خوراندن (یا برازش) یک تابع به یک مجموعه از نقاط نمونهبرداری شده از یک تابع نامشخص F:R→R یکی از مسائل پایهای در ریاضیات است. یک نوع رایج، برازش نقاط با استفاده از بهترین تابع خطی ¯F است. یک معیار برای تعیین میزان خوبی یک تابع ¯F بدینگونه تعریف میشود. فرض کنید تابع F در نقاط x1<…<xn نمونهگیری شده است. خطای تابع ¯F بصورت زیر تعریف میشود:
\text{error}(\mathrm{F},\overline{\mathrm{F}}) = \max_{1\leq i\leq n} (|\mathrm{F}(x_i)-\overline{\mathrm{F}}(x_i)|)
بدیهی است تابعی بهتر است که خطای آن کمتر باشد. متاسفانه مقدار دقیق تابع \mathrm{F} معلوم نیست. در عوض، تابع \mathrm{F} بصورت احتمالی در دسترس است به این معنی که مقدار تابع در نقطه x_i یکی از مقادیر y_{i,1},\dots,y_{i,m_i} به ترتیب با احتمالهای p_{i,1},\dots, p_{i,m_i} است؛ به عبارت دقیقتر \mathbf{Pr}[\mathrm{F}(x_i)=y_{i,j}] = p_{i,j}. حال با توحه به مفهوم امیدریاضی خطا بصورت زیر قابل تعریف است. \text{error}(\mathrm{F},\overline{\mathrm{F}}) = \max_{1\leq i\leq n} \mathbf{E}[|\mathrm{F}(x_i)-\overline{\mathrm{F}}(x_i)|]
حال هدف پیدا کردن تابع خطی \overline{\mathrm{F}}= ax+b است که خطا کمینه شود. شما باید برنامهای بنویسد که نقاط نمونه همراه با احتمالشان را از ورودی دریافت کند و خطای کمینه را محاسبه کند.
ورودی شامل چند سناریو است. خط اول هر سناریو شامل n تعداد نقاط نمونهبرداردی شده است. سپس اطلاعات مربوط به نقاط در n خط (بصورت صعودی) میآید. خط iام مربوط به نقطه iام است. در این خط ابتدا x_i (مختصاتی که در آن از تابع نمونهبرداری شده) و m_i (اندازه تابع توزیع احتمالات) ظاهر میشوند. در ادامه این خط یک لیست شامل m_i عدد غیرمنفی صحیح کوجکتر از 10^9 میآید که نشان دهنده مقدار تابع \mathrm{F} در x_i است. در نهایت در انتهای خط یک لیست m_i تایی از احتمالها ظاهر میشود. برای سادگی میتوانید فرض کنید هر احتمال p یک عدد غیرمنفی صحیح نابزرگتر از 100 است. احتمال واقعی با تقسیم p بر 100 بدست میآید. تضمین میشود جمع احتمالهای داده شده برابر 100 است. ورودی با 0
خاتمه مییابد که نیازی به پردازش آن نیست.
به ازای هر سناریو، در یک خط خطای کمینه را با دقیقا یک رقم اعشار چاپ کنید.
ورودی نمونه | خروجی نمونه |
---|---|
2 0 2 0 1 50 50 1 2 0 1 50 50 0 | 0.5 |
پاسخ
منتظر پر کردن این قسمت توسط علاقمندان هستیم.