⋅1i−1


    用 x 来表示 k/n 的值,并且假设 n 充分大,则上述公式可以写成:

    P(k)=x1x1tdt=xlnxP(k)=x∫x11tdt=−xlnx


    对-xlnx求导,并令这个导数为0,可以解出x的最优值,它就是欧拉研究的神秘常数的倒数e1e−1,则样本k=nx=e1k=n⋅x=e−1。即当预计总追求者人数为100的时候,应先拒绝掉前100e1=37100e−1=37个人,用来做追求者样本。

    sIdo=N=numeric()
    for (i in 1:100){
      p=rnorm(100, 80, 20)
      pm=max(p[1:37])
      for(i in seq(37,100)){  
        if(p[i]>pm){   
          Ido=p[i]    
          n=i    
          break}  
        else Ido=0;n=101}
      sIdo=c(sIdo,Ido)
      N=c(N,n)}
    sum(N==101)/100  #剩女比例

    图3、图4代表按照此种选择方法,重复100次实验(100个妹子)得到的追求者分布状态,通过条形图可以看出,60%的妹子成功找到如意郎君,被接受的追求者优秀程度在100以上;其余40%的妹子们,由于在第一批追求者当中拒绝掉了最优秀的那位,无奈选择做剩女。

    plot(N,sIdo,pch=20,main="追求者散点图", ylab="优秀程度", xlab="接受时机",col=rainbow(80),cex = 1.5)
    points(101,0,pch=20,col="#32CD32",cex = 2)
    text(95, 1, "剩女101",cex = .8)

    追求者散点图可以看出,比较优秀的追求者且被接受时,其排位在100位当中的50位左右的概率最大,即追妹子的最好时机不是越早越好。

    综上所诉,可以得出如下结论:

    • 样本人数最优值为样本总量的37%;
    • 比较优秀的追求者成功追到妹子的概率在60%左右;
    • 优秀者的最佳出现时机为中间偏后位置。
  • 相关阅读:
    关于MFC库和CRT库冲突的分析
    C++ Traits技术
    C/C++的参数传递机制
    C++与正态分布
    前端JavaScript
    python 前端 css
    python 前端 html
    MySQL 数据库
    网络编程 生产者消费者模型 GiL

  • 原文地址:https://www.cnblogs.com/zhp2016/p/6005560.html
Copyright © 2011-2022 走看看