從任意大樣本中隨機選擇時加權不同結果

Question

所以，我坐在我的後院考慮口袋妖怪，因爲我們都習慣這樣做，這讓我想：當你遇到一個隨機的口袋妖怪時，有些樣本比其他樣本更經常出現，這意味着它們的權重不同於出現較少的樣本。

現在，我是否需要以一定的概率出現讓不同的口袋妖怪出現的問題，我很可能會這樣做，只需增加某些口袋妖怪在選擇池中的入口數量（如此） ，

Pool: 
C1 C1 C1 C1 
C2 C2 
C3 C3 C3 C3 C3 
C4 

所以C1有三分之一的機會被拉到，C2具有1/6的機會，等等，但我明白，這可能是一個非常簡單而幼稚的做法，是不可能很好地擴展有大量的選擇。

所以，我的問題是這樣的，S/O：給定一個任意大的樣本量，你如何去衡量一個結果大於另一個結果的機會？而且，作爲後續問題，假設您希望某些選項的概率以浮點精度與整數比率相對的比率出現？

Answer 1

如果你知道每個事件的發生，你需要這些概率的範圍0-100映射的可能性（如果你想用實數和概率或0〜1）

所以在上面的例子中有12個Cs。 C1爲4/12或〜33％，C2爲〜12％的2/12，C3爲5/12或〜42％，C4爲1/12或〜8％。

請注意，這些全部加起來爲100％。所以如果我們選擇一個0到100之間的隨機數，我們可以將C1映射到0-33，C2映射到33-50（比C1的值大17），C3映射到50-92，C4映射到92-100。

if語句可以做出選擇：

r = rand() # between 0-100 
if (r <33) 
    return "C1" 
elsif (r < 50) 
    return "C2" 
elsif (r < 92) 
    return "C3" 
elsif (r < 100) 
    return "C4" 

如果你想要更多的精度高於1 100剛剛從1-1000或任何範圍內你想要去。這可能是更好的形式來使用整數和擴展它們而不是使用浮點數，因爲如果值之間的擴展變大，浮點可能會有奇怪的行爲。

如果你想要像你展示你上面可以嘗試像這樣（在紅寶石雖然想法是更普遍的）走合併路線：

a = ["C1"]*4 + ["C2"]*2 + ["C3"]*5 + ["C4"] 
# ["C1", "C1", "C1", "C1", "C2", "C2", 
# "C3", "C3", "C3", "C3", "C3", "C4"] 
a[rand(a.length)] # => "C1' w/ probability 4/12 

，你需要創建分級會更慢數組，但更容易添加替代方法，因爲您不需要每次重新計算概率。

您還可以從數組表示中生成上述代碼，以便在代碼生成時只進行一次預處理命中，然後從創建的代碼中獲得快速答案。