三只精灵龙的故事

前言

向被惠子老师发卡的阿光致敬

问题描述

  • 场上站着3只精灵龙
  • 我方手上一发复仇之怒

问题来了,复仇之怒打死1只,2只,3只精灵龙的概率

问题分析

还是用穷举的方法去解决这个问题,不过因为概率空间比较大,我们编程实现。

思路

我们用0,1,2,3分别表示对方英雄,以及三只精灵龙,那么概率空间中的元素可以表示成一个1x8的向量。

例如:[0,1,2,3,3,2,0,0]表示8发复仇之怒分别打中0(英雄),1(第一只精灵龙),2(第二只精灵龙),... ,0(英雄)

那么这个离散概率空间的概率分布是什么呢,或者说每一个基础元素的概率是多少呢?

为了解决这个问题,我们引入马尔科夫链,为了叙述(画图)方便,我们就用这个图来讲述一下概率分布。

Alt text
Alt text

上图为问题《一只奥数飞弹打死一只精灵龙》的马尔科夫链

  • 最上层的一个节点为root,概率为1.(代表所有概率空间的概率)
  • 第二层表示第一发飞弹的概率分布,为一个均匀的伯努利分布,即1/2的概率打到英雄,1/2的概率打到精灵龙,这样概率就传递下来
  • 第三层表示第二发飞弹的概率分布,我们知道第二发飞弹基于第一法飞弹的条件概率分布为一个均匀的伯努利分布,所以第二发飞弹的概率分布即为图种所示的4个概率为1/4节点。
  • 第四层表示第三发飞弹的概率分布,和第二发类似,但是有一个重要区别:当前两发飞弹都打中精灵龙时,第三发飞弹只能打脸。
  • 马尔可夫链中所有的叶子节点即为概率空间的元素。每个叶子节点的概率由马尔可夫链传递下来。
  • 精灵龙被消灭这个事件的概率即为所有(精灵龙被消灭的)叶子节点的概率和(1/8 + 1/8 + 1/4)

同样类似,对于本文中的问题

  • 最上层的一个节点为root,概率为1.(代表所有概率空间的概率)
  • 每一个父节点拥有4个子节点(0,1,2,3),因为飞弹有4总选择可能
  • 单出现一只精灵龙死亡的情况是,比如精灵龙1死亡,那么一个父节点只有3个子节点(0,2,3),并依此类推
  • 一共有9层马尔可夫链(因为我们有8发飞弹么)
  • 9层马尔科夫链的所有叶子节点即为所有的元素,他们的概率由马尔科夫链概率传导可得。
  • 精灵龙被消灭这个事件的概率可由所有对应叶子节点的和来计算。

程序实现

参见:https://github.com/algebra84/forfun

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,542评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,596评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,021评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,682评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,792评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,985评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,107评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,845评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,299评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,612评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,747评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,441评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,072评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,828评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,069评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,545评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,658评论 2 350

推荐阅读更多精彩内容

  • 问题背景 玩炉石的朋友经常会遇到这种情况: 对方场上只站着一只精灵龙 我方手中只有一发奥数飞弹 这时候,问题来了:...
    大迪奥阅读 390评论 0 0
  • 本系列第三篇,承接前面的《浅谈机器学习基础》和《浅谈深度学习基础》。 自然语言处理绪论 什么是自然语言处理? 自然...
    我偏笑_NSNirvana阅读 17,547评论 2 68
  • 绿茵圣骑士 正文卷 第一章 魔兽世界 一月份的英国伦敦,天气格外的寒冷,漫天的雪花在寒风中肆意地飞舞着,在幽深的街...
    Snow_DZG阅读 1,717评论 1 6
  • 机器学习的核心思想就是根据已知的内容去推测未知的内容,然后在已知和未知之间建立起联系,这个联系就是机器学习中的各种...
    闪电随笔阅读 3,875评论 1 7
  • 临时的昨晚班主任通知让今天去镇上接领导,早上出发的比较晚,同行的分包车辆估计在外面等了快半个小时。司机原本是开车比...
    绪红阅读 65评论 0 0