问题标签 [binomial-coefficients]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
c++ - 牛顿二项式 - 不适用于更大的数字
我写了一个程序,它应该打印牛顿二项式的值。number - 测试数, t[i][0] - n
, t[i][1] - k
. 对于小数字 n 和 k 似乎没问题,但是当我想输入更大的数字时,它会打印0
或1
小的负整数。基本上我使用了 long int 而不是 int 所以它应该适用于更大的数字。你能解释一下为什么会这样吗?
@编辑
谢谢你的建议。我尝试实现这一点,但它不能很好地计算二项式。它为 n=4 和 k=2 打印 11。你可以看看这个吗?
python - 二项式系数和时间拥塞概率 Python
问题是当我输入以下内容时:,,s=2
我应该得到。我得到的只是。有人可以帮助我吗?n=4
v=float(1/30)
h=3
1.33
0.0
algorithm - 如何识别给定输入中的二项式系数(n 选择 r)
我正在尝试进行反向二项式系数计算,其中我得到一组 (n,r) 的随机组合,然后我必须能够确定集合或子集中的任何 n-Choose-r(n,r) . 例如,如果用户输入以下集合:{(1,2,3) (1,2,4) (1,3,4) (2,3,4)},则程序必须检测 nCr(3,4)。
为此,首先我获得
在这种情况下是 nCr(3,4) = 4。
然后,我以 [element:frequency] 的形式计算每个元素的频率,如下所示。
最后,
所有元素的频率等于子集长度,我断定它是一个完整的组合集。
但是,它似乎无法检测复杂的情况。例如考虑以下情况:
不难看出在子集中有一个固定元素为 1 和 nCr(3,2) 的组合
我相信应该有更好的方法来递归地检测二项式系数。非常感谢任何帮助。
r - 伽马 fn 的值超出范围,如何计算阶乘 >200
我正在尝试创建一个函数来计算二项式公式,但我不断收到错误“伽马 fn 的值超出范围”
python - Tkinter,变量和函数
基本上我正在尝试构建一个接受 4 个值并在新标签中打印由函数计算的结果的 Tkinter 窗口P_n(s,n,v,h)
我根本无法让它工作。这是代码。
这是错误:
我给出的值是 2,4, 0.03333333333,3 。结果应该是 2.26% 。
arrays - 使用一维数组设计二项式系数算法
我已经设计了以下算法,该算法使用二维数组确定二项式系数。例如,要计算 n 选择 k 的二项式系数,我们可以创建一个二维数组,如下所示:
我们可以通过以下方式填充数组:
但是,我需要重新设计此算法以使用索引为 0-k 的一维数组。我很难确定如何做到这一点。我从小步骤开始,并意识到一些常见的情况:
- 如果 k = 0,arr[0] 将为 1,并且无论 n 多少都会返回。
- 如果 k = 1,arr[0] 将是 1,arr[1] 应该是 n,如果我在循环中设计它。
当我说 k = 2 时,这就是棘手的地方,因为 arr[2] 的值实际上取决于先前的值。我相信当我循环时(比如从 i = 0 到 i = n),arr[] 的值会改变,但我不太明白如何。我从这些方面开始:
我该如何处理?
haskell - Haskell中的尾递归二项式系数函数
我有一个在 Haskell 中计算二项式系数的函数,它看起来像这样:
是否可以修改它并使其尾递归?
algorithm - 找到固定 n 模 m 的前 r 二项式系数之和的算法
我试图找到固定 n 的前 r 二项式系数的总和。
(nC1 + nC2 + nC3 + ... + nCr) % M
其中 r < = n。
有没有有效的算法来解决这个问题?
lme4 - 如何更改二项式 glmer 中使用的二项式分布的参数?
我希望评估成为多数人的一部分如何有助于成为动物群体的领导者。
假设我有 10 个案例来评估领导者是来自多数还是少数。
结果表明,来自少数群体会大大降低领导团队的可能性
然而,这些群体由 8 人占多数,2 人占少数。我们可以看到,在 80% 的情况下,多数人领先,这是预期的。
所以问题是:如何包含 p=0.8 而不是 p=0.5 的二项分布?