一个月看大流星概率91%,半个月是多少?

C/C++控制台流星雨:对象池与跨平台图形编程实践 在计算机图形学与游戏开发中,实时动画渲染是核心挑战之一,其背后涉及高效的资源管理与状态更新机制。对象池作为一种经典的设计模式,通过预分配和复用对象,有效避免了频繁的内存分配与回收,从而提升程序性能与稳定性。这一原理在粒子系统、游戏实体管理等场景中广泛应用,尤其适合处理大量短暂存在的动态对象。本文以C/C++控制台流星雨项目为例,深入探讨了如何结合对象池与状态机来管理流星生命周期,并详细解析了在Windows与Linux/macOS平台上,利用控制台API与ANSI转义序列实现跨平台图形绘制的核心技术。通过这 阅读详情

在CSDN中看到一个帖子,面试有这样一个问题。我实在是有点迷茫。绝大多数人都说是91%。迷茫啊。
我想先不谈论这个问题,换一个问题。
就掷硬币吧,掷两次硬币出现正面难道是50%吗?真是的。如果你还认为掷两次出现硬币的概率是50%的话,我认为掷硬币一万次也是50%吧。那剩下的50%是什么呢?
标题中的问题,就不用说了吧

楼主想歪了。 概率是随机事件出现的可能性的量度。概率论最基本的概念之一。人们常说某人有百分之多少的把握能通过这次考试,某件事发生的可能性是多少,这都是概率的实例。但如果一件事情发生的概率是1/n,不是指n次事件里必有一次发生该事件,而是指此事件发生的频率接近于1/n这个数值。
解释没看懂,但是我觉得,这里有个概念混淆了
抛硬币的概率是当次数趋近无穷大时的概率,也就是说抛硬币这件事情在次数趋近无穷大时的概率是50%
但是由此无法得出推出抛一次概率是多少,抛两次概率是多少
而 一个月看大流星概率91%和半个月看流星概率是91%这本来就是两个概率值,概率值都不一样了,如果一个月看大流星概率91%推出半个月看流星概率是91%那我尽可以推出每一秒看到大流星的概率是91%,这显然是不对的
个人觉得一个月看大流星概率91%和半个月看流星概率是多少毫无关联,在没有其他条件的前提下无法得知

这里说的不太对,应该说每一次抛到正面的概率是50%,抛两次出现一次正面的概率是50%,出现两次正面的概率是25%跑三次,出现一次和两次的概率是37.5出现三次的概率应该是12.5,这和楼主的问题还不太一样

我觉得这里大家都有一个误区..就是隐含的前提条件...
我举个例子..

扔硬币,出现正面的几率是50%.
所以.
1)第一次扔硬币出现正面的几率是50%.
2)再扔一次硬币出现正面的几率也是50%.
因为每一次扔硬币都是一个独立事件..

然后,如果扔2次硬币.出现至少一次正面的几率.则是50% * 50% * 2 + 50% = 75%
然后回到这一题里面..既然条件给的这么少..所以我们不妨按照自己觉得合理的去设定前提条件..

既然要求的半个月看到流星的概率..

那么我们不妨设每半个月看到流星是一个独立事件.概率为 x

然后一个月看到流星的概率为91%..这个正好就相当于发生2次半个月看到流星的事件.
只要满足这2个独立事件里面其中一个发生了.或者都发生了..
那么一个月看到流星的事件就发生了..

所以..可以建立方程

2X - X^2 = 0.91 

用公式解得一个符合条件的解(0<X<1) X = 0.7

即半个月内看到月亮的几率是70%

以上是我个人的见解了..

因为题目条件实在过少..所以我不得不将前提转换了..

即用要求的事件作为独立事件..将条件给概率当做是多个独立事件发生的概率..

这样可以绕过一些不必要的麻烦..

而且解出来的刚好是一个挺漂亮的数字..所以我对这个结果还是算满意的..


大家有意见就提吧..共同进步~~

来源:英超直播

数理逻辑习题集(3) 1 若ξ~N(0,1),η=2ξ-1,则η~( ) A. N(0,1) B. N(-1,4) C. N(-1,3) D. N(-1,1) 参考答案:B 解析: 1: E(η) = E(2ξ-1) = 2E( ξ) - 1 = -1. 2: η的方差 = E(η^2) - E(η)^2 = E(4 ξ^2 - 4 ξ + 1 ) - 1 = 4 - 阅读详情

相关推荐

在abaqus中利用point-based 来快捷定义螺栓连接

abaqus中可以通过point-based方式定义连接点的位置,并对连接方式进行定义,可以进行螺栓连接的模拟。 可以通过逐点输入坐标或导入外部的坐标位置 也可以通过阵列的方式定义点 定义完点后就利用create fasteners,选择point-based,选取刚才创建好的点阵列,然后定义连接的属性,如下图 定义connector section时,类型选择translator,相当于只有1方向可以动,定义弹性模量以及破坏准则。 案例操作 假如有两个板,通过...

fiber_tape的博客 7353

凯利公式(庄家必胜篇)——致放假在家的高薪程序员们

凯利公式(装庄家必胜篇)——致放假在家的高薪程序员们 一条公式让您了解为什么庄家总是赢闲家。 后面是这个公式与庄闲家的对战数据。 赌徒迷信的是运气,赌场相信的是数学。 2021年,又到年终,再提示一下:别去赌,你不是赌王。 赌王何鸿燊接手葡京赌场时,生意蒸蒸日上,但理性的赌王仍然忐忑,请教“赌圣”叶汉: “如果这些赌客总是输,长此以往,他们不来了怎么办?” 叶汉笑道: “一次赌徒,一世赌徒,他们担心的是赌场不在怎么办。” 叶汉说的只是心理层面,现代赌场程序方面的设计比叶汉当年要缜密

红目香薰 4万+

1 FFmpeg从入门到精通-FFmpeg简介

1.FFmpeg简介 1.1 FFmpeg的定义 1.2 FFmpeg的历史 1.3 FFmpeg的基本组成 1.4 FFmpeg的编解码工具ffmpeg 1.5 FFmpeg的播放器ffplay 1.6 FFmpeg的多媒体分析器ffprobe 1.7 FFmpeg编译(1)FFmpeg之Windows平台编译(2)FFmpeg之Linux平台编译(3)FFmpeg之OS X平台编译 1.8 FFmpeg编码支持与定制(1)FFmpeg的编码器支持(2)FFmpe

migu123的专栏 3701

赌徒的梦想

赌徒的梦想 1 问题提出 赌的方法:摇两颗色子的最简单办法,押单或者双,每次摇色子赌场和赌徒赢的概率各为50% 。 赌徒采用的策略如下:每次的下注为上次的翻倍。如果赌徒本次赢,则结束。 例如: 赌徒开始投注1亿美金,如果赌徒赢,则结束,赌徒赚1亿。 如果上步赌徒输,则本次赌徒押2亿,如果赢则结束,赌徒总共赚1亿。 如果赌徒输,本次押4亿。 继续这样下去,…… 直至赌徒赢,游戏

当年老王的专栏 4029

Unity镜子效果的实现(无需镜子Shader)

Unity镜子效果制作教程 本文提供全流程,中文翻译。 Chinar 坚持将简单的生活方式,带给世人!(拥有更好的阅读体验 —— 高分辨率用户请根据需求调整网页缩放比例) Chinar —— 心分享、心创新!助力快速实现一个简单的镜面反射效果为新手节省宝贵的时间,避免采坑! Chinar 教程效果: 1 Cre...

weixin_33947521的博客 9572

量化交易新手必看:如何用vnpy+Tushare轻松获取A股历史数据(附完整代码)

本文为量化交易新手提供了使用vnpy和Tushare构建A股历史数据获取系统的完整指南。通过详细的代码示例,手把手教你搭建环境、封装数据获取引擎,并实现日线等数据的格式转换与本地存储,为策略回测与分析奠定坚实的数据基础。

weixin_29098117的博客 381

倍投技巧 - 凯利公式教你如何用正确的方法投资

在运用凯利公式之后,计算的最佳的仓位应该是9.33,就是说如果借款利率是0的话想要得到最快的资金增长速度就要使用杠杆交易,通过公式计算得到每次交易的平均增长率r约等于7.44%,而满仓交易的平均资金增长率为r约等于 1.35(其实也就是期望收益)。第二列为胜负,excel会按照60%的概率产生1,即60%的概率净收益率为1,40%的概率产生-1,即40%的概率净收益为-1。从图中可以看出,当把仓位逐渐降低,从99%,变成90%,80%,70%,60%的时候,同样10局的结果就完全不一样了。

. 5万+

OpenAI Realtime API实时语音交互实战指南

实时语音交互是人机自然对话的核心能力,其本质在于构建低延迟、双向、流式协同的音频-语义闭环。它突破传统REST API的请求-响应范式,依托WebSocket实现毫秒级音频输入流(audio.delta)、模型生成流(text/audio.delta)与动态控制流(session.update)三重并行。该技术显著降低端到端延迟至300ms以内,支撑语音助手、智能客服、对话式教育等强实时场景。本文聚焦OpenAI Realtime API的工程落地,详解PCM音频流处理、VAD语音活动检测、AudioCon

weixin_32285357的博客 396

扑克与投资哲学,活着最重要

活着最重要 讲到扑克牌博弈和投资,人们通常都急于学会赚钱的招数,其实我个人认为赚钱方法是不容易学的,需要很多经验和悟性。初学者要迅速提高“段位”,倒是应该重点先练练防守。防守是有一定套路,可以学习的。在我看来,博弈和投资取得成功的先决条件都是要做好防守,保住本钱,然后耐心等待真正的机会。总而言之,绝对不能在革命胜利前牺牲。别以为这很容易做到,且不说我们周围那些“发财未遂身先死”的赌友股友,即便在投资界绝顶高手中,从云端跌落者也大有人在。且看几个例子: 杰西-利弗莫尔:《股票作手回忆录》中的主人公,投机界

小壁虎的春天 2247

华为OD机试 - 直捣黄龙 - 广度优先搜索BFS(Python/JS/C/C++ 新系统 200分)

从样例 1 可知:5 / 2,2 -> 输出 2 9如果按“移动步数”计算应该是 8,但题目输出是 9,说明这里的“路径长度”统计的是 路径上经过的节点数量。最短路径条数:ways[end]路径长度:dist[end] + 1。

学Java,找哪吒 126

用AI科研绘图全新升级!借助谷歌新发布模型Nano Banana pro实测一键绘制机制图与技术路线图,直接告别文字乱码与低画质

之前有同仁反馈,用Nano Banana画科研插图的时候,要么文字部分容易乱码,要么抓不住关键内容,画出来的效果反复修改后,还是达不到理想的效果。终于在Gemini 3发布没几天,万众期待的大香蕉模型也成功升级到了Pro版本,官方名称叫“Gemini 3 Pro Image”,实际上也就是我们说的Nano Banana 2。这次的Nano Banana Pro模型,不仅可以直出4K高清图,还能自定义比例,推理能力和中文文字的稳定性也得到了提升。

智能AI让学术科研更容易 1893

真正的聪明人,是如何下注的?

来源:孤独大脑 作者:老喻一最近有个传闻,某资本大佬创造了“人类历史上最大的单日亏损”:他的基金净资产峰值高达150亿美金,杠杆比例长期维持在3~4,所以总资产高达800亿美金。因其三只...

技术领导力 6887

YOLOv11改进策略【SPPF】| 将特征金字塔池化修改为:SPPCSPC,提升模型的特征提取能力和计算效率。

本文记录的是。YOLOv7中的SPPCSPC(Spatial Pyramid Pooling Cross Stage Partial Connections)模块是一种结合了(SPP)和(CSP)的改进结构,本文将其添加到YOLOv11中,

Limiiiing的博客 1824

题目---面试数学题收集

[code] 题目: 1.一个人每天晚上出去看流星,假设一个月内能看见流星的几率的91%,那么请问半个月看到流星的概率是多少? 2.你有10桶金币,有一桶金币全是假的,而且比正常的轻100克/每个,正常的金币重1000克,你有一个秤,如何一次就称出来哪桶金币是假的,(这让我很郁闷....要一次..) 答案: 1.注意:每天是独立的,但是每半个月不是独立的。。因为这个人每天...

z466459262的专栏 450

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

有趣的面试题

<br /> <br />(1)一个人每天晚上出去看流星,假设一个月内能看见流星的几率为91%,那么请问半个月看到流星的概率是多少?<br />问题解答:此题的答案有争论,一种答案就是91%,还有一种答案是70%。给出2种答案的解释,我也比较偏重于91%这个答案。<br />支持91%的认为这种题思路就像扔硬币一样,不管扔多少次,正面和反面出现的概率都是一样的。<br />支持70%的思路很清晰,也有公式证明:<br />每天晚上出来流星出来的概率为x<br />则一个月不出来流星的概率为(1-x)^30=

CGambit的专栏 751

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Nowcoder(概率统计)离散分布

几何分布 两个人轮流抛硬币,规定第一个抛出正面的人可以吃到苹果,请问先抛的人能吃到苹果的概率多大? 2/3 5/6 1/3 1/2 二项分布 当前国内A股市场的新股发行采取的是抽签申购的方式。假设最多可以申购某新股X 1万股,以1千股为单位分配一个号码进行抽签,每个号码抽中与否是相互独立的且概率为0.5%,X的发行价是10元,涨至15元和20元的概率均为50%,那么在最大申购的情况下盈利的期望是_...

the_harder_to_love的博客 804

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

有趣的一些智力题

 假设一个月能看到的流星的概率为91%,问半个月看到的流星的概率是多少????有的说的91%,有的则说是70%,70%的是:每天晚上出来流星出来的概率为x则一个月不出来流星的概率为(1-x)^30=1-0.91=0.09半个月不出来流星的概率为(1-x)^15=(1-x)^30^0.5=0.3半个月看得到流星的概率为70%你有10桶金币,有一桶金币全是假的,而且比正常的轻100克/每个,正常的金币

xueyong4712816的专栏 995

有趣的微软面试题

 假设一个月能看到的流星的概率为91%,问半个月看到的流星的概率是多少????有的说的91%,有的则说是70%,70%的是:每天晚上出来流星出来的概率为x则一个月不出来流星的概率为(1-x)^30=1-0.91=0.09半个月不出来流星的概率为(1-x)^15=(1-x)^30^0.5=0.3半个月看得到流星的概率为70%你有10桶金币,有一桶金币全是假的,而且比正常的轻100

BOPGroup的专栏 1909

微软面试题

假设一个月能看到的流星的概率为91%,问半个月看到的流星的概率是多少????有的说的91%,有的则说是70%,70%的是:每天晚上出来流星出来的概率为x则一个月不出来流星的概率为(1-x)^30=1-0.91=0.09半个月不出来流星的概率为(1-x)^15=(1-x)^30^0.5=0.3半个月看得到流星的概率为70%你有10桶金币,有一桶金币全是假的,而且比正常的轻100克

sunliangyuan的专栏 1198

2018年3月携程技术笔试 回忆版

应聘了携程的大数据分析师的暑假实习,幸运的进了笔试。看到笔试题目的时候就觉得携程可能与我无缘了。虽说现在R语言口碑很好,但是局限性还是有的,比如携程的在线编程就不能用R语言来做。PYTHON是可以用的,但是版本不是3.0的。java也是可以的,还可以用C语言。可见只掌握R语言还是不行哒,更加坚定了我再学一门编程的决心。python还是要好好学的,目前掌握的知识太少。建议大家去赛码网刷刷题,起码自己...

weixin_41206770的博客 2155

2018秋招面试题总结(软件开发类)

2017/10/10 下午 1.比较大小的运算符是关系运算符(中国联通软件研究院) 2.修改表结构 ALTER TABLE 3.插入数据语句:INTER INTO TABLE_NAME (......)   VALUES (.....); 4.SQL 左连接: select   a.*,b.*   from   a   left   join   b     on   a.id

jingqing123sky的博客 1889

FLUX.1-dev生成儿童绘本插图的应用尝试

本文探讨了基于FLUX.1-dev文生图模型在儿童绘本插图创作中的应用,介绍了其核心技术如Flow Transformer与连续概率流变换,实现高精度、一致性强的图像生成。结合代码示例与自动化流程设计,展示了从文本到插画的高效生成路径,并强调提示词结构化、特征一致性校验等关键实践策略。

weixin_33173126的博客 470

LLM故事生成多样性提升:解码控制与约束提示实战

大语言模型(LLM)在短篇故事生成中常陷入模式坍缩,导致角色、场景、隐喻高度同质化——这本质是概率建模下的统计收敛现象。要突破‘AI味’瓶颈,需从解码策略(如top-p核采样、min_p过滤)、提示工程(文化锚点/物理禁令/叙事裂隙等可执行约束)和后处理校验(动机熵、空间拓扑、时间褶皱)三层面协同干预。尤其top-p参数能动态激活长尾词汇,结合形式化提示语法,可显著提升文化细节真实性与结构意外性。该方法已应用于青少年写作辅助、出版内容审核与教育AI工具链,兼顾生成质量与创意辨识度。

weixin_29046035的博客 254

Lindy效应遇上AI编码:3步构建自进化代码生成流水线(附GitHub开源模板)

用Lindy效应指导AI编码,实现Lindy代码生成自动化:3步构建自进化流水线,适用于CI/CD与低代码平台。融合稳定性评估、反馈闭环与模型迭代,提升生成代码长期可靠性。附开源模板与部署指南,值得收藏。

Algorift的博客 217

近期工作总结

很久没有更新这个blog了,总是觉得没什么可写的……BS下下自己,惰性又出来了!首先还是看看近期做了哪些事情吧:从上一次写博到现在已经过去40余天了,写了第二篇论文。然后准备去百度面试……等等!中间大概有十天没有做具体的事情! What‘s a shame! 然后的然后就是面试归来,被鄙视,进入学习linux。对了,今天就是打算写下百度笔试的题。昨晚冯总和涛哥在讨论笔试的几个题,作为笔试者

青青陵上柏,磊磊涧中石 1194

遗传算法进阶:选择、交叉与变异算子的工业级调优指南

遗传算法是一种不依赖梯度、适用于不可导与高维黑箱函数的全局优化方法,其核心在于模拟自然进化过程中的选择、交叉与变异机制。理解这些算子的数学原理与行为特性,是控制算法探索-开发平衡、避免早熟收敛与提升收敛稳定性的关键。在实际工程中,轮盘赌选择易导致优质个体垄断繁殖权,SBX交叉可保障实数编码下的安全创新,而自适应变异率则能动态匹配搜索阶段需求。本文聚焦工业场景下对选择策略、交叉算子和变异率等核心热词的深度解析与实操验证,覆盖注塑工艺、光伏拓扑、焊装补偿等典型应用,为制造、能源与自动化领域的算法落地提供可复用的

weixin_30905981的博客 369
上一篇: bmp图像读取显示保存问题
下一篇: 自学能不能找到工作
cl52155
博客等级 码龄16年 1粉丝 38原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值