interview:diff-random-generator

差别

这里会显示出您选择的修订版和当前版本之间的差别。

到此差别页面的链接

@@ 行 1: / 行 1: @@
+====== 不同范围的随机数转换 ======
+问题本身很明确，但不知道起个什么题目好，姑且先这么说吧。
+问题描述：现在有一个叫做Rand5的函数，可以生成等概率的[0, 5)范围内的随机整数，要求利用此函数写一个Rand3函数（除此之外，不能再使用任何能产生随机数的函数或数据源），生成等概率的[0, 3)范围内的随机整数。
+我第一次遇到这个问题的时候，着实犯了一回傻，自以为是地证明了这个题目是无解的。其实从概率的角度来看，题目的要求就是，利用一个1/5的概率源，通过某种方式产生出1/3的概率输出。我们都知道，概率运算法则有加法和乘法，而在我的记忆中，算法是“在有限步骤内求解某一问题所使用的一组定义明确的规则”，算法的一个重要特征就是有穷性，即一个算法必须保证执行有限步之后结束。那么有限多个1/5通过加法和乘法是不可能的到1/3这个数值的，因为加法和乘法都不会给分母带来新的因子，那么分母中的3根本就不可能出现。
+然而我忽略了这样一个式子：
+{{:interview:random5-random3.gif|}}
+基于这个想法，我们来看看这个算法是什么样子的：
+===== Random 5转Ramdon 3 Python 程序 =====
+<code python>
+def Rand3():
+  x = -1
+  while not 0 <= x < 3:
+    x = Rand5()
+  return x
+</code>
+===== Random 5转Ramdon 3 C++程序 =====
+<code cpp>
+int Rand3()
+{
+    int x;
+    do
+    {
+        x = Rand5();
+    } while (x >= 3);
+    return x;
+}
+</code>
+算法很简单，x是我们最终要输出的数字，只要它不在[0, 3)范围内，就不断地调用Rand5来更新它。直观地看，算法输出的数字只有0、1、2这三个，而且对任何一个都没有偏袒，那么显然每个数字的概率都是1/3，那让我们来严格地计算一下。
+以输出0为例，看看概率是多少。x的第一个有效数值是通过Rand5得到的。Rand5返回0的概率是1/5，如果这事儿发生了，我们就得到了0，否则只有当Rand5返回3或4的时候，我们才有机会再次调用它来得到新的数据。第二次调用Rand5之后，又是有1/5的概率得到0，2/5的概率得到3或4导致循环继续执行下去，如此反复。因此概率的计算公式为：
+{{:interview:random5-random7.gif|}}
+喏，计算表明，Rand3输出0的概率确实是1/3，对于另外两个数字也是一样的。
+那么这段代码是不是一个算法呢，它是否满足算法的有穷性呢？我不能确定，虽然它不停机的概率是0，然而这个概率是一个极限值，唉，回去复习极限知识先。
+改变一下题目，如果要求利用Rand5编写Rand7怎么办？很简单，用两个Rand5可以拼出Rand25，然后就用前面的方法即可：
+===== Random 5转Ramdon 7 Python 程序 =====
+<code python>
+def Rand7():
+  x = -1
+  while not 0 <= x < 21:
+    x = Rand5() * 5 + Rand5()
+  return x % 7
+</code>
+===== Random 5转Ramdon 7 CPP 程序 =====
+<code cpp>
+int Rand7()
+{
+    int x;
+    do
+    {
+        x = Rand5() * 5 + Rand5();
+    } while (x >= 21);
+    return x % 7;
+}
+</code>
+===== 参考 =====
+  * http://www.gocalf.com/blog/build-rank3-from-rand5.html

interview/diff-random-generator.txt · 最后更改: 2011/08/02 23:39 (外部编辑)