Как сделать численно равные выборки из нормального и любого иного распределения? Привет, ребята!Дано множество экземпляров, допустим популяция из 1000 слонов. У слона есть характеристика — вес. Её параметр у каждого слона разный и имеет нормальное распределение на графике x^число_экземпляров * y^вес. Среднее значение параметра 5000 килограмм.
Сведения о распределении веса в популяции заданы шестью равными по ширине диапазонами.1000-2000 кг : 5 слонов2000-3000 кг : 15 слонов4000-5000 кг : 30 слонов6000-7000 кг : 30 слонов7000-8000 кг : 15 слонов8000+ кг : 5 слоновВопрос, как с некоторой точностью переопределить диапазоны весов, опираясь на сведения выше, чтобы получить в каждом диапазоне по пять слонов (± один слон). Диапазонов, соответственно, станет больше чем шесть.
В конечном счёте, это нужно запрогграмировать в JS-функцию, поэтому, если можете описать задачу не математическим, а программным языком, будет даже лучше.
Буду признателен любым подсказкам, которые подтокнут меня в правильную сторону в поиске решения.
Как сделать численно равные выборки из нормального и любого иного распределения? Привет, ребята!Дано множество экземпляров, допустим популяция из 1000 слонов. У слона есть характеристика — вес. Её параметр у каждого слона разный и имеет нормальное распределение на графике x^число_экземпляров * y^вес. Среднее значение параметра 5000 килограмм.
Сведения о распределении веса в популяции заданы шестью равными по ширине диапазонами.1000-2000 кг : 5 слонов2000-3000 кг : 15 слонов4000-5000 кг : 30 слонов6000-7000 кг : 30 слонов7000-8000 кг : 15 слонов8000+ кг : 5 слоновВопрос, как с некоторой точностью переопределить диапазоны весов, опираясь на сведения выше, чтобы получить в каждом диапазоне по пять слонов (± один слон). Диапазонов, соответственно, станет больше чем шесть.
В конечном счёте, это нужно запрогграмировать в JS-функцию, поэтому, если можете описать задачу не математическим, а программным языком, будет даже лучше.
Буду признателен любым подсказкам, которые подтокнут меня в правильную сторону в поиске решения.
Сведения о распределении веса в популяции заданы шестью равными по ширине диапазонами.1000-2000 кг : 5 слонов2000-3000 кг : 15 слонов4000-5000 кг : 30 слонов6000-7000 кг : 30 слонов7000-8000 кг : 15 слонов8000+ кг : 5 слоновВопрос, как с некоторой точностью переопределить диапазоны весов, опираясь на сведения выше, чтобы получить в каждом диапазоне по пять слонов (± один слон). Диапазонов, соответственно, станет больше чем шесть.
В конечном счёте, это нужно запрогграмировать в JS-функцию, поэтому, если можете описать задачу не математическим, а программным языком, будет даже лучше.
Буду признателен любым подсказкам, которые подтокнут меня в правильную сторону в поиске решения.
Похожие вопросы
Не можешь разобраться в этой теме?
Обратись за помощью к экспертам
Гарантированные бесплатные доработки
Быстрое выполнение от 2 часов
Проверка работы на плагиат
Интересные статьи из справочника
Поможем написать учебную работу
Отвечай на вопросы, зарабатывай баллы и трать их на призы.
Подробнее
Подробнее
Для выполнения этой задачи в программировании, вы можете использовать подход, основанный на алгоритме k-means.
Шаги решения:
Создайте массив данных, содержащий все веса слонов.Начните с исходных диапазонов весов и их количества слонов.Выполните кластеризацию данных методом k-means, чтобы разделить все веса на новые группы так, чтобы в каждой группе было примерно одинаковое количество слонов.Выведите новые диапазоны весов и количество слонов, попавших в каждый диапазон.Вот пример реализации данного подхода на JavaScript:
const data = [/* массив весов слонов */];const initialRanges = [
{ range: '1000-2000', count: 5 },
{ range: '2000-3000', count: 15 },
{ range: '4000-5000', count: 30 },
{ range: '6000-7000', count: 30 },
{ range: '7000-8000', count: 15 },
{ range: '8000+', count: 5 }
];
function reassignRanges(data, ranges) {
// Реализация алгоритма k-means для кластеризации данных
// Определение новых диапазонов на основе кластеризации
// Вывод новых диапазонов
}
reassignRanges(data, initialRanges);
Не забудьте настроить вашу функцию reassignRanges для выполнения алгоритма k-means и корректного перераспределения диапазонов весов. В итоге вы получите новые диапазоны с примерно одинаковым количеством слонов в каждом из них.