編程為什么需要概率和統計？_ION:AIONMARS幣

當你看到這樣的新聞，報道了某個娛樂圈明星投資了一家某某餐飲店。現在請思考一下，這則新聞是屬于娛樂領域還是餐飲領域呢？如果當你讀完這篇新聞大部分內容將的是餐飲行業的過去和現在以及未來。只有小部分涉及中國明星的八卦事情。

你可以覺得，這新聞屬于餐飲領域。因為大部分將餐飲領域，而只要小部分屬于娛樂八卦。如果用數字來衡量大部分和小部分，我們可以說，90%屬于餐飲領域，而只要10%屬于娛樂八卦。用數字表示了事件發生的可能性。

根據上面的例子，我們大致知道，概率就是描述這種可能性的一個數值。

Solana上NFT平臺Metaplex已在主網部署可編程的NFT:1月27日消息，Solana上NFT平臺Metaplex已在主網部署可編程的NFT，開發人員（包括NFT市場和錢包）可以使用最新的穩定版本的代幣元數據來集成新的pNFTs指令，創作者和收藏者可以查看最新的協議或平臺集成狀態，當新資產類別在NFT市場和錢包中達到大于50%的覆蓋率時，創作者將能夠通過強制將現有NFT收藏升級為pNFT。[2023/1/27 11:32:22]

隨機變量

我們知道概率和日常生活息息相關，比如天氣預報。在概率論中有很多概念。但是下面的幾個基本概念非常重要，你需要知道。

隨機變量來描述事件所有可能出現的狀態，并使用概率分布來描述每個狀態出現的可能性。而隨機變量又可以分為離散型隨機變量和連續型隨機變量。

StarkWare的編程語言Cairo探索投票類應用場景:3月1日消息，由零知識證明研究機構StarkWare推出的專用編程語言Cairo宣布正在開發一種簡單投票機制的應用，可以支持大規模的用戶以安全的方式投票并保存在區塊鏈上，去中心化組織（DAO）也將受益于該功能。該應用會收集用戶的選票，驗證每次投票的簽名，累計在一起后更新至默克爾樹，同時將生成一個STARK證明以確保本輪投票的有效性。最后這些數據會被發送到一個鏈上的STARK驗證器智能合約，然后生效，應用的智能合約就可以驗證并更新至最新狀態。[2021/3/1 18:03:17]

離散隨機變量是指其數值只能用自然數或整數單位計算的則為離散隨機變量。如明天是否下雨。

連續隨機變量是指在一定區間內可以任意取值的變量,其數值是連續不斷的.,相鄰兩個數值可作無限分割,即可取無限個數值。例如明天的雨量。

動態 | 英特爾聯合Hyperledger發起新區塊鏈編程項目:據福布斯報道，全球科技巨頭英特爾與主要的區塊鏈技術公司Hyperledger共同發起了新區塊鏈編程項目Hyperledger Transact。該項目于6月27日正式發布，是一種新工具，旨在通過提供標準接口或用于智能合約執行的共享軟件庫來提高區塊鏈網絡的兼容性。[2019/7/4]

概念分布

概率分布是指數據在統計圖中的形狀，概率分布是隨機變量的概率在統計圖中的表現形式。同樣，概率分布又分為離散概率分布和連續概率分布

離散概率分布包括伯努利分布、二項分布、幾何分布和泊松分布。而連續概率分布主要是正態分布。

伯努利分布：

伯努利分布(Bernoullidistribution)是很簡單的離散分布。在伯努利分布下，隨機變量只有兩個可能的取值:1和0。隨機變量取值1的概率為p。相應的，隨機變量取值0的概率為1-p。因此，伯努利分布可以表示成:

動態 | Polkadot開發公司Parity推出流式編譯器Lightbeam，優化WASM編程:跨鏈項目Polkadot開發公司Parity推出用于優化WASM的流式編譯器Lightbeam。Parity表示使用流式編譯器的主要原因是，在區塊鏈的語境中有必要嚴格限制編譯時間，因而開發Lightbeam的目標是在Wasmtime中進行初始編譯，并發揮開發框架Substrate智能合同子系統中主編譯引擎的作用[2019/6/16]

即伯努利分布只有兩種可能的結果：成功和失敗

例如，投擲一次硬幣，出現正面，記錄為1，出現反面，記錄為0。而拋硬幣的結果要么正面朝上，要么反面朝上，所以拋硬幣的結果服從伯努利分布。

金色財經現場報道，Franklin Song：數據應該實現可編程的信任、可編程的資產:在2018年世界數字資產峰會（WDAS）暨FBG年會上，來自DATA公司的Franklin Song表示，當前數據生態系統是區塊鏈系統的中心，數據的生產者、消費者、處理者在整個系統中扮演不同的角色。其中超過40%的廣告流量來自數據擁有者，產生大約為160億價值，但數據所有者很少從中得到激勵來使用數據，這也導致廣告的效用也越來越低，目前有6億的設備用于阻礙廣告彈出服務。由此看，現在數字生態系統上還比較支離破碎，人們沒有得到自己數據應有的回報，數據應該實現可編程的信任、可編程的資產。[2018/5/2]

Billions項目組數組包importnumpyasnpBillions項目組統計計算包的統計模塊fromscipyimportstatsBillions項目組第2步，Billions項目組它返回一個列表，列表中每個元素表示隨機變量中對應值的概率p=0.5Billions項目組第3步，繪圖plt.plot(X,pList,marker='o',linestyle='None')plt.vlines(X,0,pList)Billions項目組y軸文本plt.ylabel('概率')Billions項目組顯示圖形plt.show()

二項分布

二項分布可以從計數的角度來理解。n次測試，如果隨機變量為k，意味著其中的k次成功，n-k次失敗。從n次實驗中挑選k個，根據計數原理，共有(nk)(nk)種可能。其中的每種可能出現的概率為pk(1?p)n?k)pk(1?p)n?k)。因此，二項分布可以表示成為:

即二項分布度量的是在n次伯努利試驗中正好有k次成功的概率。

例如，連續10次拋硬幣，正面朝上的次數就符合二項分布.

Billions項目組數組包importnumpyasnpBillions項目組統計計算包的統計模塊fromscipyimportstatsBillions項目組做某件事情的次數p=0.5Billions項目組第2步，Billions項目組它返回一個列表，列表中每個元素表示隨機變量中對應值的概率pList=stats.binom.pmf(X,n,p)pListBillions項目組x軸文本plt.xlabel('隨機變量：拋硬幣正面朝上次數')Billions項目組標題plt.title('二項分布：n=%i,p=%.2f'%(n,p))Billions項目組導入包Billions項目組繪圖包importmatplotlib.pyplotaspltBillions項目組第k次做某件事情，才取到第1次成功Billions項目組做某件事情成功的概率，這里假設每次表白成功概率都是60%p=0.6X=np.arange(1,k+1,1)XBillions項目組求對應分布的概率:概率質量函數(PMF)Billions項目組分別表示表白第1次才成功的概率，表白第2次才成功的概率，表白第3次才成功的概率，表白第4次才成功的概率，表白第5次才成功的概率pList=stats.geom.pmf(X,p)pListBillions項目組x軸文本plt.xlabel('隨機變量：表白第k次才首次成功')Billions項目組標題plt.title('幾何分布：p=%.2f'%p)Billions項目組導入包Billions項目組繪圖包importmatplotlib.pyplotaspltBillions項目組定義隨機變量，已知某路口發生事故的頻率是每天五次，那么此處一天內發生k次事故的概率是多少？mu=5Billions項目組求對應分布的概率：概率質量函數plist=stats.poisson.pmf(x,mu)plistBillions項目組設定均值K=int(K)Billions項目組np.random.randn(1000)+K為創造1000個均值為K的點，服從正態分布，np.random.poisson()為服從泊松分布fig=plt.figure(figsize=(10,5))Billions項目組對進行開方coef=1/(sqrt_2pi*sig)Billions項目組-1/mypow=powercoef*(np.power((data-avg),2))Billions項目組cofe乘e的mypow次方Y=foriinrange(100):S=guass(X,K,std)Y.append(S)plt.plot(X,Y,label='Normal')plt.legend(,facecolor='white')plt.show()

總結

在真實的世界里，我們通常只能觀測到一些數據，而無法事先知道，是什么模型產生了這些數據，這時候就要依賴統計學。所以，海量數據的分析、實驗和機器學習，都離不開統計學。

Tags：IONLIONLIOBILLAIONMARS幣Bob LION InuLIONISLAND價格Billiard Crypto

Ethereum