P演算法步驟

1. 簡述CSMA技術的P-堅持演算法規則

5.1.1 CSMA退避演算法

CSMA（載波偵聽多路訪問）技術也稱為LBT（Listen Before Talk，先聽後說），也就是先偵聽要訪問的介質，在發現介質空閑時再進行數據發送。

CSMA介質爭用技術適用於匯流排型和樹型拓撲結構，主要解決如何共享一條公用匯流排介質。其原理是：在網路中任何一個工作站在發送信息前，要先偵聽網路中有無其他站點在發送信號，如無則立即發送；如有其他站點正在發送數據，則此站點要先避讓一下，等一段時間後再偵聽，直到介質空閑才發送。

在CSMA技術中，採用了一些退避演算法來決定避讓的時間。常用的退避演算法有三種：非堅持、1-堅持、P-堅持。下面是這些演算法的具體解釋。

1．"非堅持"演算法

"非堅持"退避演算法的關鍵點就在於"非堅持"這三個字上。"非堅持"就是在發生介質處於忙的狀態（也就是正在傳送其他站點數據）時，本站點不堅持繼續發送，而是在一個隨機延遲後繼續偵聽介質，發現介質空閑時本站點才可發送數據。

總結起來，這種演算法的演算法規則如下：

（1）如果介質是空閑的，則可以立即發送數據。

（2）如果介質是忙的，則等待一個隨機延遲的時間後，再繼續偵聽，直到介質為空閑才發送數據。

在這種方式中，採用隨機的重發延遲時間（也就是說這個等待的時間是隨機的，而不是固定的）可以減少沖突發生的可能性。但是這種演算法有一個致命的缺點，那就是在有多個站點發送數據時，可能會由於大家都在延遲等待過程中，致使介質即使當前已處於空閑狀態，也沒有站點發送數據，這樣一來，介質的利用率就可能很低。所以這種演算法主要適用於小型的匯流排，或者樹型拓撲結構網路中，不適用於像現在大型的星型結構乙太網中。

2．"1-堅持"演算法

"1-堅持"退避演算法與前面介紹的"非堅持"演算法有些類似，但仍有些本質區別。這里的"1-堅持"演算法的"1"是指當一個站點發現介質是空閑時，它的數據傳輸成功率為1，也就是100%。當然這是開發這種退避演算法的作者自己的觀點，事實這種演算法不可能達到這種效果。具體將在下面介紹本演算法的缺點時解釋。

前面介紹的"非堅持"演算法是在發現介質忙後，即隨機等待一個延遲，然後繼續偵聽；而此處的"1-堅持"演算法中，在發現介質是忙時，不等待一個延遲，而是繼續偵聽，一旦發現空閑即立即發送，在數據傳送過程中發生沖突時放棄當前的數據傳送任務，等待一個延遲後再繼續偵聽。

"1-堅持"演算法的演算法避讓規則如下：

（1）如果介質空閑的，則可以立即發送數據。

（2）如果介質是忙的，則繼續偵聽，直至檢測到介質是空閑，立即發送數據。

（3）如果在發送數據過程中發生了沖突（因為可能有多個站點在同一時間檢測到介質為空閑，並立即進行了數據發送），則放棄當前的數據傳送任務，等待一個隨機的延遲時間，再重復上述步驟（1）～（2）。

很明顯，這種演算法相對前面介紹的"非堅持"演算法來說的優點就是提高了介質的利用率，因為在沒有發生沖突時無須等待一個隨機延遲就立即進行繼續偵聽，不會出現介質處於空閑狀態仍沒有站點發送數據的情況。但是，該演算法仍有致命的弱點，也就是在有多個站點發送數據的情況下，這種毫不等待的演算法也就使得沖突時常發生。原因就是前面所說的，可能在網路中同時有多個站點在同一時間檢測到介質空閑（因為中間沒有一個延遲，也就是一直在偵聽介質狀態），而立即進行了數據發送。也就是說在這種演算法下，發生沖突的機率比起"非堅持"演算法來說要大許多。所以這種演算法也僅適用於小型的匯流排型或者樹型拓撲結構網路，不適用於像現在大型的星型結構乙太網中。

3．"P-堅持"演算法

既然前面介紹的兩種演算法都存在明顯的不足，自然就會有人繼續後面的開發，於是就生產了新的"P-堅持"退避演算法。

理解"P-堅持"退避演算法的關鍵就是其中的"P"。P是指站點可以發送數據的概率，相當於前面介紹的"1-堅持"演算法中的"1"。這里的P是小於1的，也就是不是在一發現介質空閑時就發送數據，而是以一個概率來決定當前站點是否馬上發送數據。其目的就是為了避免與其他站點發生沖突。

"P-堅持"退避演算法是一種既能像"非堅持"演算法那樣減少沖突，又能像"1-堅持"演算法那樣減少介質空閑時間的折中方案，也就是綜合了前面所介紹的兩種演算法的優點，以實現缺點互補。

在"P-堅持"退避演算法中，關鍵是如何選擇P值，這要考慮到避免重負載下系統（如網路規模大，網路應用復雜）處於不穩定狀態。假如在介質處於忙狀態時有n個站在等待發送數據，則將要試圖傳輸的站點的總期望數設為nP。如果選擇P值選擇過大（也就是每個站點在介質空閑時可以發送數據的概率過高），則可能使nP>1，則表明有多個站點在試圖發送數據，這樣沖突就很難避免。最壞的情況是，隨著沖突概率的不斷增大，而使吞吐量降低到零。所以必須選擇適當的P值，使nP<1。當然P值選得過小，則介質利用率又會大大降低，因為這樣一來，即使介質處於空閑狀態，大家仍可能都會"謙讓"。

"P-堅持"演算法的規則如下：

（1）如果介質空閑，則以P概率發送數據（注意，只是一種概率，而不是馬上發送數據），而以（1-P）的概率延遲一個時間單位t，t等於最大信號傳播時延的兩倍。

（2）站點的發送已被延遲一個時間單位t後，則重復上述步驟（1），當然這時的P值可能不一樣。

（3）如果介質是忙的，繼續偵聽直到介質處於空閑狀態，然後重復上述步驟（1）。

從一個站點開始發送數據到另一個站點開始接收數據，即載波信號從一端傳播到另一端所需要的時間，稱為信號傳播時延。

信號傳播時延（μs）=兩站點間的距離（m）÷信號傳播速度（200m/μs）

數據幀從一個站點開始發送，到該數據幀發送完成所需的時間稱為"數據傳輸時延"；同理，數據傳輸時延也表示一個接收站點開始接收數據幀，到該數據接收完畢所需的時間。

數據傳輸時延（s）= 數據幀長度（bit）÷數據傳輸速率（b/s）

若不考慮中繼器引入的延遲，數據幀從一個站點開始發送，到該數據幀被另一個站點全部接收的總時間等於上述介紹的"數據傳輸時延"和"信號傳播時延"之和。

2. 排列組合公式 p幾幾的，怎麼算

大寫字母P，下標n，上標r，（這里打不出上下標，就打成P（n。r））表示從n個不同的元素中取出r個不重復元素，按次序排列。

如從5個人中選3人排成一隊，不同的排法有P（5，3）=60種P（n，r）的計算方法是P（n，r）=n！/［（n-r）！］=n*（n-1）*（n-r+1），如P（9，3）=9*8*7=504。

定義及公式

排列的定義：從n個不同元素中，任取m(m≤n,m與n均為自然數,下同）個不同的元素按照一定的順序排成一列，叫做從n個不同元素中取出m個元素的一個排列；從n個不同元素中取出m(m≤n）個元素的所有排列的個數，叫做從n個不同元素中取出m個元素的排列數。

3. 如何計算統計學中的P值（200分）

P值即為拒絕域的面積或概率。

P值的計算公式是

=2[1-Φ(z0)] 當被測假設H1為 p不等於p0時；

=1-Φ(z0) 當被測假設H1為 p大於p0時；

=Φ(z0) 當被測假設H1為 p小於p0時；

總之，P值越小，表明結果越顯著。但是檢驗的結果究竟是「顯著的」、「中度顯著的」還是「高度顯著的」需要我們自己根據P值的大小和實際問題來解決。

p值是指在一個概率模型中，統計摘要（如兩組樣本均值差）與實際觀測數據相同，或甚至更大這一事件發生的概率。換言之，是檢驗假設零假設成立或表現更嚴重的可能性。

p值若與選定顯著性水平（0.05或0.01）相比更小，則零假設會被否定而不可接受。然而這並不直接表明原假設正確。p值是一個服從正態分布的隨機變數，在實際使用中因樣本等各種因素存在不確定性。產生的結果可能會帶來爭議。

4. 概率中P和C怎麼算的這兩個的區別是什麼

一、排列組合計算方法如下：排列也可以表示成P

排列A(n,m)=n×（n-1）.（n-m+1）=n!/（n-m）!(n為下標,m為上標,以下同)

組合C(n,m)=P(n,m)/P(m,m) =n!/m!（n-m）!；

例如：

A(4,2)=4!/2!=4*3=12

C(4,2)=4!/(2!*2!)=4*3/(2*1)=6

二、概率中的C和P區別：

1、表示不同

C表示組合方法，比如有3個人甲乙丙，抽出2個人去參加活動的方法有C（3，2）=3種，分別是甲乙、甲丙、乙丙，這個不具有順序性，只有組合的方法。

P表示排列方法，表示一些物體按順序排列起來，總共的方法是多少。

2、性質不同

公式P是指排列，從N個元素取R個進行排列(即排序)。

公式C是指組合，從N個元素取R個，不進行排列（即不排序）。

(4)P演算法步驟擴展閱讀

在概率論發展的早期，人們就注意到古典概型僅考慮試驗結果只有有限個的情況是不夠的，還必須考慮試驗結果是無限個的情況。為此可把無限個試驗結果用歐式空間的某一區域S表示，其試驗結果具有所謂「均勻分布」的性質，關於「均勻分布」的精確定義類似於古典概型中「等可能」只一概念。

假設區域S以及其中任何可能出現的小區域A都是可以度量的，其度量的大小分別用μ(S)和μ(A)表示。如一維空間的長度，二維空間的面積，三維空間的體積等。並且假定這種度量具有如長度一樣的各種性質，如度量的非負性、可加性等。

5. 假設檢驗中的P值的計算方法

P值的計算：

一般地，用X 表示檢驗的統計量，當H0為真時，可由樣本數據計算出該統計量的值C，根據檢驗統計量X的具體分布，可求出P值。具體地說：

左側檢驗的P值為檢驗統計量X 小於樣本統計值C 的概率，即：P = P{ X < C}

右側檢驗的P值為檢驗統計量X 大於樣本統計值C 的概率：P = P{ X > C}

雙側檢驗的P值為檢驗統計量X 落在樣本統計值C 為端點的尾部區域內的概率的2 倍：P = 2P{ X > C} (當C位於分布曲線的右端時) 或P = 2P{ X< C} (當C 位於分布曲線的左端時) 。若X 服從正態分布和t分布，其分布曲線是關於縱軸對稱的，故其P 值可表示為P = P{| X| > C} 。

(5)P演算法步驟擴展閱讀：

假設檢驗的意義：

假設檢驗是抽樣推斷中的一項重要內容。它是根據原資料作出一個總體指標是否等於某一個數值，某一隨機變數是否服從某種概率分布的假設。

然後利用樣本資料採用一定的統計方法計算出有關檢驗的統計量，依據一定的概率原則，以較小的風險來判斷估計數值與總體數值(或者估計分布與實際分布)是否存在顯著差異，是否應當接受原假設選擇的一種檢驗方法。

用樣本指標估計總體指標，其結論有的完全可靠，有的只有不同程度的可靠性，需要進一步加以檢驗和證實。

通過檢驗，對樣本指標與假設的總體指標之間是否存在差別作出判斷，是否接受原假設。這里必須明確，進行檢驗的目的不是懷疑樣本指標本身是否計算正確，而是為了分析樣本指標和總體指標之間是否存在顯著差異。從這個意義上，假設檢驗又稱為顯著性檢驗。

6. 統計學中的P值應該怎麼計算

P值的計算公式是

=2[1-Φ(z0)] 當被測假設H1為 p不等於p0時；

=1-Φ(z0) 當被測假設H1為 p大於p0時；

=Φ(z0) 當被測假設H1為 p小於p0時；

總之，P值越小，表明結果越顯著。但是檢驗的結果究竟是「顯著的」、「中度顯著的」還是「高度顯著的」需要根據P值的大小和實際問題來解決。

(6)P演算法步驟擴展閱讀

統計學中回歸分析的主要內容為：

1、從一組數據出發，確定某些變數之間的定量關系式，即建立數學模型並估計其中的未知參數。估計參數的常用方法是最小二乘法。

2、對這些關系式的可信程度進行檢驗。

3、在許多自變數共同影響著一個因變數的關系中，判斷哪個（或哪些）自變數的影響是顯著的，哪些自變數的影響是不顯著的，將影響顯著的自變數加入模型中，而剔除影響不顯著的變數，通常用逐步回歸、向前回歸和向後回歸等方法。

4、利用所求的關系式對某一生產過程進行預測或控制。回歸分析的應用是非常廣泛的，統計軟體包使各種回歸方法計算十分方便。

7. 畫出求P=1*2*3*…*99*100的值的演算法流程圖

由已知中程序的功能為用循環結構計算1×2×3…×100的值，為累加運算，且要反復累加100次，可令循環變數的初值為1，終值為100，步長為1，由此確定循環前和循環體中各語句，即可得到相應的程序框圖如下：

8. P概率的計算方法

P(8,6)=8*7*6*5*4*3=20160

從8開始連續遞減的6個自然數的積

--------------------------------
P上面6,下面8 就是 A上面6,下面8
也可以寫成P(8,6)
是8取6的排列數（從8個不同元素中取出6個元素的所有排列的個數）

9. 這個p是怎麼計算的

從5個數字中，找出2個數字，組成2位數。因為5個數字沒有重復，組成的2位數十位和個位有順序，所以這是排列組合中的排列問題（不考慮順序為組合問題，比如35和53代表一個意思，組合問題公式不一樣）。
P的計算為排列問題的公式，比如5個數選出5個排列就是P5,5,就要從5一直乘到1，5x4x3x2x1=120
這里是5個選出兩個排列就是P5,2, 只要從5乘到第二個數(4)，就是5x4=20.
標准公式: Pn,m=nx(n-1)x(n-2)x...x(n-m+1)
希望幫助到你

10. CSMA技術的P—堅持演算法規則是什麼

P—堅持演算法規則為：(1)監聽匯流排，如果匯流排空閑，則以P的概率發送，而以(1-P)的概率延遲一個時間單位(最大傳播時延的2倍)。(2)延遲了一個時間單位後，再重復步驟(1)。(3)如果匯流排是忙的，繼續監聽直至匯流排空閑並重復步驟(1)。