مسیرها
/
R
R
/
تمرین‌ها
/
سیاهه‌ی کاپیتان
سیاهه‌ی کاپیتان

سیاهه‌ی کاپیتان

تمرین یادگیری

مقدمه

بسیاری از برنامه‌ها برای شبیه‌سازی رویدادهای دنیای واقعی به مقادیر (به‌ظاهر) تصادفی نیاز دارند.

نمونه‌های رایج و آشنا عبارت‌اند از:

  • انداختن سکه: مقداری تصادفی که "H" یا "T" است.
  • انداختن تاس: عددی صحیح و تصادفی از ۱ تا ۶.
  • بُر زدن یک دسته کارت: ترتیبی تصادفی از فهرست کارت‌ها.

تولید مقادیر واقعاً تصادفی با رایانه یک چالش فنی به‌طور شگفت‌آور دشوار است، پس ممکن است ببینید که به این نتایج «شبه‌تصادفی» می‌گویند.

مهم: این مفهوم شامل اعداد تصادفی امن از نظر رمزنگاری نمی‌شود، که چالشی بسیار دشوارتر است.

با این حال، R از یک بسته‌ی آماری برگرفته شده است و اغلب برای شبیه‌سازی به کار می‌رود، پس روش‌های متنوع و غنی‌ای برای تولید مقادیر تصادفی ارائه می‌دهد. نتایج برای بیشتر کاربردها در مدل‌سازی، شبیه‌سازی و بازی‌ها کاملاً کافی است.

نمونه‌گیری با جای‌گذاری یا بدون جای‌گذاری

تصور کنید کیسه‌ای داریم که شامل ۳ توپ قرمز و ۴ توپ سبز است و به‌طور تصادفی توپی را از کیسه بیرون می‌کشیم. برای گرفتن توپ دوم، دو امکان وجود دارد:

۱. توپ اول را به کیسه برگردانید و پیش از بیرون کشیدن توپ بعدی همه را خوب تکان دهید. تعداد توپ‌ها اکنون همانند قبل است (۷) و نسبت قرمز به سبز هم همان است. ۲. توپ اول را پیش از بیرون کشیدن توپ دوم روی میز بگذارید. اکنون فقط ۶ توپ در کیسه است و نسبت قرمز به سبز به رنگ توپ اول بستگی دارد.

حالت ۱ با جای‌گذاری است، حالت ۲ بدون جای‌گذاری و این دو نتایج متفاوتی می‌دهند.

مقادیر گسسته با sample

برای انتخاب از میان شمار محدودی از مقادیر گسسته، می‌توان از sample() با جای‌گذاری یا بدون جای‌گذاری استفاده کرد. این کار برای اعداد صحیح، رشته‌ها و مانند این‌ها مفید است.

sample(1:10, 5) # no repeats by default
#> [1] 8 3 4 2 6

sample(1:10, 5, replace = TRUE) # repeats are OK
#> [1] 10 10  7 10  9

languages <- c("Fortran", "R", "Python", "Julia")
sample(languages, 1)
#> [1] "Python"

sample(c("H", "T"), 5, replace = TRUE) # coin flips
#> [1] "T" "T" "H" "H" "H"

sample(c(TRUE, FALSE), 5, replace = TRUE) # alternative coin flips
#> [1] FALSE  TRUE FALSE  TRUE  TRUE

نمونه‌گیری به‌خوبی در خطوط پردازش داده جای می‌گیرد. برای مثال، برای تولید رشته‌های تصادفی الفبایی‌عددی:

library(stringr)

c(letters, LETTERS, 0:9) |> sample(50) |> str_flatten()
#> [1] "5tX71jhbM9zUmKrpENBQyGYaZdJPVAx06leSF2s8gcfw3OviIH"

بُر زدن

چندین زبان دیگر تابع ویژه‌ای برای بُر زدن یک دنباله دارند.

R تابع بُر زدن ندارد. چرا؟

برای درک این موضوع، دوباره به تابع sample نگاه کنید.

شکل کامل آن sample(x, size, replace = FALSE, prob = NULL) است، که در آن x (معمولاً) دنباله‌ای است که از آن نمونه‌گیری می‌شود و size تعداد عناصر مورد انتخاب است.

قبلاً درباره‌ی replace صحبت کردیم، که مقدار پیش‌فرض آن نمونه‌گیری بدون جای‌گذاری است. فعلاً prob را نادیده بگیرید، که به شما امکان می‌دهد به عناصر مختلف در x وزن‌های نابرابر بدهید.

اگر size را حذف کنیم و فقط x را بدهیم چه اتفاقی می‌افتد؟

x <- letters[1:6]
x
#> [1] "a" "b" "c" "d" "e" "f"
sample(x)
#> [1] "e" "a" "f" "b" "c" "d"

به سبک معمول R، الگو ورودی بردار، خروجی بردار است و مقدار پیش‌فرض size برابر length(x) است.

«نمونه‌گیری از همه‌ی عناصر x بدون جای‌گذاری» تنها روشی فنی‌تر برای گفتن «بُر زدن x» است.

بنابراین، تابع shuffle وجود ندارد، چون sample دقیقاً همان کاری را می‌کند که ما نیاز داریم!

کار با توزیع‌ها

مثال‌های بالا مواردی را توصیف کردند که در آن‌ها همه‌ی نتایج به یک اندازه محتمل‌اند. برای مثال، sample(1:100) به یک اندازه احتمال دارد هر عدد صحیحی از ۱ تا ۱۰۰ را بدهد.

به این، توزیع uniform می‌گویند.

بسیاری از موقعیت‌های دنیای واقعی بسیار ساده‌تر از این نیستند. در نتیجه، آماردانان انواع گوناگونی از distributions را ساخته‌اند تا نتایج «دنیای واقعی» را به‌صورت ریاضی توصیف کنند.

اعداد شناور

توزیع یکنواخت

برای توزیعی با وزن برابر از اعداد شناور از runif() استفاده کنید (به «random-uniform» توجه کنید و با تمایل طبیعی اما نادرست به خواندن آن به‌صورت «run if» مقابله کنید). هم min و هم max را می‌توان تعیین کرد، اما مقدار پیش‌فرض آن‌ها ۰ و ۱ است.

runif(5)  # generate 5 values
#> [1] 0.3038506 0.3527959 0.3319309 0.4846354 0.4386279

# generate 5 non-negative values <= 100.0
runif(5, max = 100)
#> [1] 79.70762 51.62232 52.85281 71.08571 63.94380

دستورالعمل‌ها

مری طرفدار سرسخت سریال تلویزیونی Star Trek: The Next Generation است. او اغلب بازی‌های نقش‌آفرینی قلم‌وکاغذی بازی می‌کند که در آن‌ها، خودش و دوستانش نقش خدمه‌ی سفینه‌ی فضایی Starship Enterprise را بازی می‌کنند.

شخصیت مری، ناخدا پیکارد است، یعنی باید دفترچه‌ی وقایع ناخدا را نگه دارد. او بخش خلاقانه‌ی بازی را دوست دارد، اما دوست ندارد داده‌های تصادفی را در لحظه تولید کند.

به مری کمک کنید و برای داده‌هایی که معمولاً در دفترچه‌ی وقایع ناخدا دیده می‌شوند، تولیدکننده‌های تصادفی بسازید.

1. سیاره‌های تصادفی تولید کنید

سفینه‌ی فضایی Starship Enterprise در سفرهایش با سیاره‌های زیادی روبه‌رو می‌شود. سیاره‌های جهان Star Trek بر اساس ویژگی‌هایشان به دسته‌هایی تقسیم می‌شوند. برای مثال، زمین سیاره‌ای از کلاس M است. همه‌ی کلاس‌های ممکن سیاره‌ها عبارت‌اند از: D، H، J، K، L، M، N، R، T و Y.

تابع random_planet_class را پیاده‌سازی کنید. این تابع باید کلاس‌های سیاره‌ای را به تعداد لازم و به‌صورت تصادفی، در قالب یک بردار برگرداند. تکراری بودن کلاس‌ها اشکالی ندارد و برای بردارهای بلند ممکن است لازم باشد.

random_planet_class(number_needed)
#> "K"

2. یک شماره‌ی ثبت تصادفی برای سفینه‌ی فضایی تولید کنید

سفینه‌ی Enterprise (با شماره‌ی ثبت NCC-1701) تنها سفینه‌ی فضایی‌ای نیست که در فضا در حال پرواز است! وقتی با سفینه‌ی فضایی دیگری ملاقات می‌کند، مری باید شماره‌ی ثبت آن سفینه را ثبت کند.

شماره‌های ثبت با پیشوند «NCC-» شروع می‌شوند و سپس عددی از ۱۰۰۰ تا ۹۹۹۹ (شامل خودِ ۱۰۰۰ و ۹۹۹۹) به کار می‌رود.

تابع random_ship_registry_number را پیاده‌سازی کنید که یک شماره‌ی ثبت تصادفی سفینه‌ی فضایی برمی‌گرداند.

random_ship_registry_number()
#> "NCC-1947"

3. یک ناوگان سفینه‌ی فضایی را به‌صورت تصادفی مرتب کنید

در یکی از نسخه‌های بازی، تعامل با سفینه‌های فضایی دیگر مطرح است و مری به گزیده‌ای از آن‌ها نیاز دارد.

فهرست کاملی از سفینه‌های فضایی ممکن وجود دارد، اما در هر بازی فقط به چند مورد از آن‌ها نیاز است و باید به‌صورت تصادفی انتخاب شوند.

تابع shuffle_starships(starships) را پیاده‌سازی کنید؛ این تابع برداری از شماره‌های ثبت یکتای سفینه‌های فضایی می‌گیرد و برداری با همان طول برمی‌گرداند که سفینه‌ها در آن به ترتیب تصادفی قرار دارند. پس از آن، مری به‌راحتی می‌تواند گزیده‌ای تصادفی با هر اندازه‌ای را از ابتدای بردار بردارد.

مقادیر نتیجه باید از starships گرفته شوند و هیچ تکراری نداشته باشند.

shuffle_starships(c("NCC-5011", "NCC-1228", "NCC-7039", "NCC-3978", "NCC-1476"))
#> [1] "NCC-1476" "NCC-7039" "NCC-3978" "NCC-5011" "NCC-1228"

4. یک تاریخ ستاره‌ای تصادفی تولید کنید

دفترچه‌ی وقایعی که تاریخ نداشته باشد چه فایده‌ای دارد؟

تاریخ ستاره‌ای یک عدد اعشاری است. ماجراهای سفینه‌ی فضایی Starship Enterprise در فصل اول The Next Generation بین تاریخ‌های ستاره‌ای ۴۱۰۰۰٫۰ و ۴۲۰۰۰٫۰ رخ می‌دهند. عدد «۴» به قرن بیست‌وچهارم اشاره دارد و «۱» به فصل اول.

تابع random_stardate را پیاده‌سازی کنید که عددی اعشاری بین ۴۱۰۰۰٫۰ و ۴۲۰۰۰٫۰ برمی‌گرداند.

random_stardate()
#> 41037.6
ویرایش از طریق GitHub این لینک در پنجره یا زبانه‌ی جدیدی باز می‌شود
R Exercism

آماده‌اید سیاهه‌ی کاپیتان را شروع کنید؟

در Exercism ثبت‌نام کنید تا R را همراه با 21 مفهوم111 تمرین و مربی‌گری انسانی واقعی یاد بگیرید و در آن استاد شوید، همه‌ی این‌ها رایگان.