我正在使用模块random
来随机播放n
元素的数组。我需要执行 m
次,并且我不完全确定每次发生的洗牌都是独立的。
请参阅下面的示例:
for i in range(10):
a = list(range(1,20))
random.shuffle(a)
print("\n\nSequence of numbers ")
for item in a:
print(item)
我可以完全确定第二次shuffle
列表a
将与第一次完全独立吗?
查看结果,我的印象是输出不是独立的。但也许这只是我的印象。
例如,我得到的 4 个数字和 4 次重复的输出如下 [1, 3, 2, 4]、[1, 3, 2,4]、[4, 1, 3, 2] 和[1,4,3,2]。这是偶然发生的吗?可能是。但我想确定一下。
上下文:可能我想订购我给 m 个学生的考试的第 n 个问题。但我希望每个学生都能独立完成这个过程。
最佳答案
你可以测试一下。请注意,数字 1,2,3,4
正好有 4!=24 种排列。您应该预期,在随机抽样中,这些排列中的每一个出现的可能性都是相同的。为了向自己证明这会产生您正在寻找的均匀分布,请对序列进行采样:
import random, math
from collections import Counter
samples = 1000000
a = list(range(1,5))
C = Counter()
for _ in xrange(samples):
random.shuffle(a)
C[tuple(a)] += 1
import pylab as plt
permutations = math.factorial(4)
expected = float(samples)/permutations
plt.plot(C.values())
plt.plot([0,permutations],[expected,expected],'r--')
plt.ylim(0,expected*2.01)
plt.show()
请注意,红色破折号是理论预期值,蓝线是我们从采样中获得的值。由此我非常有信心我们得到了均匀分布,但我们总是可以使用 Kolmogorov Smirnov test来量化它。这不测试的是序列之间的相关性。这可以再次使用具有一定时间延迟的生成序列对进行测试,但 python random.shuffle
使用的 Fisher-Yates shuffle 在防止这种情况方面做得很好。
关于python - 循环内独立随机洗牌,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27547700/