Kurzusok
/
R
R
/
Feladatok
/
Kapitányi napló
Kapitányi napló

Kapitányi napló

Tanulófeladat

Bevezetés

Sok programnak van szüksége (látszólag) véletlen értékekre valós események szimulálásához.

Gyakori és ismerős példák:

  • Érmedobás: egy véletlen érték, ami "H" vagy "T".
  • Kockadobás: egy véletlen egész szám 1 és 6 között.
  • Kártyapakli megkeverése: egy kártyalista véletlen sorrendje.

Valóban véletlen értékek előállítása számítógéppel meglepően nehéz technikai kihívás, ezért ezeket az eredményeket gyakran „álvéletlenként” emlegetik.

Fontos: Ez a fogalom nem terjed ki a kriptográfiailag biztonságos véletlen számokra, amelyek sokkal nehezebb kihívást jelentenek.

Az R azonban egy statisztikai csomagból származik, és gyakran használják szimulációkra, így számos módot kínál véletlen értékek előállítására. Az eredmények bőven elég jók a legtöbb modellezési, szimulációs és játékalkalmazáshoz.

Mintavétel visszatevéssel vagy visszatevés nélkül

Képzeld el, hogy van egy zsákunk, amelyben 3 piros és 4 zöld golyó van, és véletlenszerűen kihúzunk egy golyót a zsákból. Egy második golyó kihúzásához két lehetőség van:

  1. Tedd vissza az első golyót a zsákba, és alaposan rázd össze az egészet, mielőtt kihúzol egy másikat. A golyók száma most ugyanannyi, mint korábban (7), és a piros és zöld aránya is ugyanaz.
  2. Tedd az első golyót az asztalra, mielőtt kihúzol egy másodikat. Most már csak 6 golyó van a zsákban, és a piros:zöld arány az első golyó színétől függ.

Az 1. eset visszatevéssel történik, a 2. visszatevés nélkül, és más eredményt adnak.

Diszkrét értékek a sample függvénnyel

Ha véges számú diszkrét érték közül szeretnél választani, a sample() visszatevéssel és anélkül is használható. Ez hasznos egész számokhoz, stringekhez stb.

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

A mintavétel jól illeszkedik adatfeldolgozási folyamatokba. Például véletlen alfanumerikus stringek előállításához:

library(stringr)

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

Keverés

Több más nyelvben van egy speciális függvény sorozatok megkeverésére.

Az R-ben nincs keverő függvény. Miért?

Hogy ezt megértsük, nézzük meg újra a sample függvényt.

A teljes alakja sample(x, size, replace = FALSE, prob = NULL), ahol x (általában) a mintavételhez használt sorozat, size pedig a kiválasztandó elemek száma.

A replace paraméterről már beszéltünk, amelynek alapértéke a visszatevés nélküli mintavétel. Egyelőre hagyjuk figyelmen kívül a prob paramétert, amely lehetővé teszi, hogy az x különböző elemeihez eltérő súlyokat rendelj.

Mi történik, ha elhagyjuk a size paramétert, és csak x-et adunk meg?

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

A tipikus R-stílus szerint a minta vektor be, vektor ki, és a size alapértéke length(x).

Az „az x összes elemét visszatevés nélkül mintavételezzük” csupán technikaibb megfogalmazása annak, hogy „keverd meg az x-et”.

Így nincs shuffle függvény, mert a sample már pontosan azt teszi, amire szükségünk van!

Munka eloszlásokkal

A fenti példák olyan eseteket mutattak be, amelyekben minden kimenet azonos valószínűségű. Például a sample(1:100) egyformán valószínűen ad bármely egész számot 1-től 100-ig.

Ezt uniform eloszlásnak nevezzük.

Sok valós helyzet ennél jóval összetettebb. Ezért a statisztikusok rengetegféle distributions-t hoztak létre, hogy a „valós” eredményeket matematikailag leírják.

Lebegőpontos számok

Egyenletes eloszlás

Egyenletes eloszlású lebegőpontos számokhoz használd a runif() függvényt (összpontosíts a „random-uniform” szóra, és küzdj meg azzal a természetes, de hibás hajlammal, hogy „run if”-ként olvasd). A min és a max is megadható, de alapértékük 0 és 1.

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

Utasítások

Mary nagy rajongója a Star Trek: The Next Generation tévésorozatnak. Gyakran játszik papír-ceruza szerepjátékokat, ahol a barátaival együtt a Starship Enterprise legénységét alakítják.

Mary karaktere Picard kapitány, ami azt jelenti, hogy neki kell vezetnie a kapitányi naplót. Imádja a játék kreatív részét, de nem szeret helyben véletlenszerű adatokat generálni.

Segíts Marynek véletlenszerű generátorokat készíteni a kapitányi naplóban gyakran előforduló adatokhoz.

1. Véletlenszerű bolygók generálása

A Starship Enterprise utazásai során sok bolygóval találkozik. A Star Trek univerzumában a bolygókat a tulajdonságaik alapján kategóriákba sorolják. Például a Föld egy M osztályú bolygó. Az összes lehetséges bolygóosztály: D, H, J, K, L, M, N, R, T és Y.

Valósítsd meg a random_planet_class függvényt. A szükséges számú bolygóosztályt véletlenszerűen kell visszaadnia vektorként. Az ismétlődő osztályok elfogadhatók, sőt hosszú vektoroknál szükség is lehet rájuk.

random_planet_class(number_needed)
#> "K"

2. Véletlenszerű csillaghajó-lajstromszám generálása

Az Enterprise (lajstromszáma: NCC-1701) nincs egyedül az űrben! Amikor találkozik egy másik csillaghajóval, Marynek naplóznia kell annak lajstromszámát.

A lajstromszámok az „NCC-” előtaggal kezdődnek, majd egy 1000 és 9999 közötti szám következik (a végpontokat is beleértve).

Valósítsd meg a random_ship_registry_number függvényt, amely véletlenszerű csillaghajó-lajstromszámot ad vissza.

random_ship_registry_number()
#> "NCC-1947"

3. Csillaghajóflotta véletlenszerűsítése

A játék egyik változatában más csillaghajókkal kell kapcsolatba lépni, és Marynek ki kell választania néhányat.

Van egy teljes lista a lehetséges csillaghajókról, de minden játékban csak néhányra van szükség, és azokat véletlenszerűen kell kiválasztani.

Valósítsd meg a shuffle_starships(starships) függvényt, amely bemenetként egyedi csillaghajó-lajstromszámok vektorát kapja, és egy ugyanolyan hosszúságú vektort ad vissza, amelyben a csillaghajók véletlenszerű sorrendben szerepelnek. Így Mary könnyedén kivehet a vektor elejéről tetszőleges méretű véletlenszerű válogatást.

Az eredményértékeket a starships vektorból kell venni, ismétlődések nélkül.

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. Véletlenszerű csillagidő generálása

Mi értelme a naplónak, ha nincsenek benne dátumok?

A csillagidő egy lebegőpontos szám. A Starship Enterprise kalandjai a The Next Generation első évadában a 41000.0 és 42000.0 közötti csillagidőkben játszódnak. A „4” a 24. századot jelöli, az „1” pedig az első évadot.

Valósítsd meg a random_stardate függvényt, amely egy 41000.0 és 42000.0 közötti lebegőpontos számot ad vissza.

random_stardate()
#> 41037.6
Szerkesztés GitHubon A hivatkozás új ablakban vagy lapon nyílik meg
R Exercism

Készen állsz elkezdeni a(z) Kapitányi napló feladatot?

Iratkozz fel az Exercism-re, hogy megtanuld és elsajátítsd a(z) R nyelvet 21 fogalom111 feladat segítségével, valódi emberi mentorálással, mindez ingyen.