概率編程原理

❶ 電腦中的隨機數是怎麼生成的（硬體方面的原理）

http://ke..com/view/1127.htm

偽隨機數的生成方法
一般地，偽隨機數的生成方法主要有以下3種[6]：
（1） 直接法（Direct Method），根據分布函數的物理意義生成。缺點是僅適用於某些具有特殊分布的隨機數，如二項式分布、泊松分布。
（2） 逆轉法（Inversion Method），假設U服從[0，1]區間上的均勻分布，令X=F-1（U），則X的累計分布函數（CDF）為F。該方法原理簡單、編程方便、適用性廣。
（3）接受拒絕法（Acceptance-Rejection Method）：假設希望生成的隨機數的概率密度函數（PDF）為f，則首先找到一個PDF為g的隨機數發生器與常數c，使得f
[偽隨機數發生器]

偽隨機數發生器
（x）≤cg（x），然後根據接收拒絕演算法求解。由於演算法平均運算c次才能得到一個希望生成的隨機數，因此c的取值必須盡可能小。顯然，該演算法的缺點是較難確定g與c。 因此，偽隨機數生成器（PRNG）一般採用逆轉法，其基礎是均勻分布，均勻分布PRNG的優劣決定了整個隨機數體系的優劣[7]。下文研究均勻分布的 PRNG。
隨機數的「廬山真面目」
首先需要聲明的是，計算機不會產生絕對隨機的隨機數，計算機只能產生「偽隨機數」。其實絕對隨機的隨機數只是一種理想的隨機數，即使計算機怎樣發展，它也不會產生一串絕對隨機的隨機數。計算機只能生成相對的隨機數，即偽隨機數。
偽隨機數並不是假隨機數，這里的「偽」是有規律的意思，就是計算機產生的偽隨機數既是隨機的又是有規律的。怎樣理解呢？產生的偽隨機數有時遵守一定的規律，有時不遵守任何規律；偽隨機數有一部分遵守一定的規律；另一部分不遵守任何規律。比如「世上沒有兩片形狀完全相同的樹葉」，這正是點到了事物的特性，即隨機性，但是每種樹的葉子都有近似的形狀，這正是事物的共性，即規律性。從這個角度講，你大概就會接受這樣的事實了：計算機只能產生偽隨機數而不能產生絕對隨機的隨機數。（嚴格地說，這里的計算機是指由馮諾依曼思想發展起來的電子計算機。而未來的量子計算機有可能產生基於自然規律的不可重現的「真」隨機數）。

❷ 學習編程序、學習c語言，需要用到非常深奧的數學原理嗎

不需要，只需要基本的高數能力即可，當然對概率論，線性代數等等也是要懂一點的。總之一句話不需要學精。

❸ 當程序員需要什麼知識

如果做一個專業的程序員:
1.基礎語言知識 :從底層的ASM 到結構化的C,到面向對象的C++ java,如果不能都精通,但是要了解,至少要精通一門

2.基礎數學知識: 高等數學(數學分析) 線性代數 離散數學,概率.數理統計等等

3.基礎計算機原理:操作系統原理,微機原理,編譯原理 資料庫原來等等

4.看你感興趣的學習一個方向:圖形學...windows應用程序開發...Linux程序開發,資料庫方面 網路編程,等等
----------------------------------------------------------------------
如果只是想快速編軟體:
敬告:這樣不會成為一個真正的高手!

比如windows平台的編程:<這里僅僅是比如>

學習C語言(熟悉結構化編程)->《windows程序設計》(學習windowsAPI知識） －>可以用API進行編程了。
但是現在用純API編程幾乎絕跡。不是淘汰，因為商業用要盡快成為軟體好賣，API開發會消耗程序員大量時間，但是API是基礎。

或者
學習C＋＋語言（熟悉面向對象技術）－>《MFC程序設計》（學習MFC編程）－>MFC開發 －> MFC應用比較廣

.net技術我沒有接觸過。現在正流行這個，等樓下的給你介紹吧！
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
相比較而言，用DELPHI最省事。但是你要了解Object Pascal語言，這個編程工具是以這個語言為基礎的。Delphi開發也是很不錯的。
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
以上只是一個建議，學習不可能簡單，而且路子不一樣，上邊提到的兩windows書，是微軟出版社，在這個方面最權威的書。

❹ 求一個概率演算法

剛學過。這就是一個簡單的離散分布的隨機模擬嘛，直接說結果吧，原理就不說了。
首先你要得到一個(0，1)區間上的均勻分布的隨機數，(可以查表，不過一般的軟體都可以直接調的),記為 u(1)，
然後記F(0)=0，F(A)=0.6 ,F(B)=0.8 ，F(C)=0.9, F(D)=0.95 ,F(E)=0.98,F(F)=1,這樣（0，1）區間就被分成了6斷，現在就看u(1)落在哪個區間里了，比如得到u(1)=0.7352，那就取 B 了，得到u(1)=0.9632那就取 E 了。
然後再取u(2),u(3)去對應，反正你要的多少隨機數，就取幾個u。

補充一下，由於不能重復，那麼當你用u(1)得到B的話，就應該把F(B)這個點刪除，然後在仿照上面的方法，注意這時區間長度不是1 了，所以你要對u(2)進行處理（用u（2）除以現在的區間長度）。

❺ 編程入門教程

1. 我應該選擇什麼編程語言

可能困擾編程新手最多的一個問題是【我應該學什麼編程語言】或者【我需要學習哪些課程才能做出一個web、一個app】，很多人一直糾結這個問題，陷入了東學一點、西看一點的死循環，到頭來啥也沒學好，這會很浪費時間。
剛上大一的時候，我也很想知道應該選擇什麼編程語言。我問了很多人，網上各種查資料，但所能得到的答案都很片面，多數對這個問題答非所問，總是回答說「某某編程語言難」，「某某編程語言性能好」。其實作為初學者，我們對計算機體系都不了解，就不要過多地去糾結性能，或者難易等因素，原因我等下再說。
如果你有明確的方向，那麼很好選擇。如果你想做演算法、機器學習方向，那麼python是最好的選擇。如果你想做web開發，java、php等都可以。如果想做一些更底層的工作，那麼就可以選c。當然這是建立在你有明確方向的基礎上。可是，很多人都沒怎麼接觸過計算機行業，特別是和我一樣剛入學就被調劑到計算機專業的人。對這些同學來說，各個編程語言就只是個名字，除了叫法不一樣，你根本不知道它們有什麼差別。所以索性不要糾結了，我替你選一個吧。
如果你是在校大學生，那麼你有大把連續的時間，就先學習c，然後再學c++。我個人是學c入門的，也許很多人不理解我為什麼推薦學c，因為c和c++都很難、很復雜，看起來並不適合入門。然而正是它們的難和復雜才能讓你更好地理解計算機系統【計算機系統不是指操作系統】。學習編程不是學習編程語言，而是學習一個計算機生態，即一個龐大的知識體系。只會編程語言而不理解整個計算機的體系，就像只會寫字而寫不出好文章。了解c/c++和了解計算機系統是極為貼合的，向下可以幫助你更容易地理解操作系統、編譯原理、計算機網路、計算機組成原理，為什麼呢？因為較為底層的東西很多都是用c實現的，和系統的貼合度極高，很多教材源碼甚至教程，在講述這些知識的時候都是用c或c++作為媒介。而向上，c++面向對象的機制，也可以做出一些應用，譬如五子棋游戲等，也不會顯得那麼枯燥。花個小半年時間了解c和c++，之後你就會覺得看書、看資料可以輕松很多。
如果你是一個上班族，但是剛剛學習編程，可能學c和c++對你來說有些復雜和困難，因為學習它們確實是很需要時間。你們不像在校生那樣有大把的連續時間，而零碎的時間去學習一個比較復雜的東西效果不見得有那麼好，所以可以先學一些【更容易見效】的編程語言，從python入手吧，至少能快速做出一些小應用，不至於丟失了興趣，但是真的要入門編程又還得看看與計算機系統相關的書籍，這樣才能更深層次地去編程，譬如【深入理解計算機系統】這一本書可以讀很多遍，這本書把整個計算機系統給串起來了。

2.學習編程，我需要學習哪些課程？
我要學哪些課程？我為什麼要學習如高數、離散數學、線性代數、概率論等課程？
這個問題也是之前困擾了我很久的問題。不過我現在想通了，對於【高數、離散、線性代數、概率論】等課程，很好解釋，做演算法的同學肯定知道為啥要學習這些課程。機器學習中會大量用到上述提到的課程，所以會比較好理解。對在校生而言，學校開設的很多課程我們不知道為什麼要學，我們很疑惑，不知道學它有什麼用，這個時候我們就會很糾結，還會產生抵觸情緒。這很正常，因為我們學習得不夠深入，自然不能理解它們的用處。
在我看來，大學本科課程更多的是面向「面」的教學，即什麼課程都教給你一些，但是又講得不那麼深入；而工作或者讀研，更多的則是面向「點」的學習，用到的知識更專。本科時，學校也不知道你以後是去搞演算法、還是搞架構、還是搞伺服器開發，甚至去搞硬體，所以學校需要你學很多課程，至少有個了解。對學生來說，一方面可以從中選擇自己感興趣的點；一方面也可以對未來的就業方向有些啟發。所以即使像數電、模電等課程，雖然之後可能用不著，但是你也要學，並且會花費大量的時間。雖然你最後不一定去搞硬體，但是這些課程也會讓你更容易去理解一些知識，比如cpu中的邏輯器件。
如果你在大一的時候就有一個明確的定位，知道自己今後想從事哪方面的工作，課程與課程之間是可以調一下優先順序的。不過像大學物理，這種課程確實是對編程沒有幫助，但是像我前面所說的，大學教育更注重廣度，大物等課程可能就是為了給你普及生活常識吧。
其實，大學教育的問題是普遍存在的，我認為我們學習一項技能的時候，應該採取的是項目驅動式學習，即需要用到什麼東西時不會了再去學，而不是先填鴨式的都填進腦子，並且在學習的過程中我們還不知道它這是幹嘛用的，等之後用到了，甚至不記得自己學過，反而查資料才會想起：哦，原來我之前學的xx科目是這個用處啊，可是我當時並沒有好好學。很多時候學生時間的浪費可能還是要怪老師、怪學校，他們一開始沒給我們做好充分的課程介紹。所以，在經過比較多的編程和項目實踐後，我認為一個比較好的學習方式是，改良版的項目驅動學習法。即：
學習一段時間，做個小項目，將做項目遇到的問題記下來，針對性地學習相關知識，然後再實踐，再學一段時間理論，讓知識成網狀發射狀地變大。當然，項目驅動式學習有一個弊端，就是每次學習的知識都是項目所需要的，很零碎、不成體系，所以需要改良，即在採取項目驅動學習法的時候每天抽一段時間去完整地讀一本書，或者一個相關問題的完整介紹，這樣就很容易把一些知識成體系地串起來。這樣一段時間下來，慢慢的，你就知道我們為什麼要學那麼多科目，學這些科目能幹什麼。
為了表達地更加形象，我就舉一個小例子，是我最近遇到的。我本身的工作是做Linux C++的，但不僅限於此。我個人對python、數據分析，以及機器學習等內容比較感興趣，大家可以看到我最近也在我的專欄發布了很多文章。就從數據獲取開始，我講講我這兩個月做了什麼東西。
談到數據獲取，可能最容易想到的是爬蟲，爬蟲是一個在知乎上被說爛了的話題，所以我不想多說它是什麼。很多時候有人覺得爬蟲簡單，為什麼呢，因為有現成的框架，所以獲取少量的數據就比較容易。但是當你需要爬取的數據很大的時候（比如我之前抓取了知乎500萬用戶的數據，在下班的時間、用自己家裡普通的pc，計算機性能並不是那麼好，比不上伺服器，又要在不被封IP的情況下抓到這么大量的數據，然後對數據進行清洗，最後還要可視化展示），使用現成的爬蟲框架就並不是那麼容易實現了。況且，我需要抓很多數據源，並不是一錘子買賣。所以我選擇去開發一個系統，即在現有的框架下進行二次開發，搭建一個屬於自己的爬蟲系統，並植入一些演算法。我在系統中添加了很多中間件，直到現在，它還可以在10分鍾內就部署一個能抓取大量數據的爬蟲應用。

❻ 數學與計算機有什麼聯系

在接觸計算機前，就被N多人告知，計算機和數學關系很大；在網上和MM聊天時，當我自稱是學計算機的學生時，對方直接曰：那你數學很強咯~~~ 我只能....汗....
因為當時我剛大一，只學了c語言和高數，我實在看不出c語言和高數有什麼關系~~
相信這也是很多剛剛學習計算機、編程的同學的問題

在此我給大家說說我的理解，並不一定正確，但相信一定值得你借鑒

首先要說，計算機不等於編程

如果你學過數據結構和計算機組成原理，你就一定明白，編程，只是計算機行業里的一個小分支，你為什麼能編寫程序？是因為有人已經把更低端的語言直至硬體系統都做好了而要完成後者，就必須懂數學，因為硬體如何有效地形成系統等一系列底層計算機問題，都是通過一個方法來解決的：抽象成數學模型
既然咱這是c++吧，這就不多說了

再次要說，編程是什麼

既然學c++了，就一定聽過演算法這個詞，演算法是什麼，就是每個等待要被計算機解決的問題的方法，我們編程的過程，永遠是先看到問題，然後想出辦法（即演算法），最後由某種語言來在計算機上實現
由此可以看出，語言固然重要，它是把問題計算機化的唯一手段，但演算法才是精髓
你編程語言再NB，如果你不懂演算法，那麼你永遠是計算機行業的藍領
那些懂演算法的人甚至可以不懂任何一門編程語言（據說美國有些計算機教授真的不懂任何一門編程語言，他們都是研究數學然後轉到了計算機方向），他們把演算法用偽碼寫好，而你的任務此刻更像是個機器----把人家給你的偽碼實現

所以如果你學編程只是玩玩，那沒關系，只學語言就好而如果你想真正學計算機，哪怕你只是學直接和代碼打交道的專業，那有個很重要的工作你必須去做，就是學計算機專業的數學和演算法

對於計算機專業的數學，有最基本的這幾門：離散數學、線性代數、概率統計
尤其是第一門，和演算法、網路聯系相當緊密，同時它又是訓練邏輯思維的最佳選擇！單純的編程確實可以鍛煉邏輯思維，有助於計算機學習，但如果你想系統地、大幅度地提升你的邏輯思維能力，請去學：離散數學！！

學了這幾門課後，如果你有任意一門高級語言的基礎，那就可以學數據結構和演算法了

把以上的都學了，才算是完成了計算機的基礎學習（請注意在此過程中編程語言的用處和地位）

當然我絕對不是在說大家都別學c++了，因為只有你懂一門語言，才能把你的邏輯能力實例化，才能進行數據結構和演算法的學習

我只是想說，既然學c++，相信大家的智商都不是問題，既然學了c++，就應該以此為基礎，去學習更多的東西~~~~

其實我所說的，就是每個大學計算機專業的大一大二的課程安排....
咱吧不是有個帖子是《學習c++的50條忠告》么，就如此貼中說的，不要浮躁，腳踏實地地學習才是王道！不要迷戀最新技術，好好把c、c++（不是那些把什麼都封裝好的語言譬如java）學好了，就足夠你去學別的課程了

❼ 線形代數，離散，概率論，高數分別對計算機編程起什麼作用

1.線代、高數、概率數學對計算機編程基本沒用處，稍稍有些用的是離散；
2.計算機編程起初主要是為了解決數學計算問題；
3.如果你想解決數學問題，應該要學習這些數學，如果編程是為了其它目的，不學也可以。