4.3 KiB
id, title, challengeType, forumTopicId, dashedName
| id | title | challengeType | forumTopicId | dashedName |
|---|---|---|---|---|
| 5e44414f903586ffb414c950 | 概率計算器 | 10 | 462364 | probability-calculator |
--description--
你將通過使用我們的Replit 入門代碼來完成本項目。
--instructions--
假設有一頂帽子，裏面有 5 個藍球、4 個紅球和 2 個綠球。 隨機抽取的 4 個球中至少包含 1 個紅球和 2 個綠球的概率是多少？ 雖然可以使用高等數學來計算概率，但更簡單的方法是編寫一個程序來執行大量實驗來估計近似概率。
對於這個項目，你將編寫一個程序來確定從帽子中隨機抽取某些球的大致概率。
首先，在prob_calculator.py 中創建一個Hat 類。 該類應該採用可變數量的參數來指定帽子中每種顏色的球數。 例如，可以通過以下任何一種方式創建類對象：
hat1 = Hat(yellow=3, blue=2, green=6)
hat2 = Hat(red=5, orange=4)
hat3 = Hat(red=5, orange=4, black=1, blue=0, pink=2, striped=9)
一頂帽子總是至少有一個球。 創建時傳遞給 hat 對象的參數應轉換爲 contents 實例變量。 contents 應該是一個字符串列表，其中包含帽子中每個球的一個項目。 列表中的每一項都應該是一個顏色名稱，代表該顏色的單個球。 例如，如果你的帽子是 {"red": 2, "blue": 1}，contents 應該是 ["red", "red", "blue"]。
Hat 類應該有一個 draw 方法，該方法接受一個參數，該參數指示要從帽子中抽取的球數。 此方法應該從 contents 中隨機刪除球，並將這些球作爲字符串列表返回。 在抽取過程中球不應回到帽子中，類似於沒有放回的黑盒實驗。 如果要抽的球數量超過可用數量，則返回所有球。
接下來，在 prob_calculator.py（不是在 Hat 類中）創建一個 experiment 函數。 此函數應接受以下參數：
hat：一個包含球的帽子對象，應該在函數內複製。expected_balls：一個對象，指示嘗試從帽子中抽取的確切球組以進行實驗。 例如，要確定從帽子中抽取 2 個藍球和 1 個紅球的概率，將expected_balls設置爲{"blue":2, "red":1}。num_balls_drawn：每次實驗中從帽子中抽出的球數。num_experiments：要執行的實驗數量。 （進行的實驗越多，近似概率就越準確。）
experiment 函數應該返回一個概率。
例如，假設你想確定當你從一個包含 6 個黑球、4 個紅球和 3 個綠球的帽子中抽出 5 個球時，至少得到 2 個紅球和 1 個綠球的概率。 爲此，我們進行 N 次實驗，記錄其中我們至少得到 2 個紅球和 1 個綠球的次數 M，並估計概率爲M/N。 每個實驗都包括從一頂裝有指定球的帽子開始，抽取一些球，然後檢查我們是否得到了我們想要得到的球。
以下是基於上面的示例調用 experiment 函數的方法，其中包含 2000 個實驗：
hat = Hat(black=6, red=4, green=3)
probability = experiment(hat=hat,
expected_balls={"red":2,"green":1},
num_balls_drawn=5,
num_experiments=2000)
由於這是基於隨機抽取的，因此每次運行代碼時概率會略有不同。
提示：考慮使用已經在 prob_calculator.py 頂部導入的模塊。 不要在 prob_calculator.py 中初始化隨機種子。
開發
在 prob_calculator.py 中編寫你的代碼。 對於開發，你可以使用 main.py 來測試你的代碼。 單擊“運行”按鈕，main.py 將運行。
樣板文件包括 copy 和 random 模塊的 import 語句。 考慮在你的項目中使用它們。
測試
這個項目的單元測試在 test_module.py 中。 爲了你的方便，我們將測試從 test_module.py 導入到 main.py。 只要你點擊“運行”按鈕，測試就會自動運行。
提交
複製項目的 URL 並將其提交給 freeCodeCamp。
--hints--
它應該能正確地計算概率，並通過所有測試。
--solutions--
/**
Backend challenges don't need solutions,
because they would need to be tested against a full working project.
Please check our contributing guidelines to learn more.
*/