編程為什么需要概率和統計？_LION

當你看到這樣的新聞，報道了某個娛樂圈明星投資了一家某某餐飲店。現在請思考一下，這則新聞是屬于娛樂領域還是餐飲領域呢？如果當你讀完這篇新聞大部分內容將的是餐飲行業的過去和現在以及未來。只有小部分涉及中國明星的八卦事情。

你可以覺得，這新聞屬于餐飲領域。因為大部分將餐飲領域，而只要小部分屬于娛樂八卦。如果用數字來衡量大部分和小部分，我們可以說，90%屬于餐飲領域，而只要10%屬于娛樂八卦。用數字表示了事件發生的可能性。

根據上面的例子，我們大致知道，概率就是描述這種可能性的一個數值。

Halborn 發現 Flow 編程語言 Cadence 中的高危漏洞，目前已修復:7月11日消息，區塊鏈安全機構 Halborn 在 Twitter 上表示，在審計 Cadence 語言期間發現 Flow 編程語言 Cadence 中的高危漏洞，該漏洞使得 Cadence 可以允許訪問被銷毀的資源。該漏洞產生的原因是由于當資源被銷毀時，解釋器不會使對資源的引用無效，從而使得可以調用被銷毀資源上的函數。目前 Cadence 解釋器已更新，以便在創建對可選項的引用時檢查內部值的類型。[2022/7/11 2:06:06]

隨機變量

我們知道概率和日常生活息息相關，比如天氣預報。在概率論中有很多概念。但是下面的幾個基本概念非常重要，你需要知道。

隨機變量來描述事件所有可能出現的狀態，并使用概率分布來描述每個狀態出現的可能性。而隨機變量又可以分為離散型隨機變量和連續型隨機變量。

Filecoin介紹與EVM兼容的Filecoin虛擬機，計劃今年2季度引入可編程性:3月28日消息，Filecoin介紹與 EVM 兼容的 Filecoin 虛擬機（FVM），旨在為 Filecoin 網絡引入智能合約的可編程性。FVM 原生代碼語言為 WASM（WebAssembly），還將首先實現 EVM（以太坊虛擬機）兼容。借助 FVM，除了現有的存儲功能外，Filecoin 網絡還可以獲得計算能力。此外 FVM 將分階段上線，2022 年第 1 季度計劃引入協議分叉，在開發者可編程之前引入準備性調整，包括 Gas 機制和架構調整，隨后 2022 年第 2 季度將引入可編程性，重新設計系統角色和更深層次的協議更改，使其更容易針對系統角色進行編程。[2022/3/28 14:21:35]

離散隨機變量是指其數值只能用自然數或整數單位計算的則為離散隨機變量。如明天是否下雨。

紅洞數藏將發布可編程數字藝術藏品《元宇宙煙花》:1月24日消息，明日Aily Gallery簽約算法藝術家“道龍”創作的可編程數字藏品藝術作品《元宇宙煙花》將在紅洞數藏推出。據悉，在《元宇宙煙花》中，用戶獲得每一份元宇宙煙花都是獨一無二的，借由智能合約的可編程性，用戶可以通過盲盒獲得元宇宙煙花，并將多個煙花進行合成，得到全新且更稀有的更高等級煙花。用戶可使用所購買的煙花視頻（包含視頻中的圖案）進行任何商業活動。該數字藏品將在1月25日-1月29日開放售賣。[2022/1/24 9:09:45]

連續隨機變量是指在一定區間內可以任意取值的變量,其數值是連續不斷的.,相鄰兩個數值可作無限分割,即可取無限個數值。例如明天的雨量。

概念分布

概率分布是指數據在統計圖中的形狀，概率分布是隨機變量的概率在統計圖中的表現形式。同樣，概率分布又分為離散概率分布和連續概率分布

ZB Capital、水木金融科技基金戰略投資ADTOKEN.IO區塊鏈編程平臺:據官方消息, ZB Capital、水木金融科技基金宣布戰略投資通用區塊鏈編程平臺ADTOKEN.IO。未來,機構方將會對ADTOKEN.IO在技術、市場、生態建設方面提供深度支持。

ADTOKEN.IO成立于2018年3月，是一個通用區塊鏈編程平臺。平臺內置圖靈完備的編程語言，用戶可以基于此開發自己的應用并發行自己的代幣。

ADTOKEN.IO致力于為大眾提供安全、高效、易用的區塊鏈底層編程系統，并基于此打造全球頂級區塊鏈電子商務數據信息平臺。

（數字貨幣市場波動大投資有風險，ZB資本的投資行為不作為用戶投資建議）[2021/1/2 16:15:25]

離散概率分布包括伯努利分布、二項分布、幾何分布和泊松分布。而連續概率分布主要是正態分布。

金色相對論丨高慶忠：專用芯片ASIC和可編程FPGA是區塊鏈與芯片結合的重要發展方向:在本期金色相對論上，在談到“當前區塊鏈技術與芯片層面的工作結合進展如何”時， ATN&Atmatrix CEO高慶忠表示，當年WinTel模式，是在摩爾定律時代的產物，如今摩爾定律已耗盡芯片發展紅利，摩爾定律已快失效的時候，談WinTel模式對于區塊鏈技術與芯片層面結合的工作，不是很準確。當前區塊鏈技術與芯片層面的工作結合，更多在于原先CPU、GPU等標準芯片在區塊鏈HASH算法、密碼處理、智能合約、共識算法處理上優化不夠充分，因此需要使用FPGA或者ASIC來做專用芯片，以便提升區塊鏈效率。ATN及Atmatrix由于區塊鏈人工智能結合，在芯片上也有考慮未來與有實力的芯片公司合作，共同探索區塊鏈人工智能芯片。

芯片產業在美國，按照投資回報和增長率，以及技術更新速度等來看，已經是夕陽產業，或者說是很傳統的產業。只是在國內，由于產業結構不完整，成為一個很薄弱的產業，被美國牽著鼻子走。芯片與區塊鏈結合，更多還是在于對于區塊鏈軟件的優化版本的芯片而已。專用芯片ASIC和可編程FPGA，是區塊鏈與芯片結合的重要發展方向。除了Nvidia之外，也有多家在做AI芯片，ATN和Atmatrix在做AI Market，共享AI，也與幾家AI芯片廠商在談合作。[2018/7/17]

伯努利分布：

伯努利分布(Bernoullidistribution)是很簡單的離散分布。在伯努利分布下，隨機變量只有兩個可能的取值:1和0。隨機變量取值1的概率為p。相應的，隨機變量取值0的概率為1-p。因此，伯努利分布可以表示成:

即伯努利分布只有兩種可能的結果：成功和失敗

例如，投擲一次硬幣，出現正面，記錄為1，出現反面，記錄為0。而拋硬幣的結果要么正面朝上，要么反面朝上，所以拋硬幣的結果服從伯努利分布。

Billions項目組數組包importnumpyasnpBillions項目組統計計算包的統計模塊fromscipyimportstatsBillions項目組第2步，Billions項目組它返回一個列表，列表中每個元素表示隨機變量中對應值的概率p=0.5Billions項目組第3步，繪圖plt.plot(X,pList,marker='o',linestyle='None')plt.vlines(X,0,pList)Billions項目組y軸文本plt.ylabel('概率')Billions項目組顯示圖形plt.show()

二項分布

二項分布可以從計數的角度來理解。n次測試，如果隨機變量為k，意味著其中的k次成功，n-k次失敗。從n次實驗中挑選k個，根據計數原理，共有(nk)(nk)種可能。其中的每種可能出現的概率為pk(1?p)n?k)pk(1?p)n?k)。因此，二項分布可以表示成為:

即二項分布度量的是在n次伯努利試驗中正好有k次成功的概率。

例如，連續10次拋硬幣，正面朝上的次數就符合二項分布.

Billions項目組數組包importnumpyasnpBillions項目組統計計算包的統計模塊fromscipyimportstatsBillions項目組做某件事情的次數p=0.5Billions項目組第2步，Billions項目組它返回一個列表，列表中每個元素表示隨機變量中對應值的概率pList=stats.binom.pmf(X,n,p)pListBillions項目組x軸文本plt.xlabel('隨機變量：拋硬幣正面朝上次數')Billions項目組標題plt.title('二項分布：n=%i,p=%.2f'%(n,p))Billions項目組導入包Billions項目組繪圖包importmatplotlib.pyplotaspltBillions項目組第k次做某件事情，才取到第1次成功Billions項目組做某件事情成功的概率，這里假設每次表白成功概率都是60%p=0.6X=np.arange(1,k+1,1)XBillions項目組求對應分布的概率:概率質量函數(PMF)Billions項目組分別表示表白第1次才成功的概率，表白第2次才成功的概率，表白第3次才成功的概率，表白第4次才成功的概率，表白第5次才成功的概率pList=stats.geom.pmf(X,p)pListBillions項目組x軸文本plt.xlabel('隨機變量：表白第k次才首次成功')Billions項目組標題plt.title('幾何分布：p=%.2f'%p)Billions項目組導入包Billions項目組繪圖包importmatplotlib.pyplotaspltBillions項目組定義隨機變量，已知某路口發生事故的頻率是每天五次，那么此處一天內發生k次事故的概率是多少？mu=5Billions項目組求對應分布的概率：概率質量函數plist=stats.poisson.pmf(x,mu)plistBillions項目組設定均值K=int(K)Billions項目組np.random.randn(1000)+K為創造1000個均值為K的點，服從正態分布，np.random.poisson()為服從泊松分布fig=plt.figure(figsize=(10,5))Billions項目組對進行開方coef=1/(sqrt_2pi*sig)Billions項目組-1/mypow=powercoef*(np.power((data-avg),2))Billions項目組cofe乘e的mypow次方Y=foriinrange(100):S=guass(X,K,std)Y.append(S)plt.plot(X,Y,label='Normal')plt.legend(,facecolor='white')plt.show()

總結

在真實的世界里，我們通常只能觀測到一些數據，而無法事先知道，是什么模型產生了這些數據，這時候就要依賴統計學。所以，海量數據的分析、實驗和機器學習，都離不開統計學。

Tags：IONLIONLIOBILLluckyvacationGodzillionDelioBaby Billionaires Club

火幣交易所