事件连续发生三次的概率，Matlab，蒙特卡洛方法
numtrials = 1000000
turkeychance= 0
for i = numtrials
for b = 1:10
r = rand(10,1);
if r(b)<=.3143
我试着用蒙特卡罗模拟方法来计算一个事件发生的概率，在一个连续三次的10个事件列表中。我将进行100万次试验。事件发生的概率在任何时候都是31.43%。我的想法是，我将调用任何试验（b），并创建一个嵌套循环，因此如果条件一（rand值小于.3143），我将移动到索引中的下一个数字，如果该数字小于.3143，我将移动到下一个数字。如果发生这种情况，我会给火鸡加1。当100万次试验完成后，我将turkeychance除以100万，得到事件连续发生三次的概率。我的问题是，如何检查事件是否连续发生三次？如果我没有提供足够的信息，请原谅，我是编程新手。
共有1个答案
如果你定义
r = rand(10,1);
然后您不需要for循环的内部。您可以使用
events = r<0.3143;
你可以通过这样做来发现一行中是否有3个或更多
Times = events;
Times(3:end) = Times(3:end) + events(2:end-1);
Times(3:end) = Times(3:end) + events(1:end-2);
请注意，在10次中，您可以多次连续出现3个事件。使用sum（Times
-
1 前言 在上一篇文章中，我们介绍了基于Bellman方程而得到的Policy Iteration和Value Iteration两种基本的算法，但是这两种算法实际上很难直接应用，原因在于依然是偏于理想化的两个算法，需要知道状态转移概率，也需要遍历所有的状态。对于遍历状态这个事，我们当然可以不用做到完全遍历，而只需要尽可能的通过探索来遍及各种状态即可。而对于状态转移概率，也就是依赖于模型Model
-
我是Matlab新手，我想帮你做一个模拟。我正在做一个实验，在这个实验中，我必须确定随机插入事件的数量，以便在3300个单位的面积内，在参考点的15个单位内发生一次插入。插入在3300个单元内的任何地方发生的概率相同。我希望在参考点的15个单位内至少发生一次插入的可能性大于50%。
-
个人觉得，整个 AplphaGo 对于机器学习来说，最核心的算法就是深度学习（Deep Learning）和增强学习（Reinforcement Learning）。蒙特卡洛树搜索 MCTS 是一个搜索框架，将这些机器学习的技术融合在了一起。今天这篇文章的重点在深度学习，增强学习以后再说。 蒙特卡洛树搜索 每个博弈类的人工智能算法的基础都是一个搜索算法。比如我们上学时学习的 A-star 算法，a
-
本文向大家介绍Java 蒙特卡洛算法求圆周率近似值实例详解，包括了Java 蒙特卡洛算法求圆周率近似值实例详解的使用技巧和注意事项，需要的朋友参考一下 起源 [1946: John von Neumann, Stan Ulam, and Nick Metropolis, all at the Los Alamos Scientific Laboratory, cook up the Metrop
-
从名字我们可以看出，MCMC由两个MC组成，即蒙特卡罗方法（Monte Carlo Simulation，简称MC）和马尔科夫链（Markov Chain ，也简称MC）。要弄懂MCMC的原理我们首先得搞清楚蒙特卡罗方法和马尔科夫链的原理。我们将用三篇来完整学习MCMC。在本篇，我们关注于蒙特卡罗方法。 2. 蒙特卡罗方法引入 蒙特卡罗原来是一个赌场的名称，用它作为名字大概是因为蒙特卡罗方法是一种