introduzione
In questa sfida, il tuo compito è implementare una raccolta di semplici funzioni che insieme formano una mini-libreria utilizzabile per semplici distribuzioni di probabilità. Per soddisfare alcune delle lingue più esoteriche che le persone amano usare qui, sono accettabili le seguenti implementazioni:
- Uno snippet di codice che definisce una raccolta di funzioni denominate (o equivalenti più vicini).
- Una raccolta di espressioni che valutano funzioni con nome o anonime (o equivalenti più vicini).
- Una singola espressione che valuta diverse funzioni con nome o anonime (o equivalenti più vicini).
- Una raccolta di programmi indipendenti che accettano input dalla riga di comando, STDIN o equivalente più vicino e l'output a STDOUT o equivalente più vicino.
Le funzioni
Dovrai implementare le seguenti funzioni, usando nomi più corti se lo desideri.
uniform
prende come input due numeri in virgola mobilea
eb
, e restituisce la distribuzione uniforme[a,b]
. Puoi presumere chea < b
; il casoa ≥ b
non è definito.blend
prende come ingressi tre distribuzioni di probabilitàP
,Q
eR
. Esso restituisce una distribuzione di probabilitàS
, che attira i valorix
,y
ez
daP
,Q
eR
, rispettivamente, e le resey
, sex ≥ 0
ez
sex < 0
.over
accetta come input un numero in virgola mobilef
e una distribuzione di probabilitàP
e restituisce la probabilità chex ≥ f
vale per un numero casualex
estratto daP
.
Per riferimento, over
può essere definito come segue (in pseudocodice):
over(f, uniform(a, b)):
if f <= a: return 1.0
else if f >= b: return 0.0
else: return (b - f)/(b - a)
over(f, blend(P, Q, R)):
p = over(0.0, P)
return p*over(f, Q) + (1-p)*over(f, R)
Si può presumere che tutte le distribuzioni di probabilità fornite over
siano costruite usando uniform
e blend
, e che l'unica cosa che un utente sta per fare con una distribuzione di probabilità sia alimentare blend
o over
. È possibile utilizzare qualsiasi tipo di dati conveniente per rappresentare le distribuzioni: elenchi di numeri, stringhe, oggetti personalizzati, ecc. L'unica cosa importante è che l'API funzioni correttamente. Inoltre, l'implementazione deve essere deterministica, nel senso di restituire sempre lo stesso output per gli stessi input.
Casi test
I valori di output devono essere corretti per almeno due cifre dopo il punto decimale in questi casi di test.
over(4.356, uniform(-4.873, 2.441)) -> 0.0
over(2.226, uniform(-1.922, 2.664)) -> 0.09550806803314438
over(-4.353, uniform(-7.929, -0.823)) -> 0.49676329862088375
over(-2.491, uniform(-0.340, 6.453)) -> 1.0
over(0.738, blend(uniform(-5.233, 3.384), uniform(2.767, 8.329), uniform(-2.769, 6.497))) -> 0.7701533851999125
over(-3.577, blend(uniform(-3.159, 0.070), blend(blend(uniform(-4.996, 4.851), uniform(-7.516, 1.455), uniform(-0.931, 7.292)), blend(uniform(-5.437, -0.738), uniform(-8.272, -2.316), uniform(-3.225, 1.201)), uniform(3.097, 6.792)), uniform(-8.215, 0.817))) -> 0.4976245638164541
over(3.243, blend(blend(uniform(-4.909, 2.003), uniform(-4.158, 4.622), blend(uniform(0.572, 5.874), uniform(-0.573, 4.716), blend(uniform(-5.279, 3.702), uniform(-6.564, 1.373), uniform(-6.585, 2.802)))), uniform(-3.148, 2.015), blend(uniform(-6.235, -5.629), uniform(-4.647, -1.056), uniform(-0.384, 2.050)))) -> 0.0
over(-3.020, blend(blend(uniform(-0.080, 6.148), blend(uniform(1.691, 6.439), uniform(-7.086, 2.158), uniform(3.423, 6.773)), uniform(-1.780, 2.381)), blend(uniform(-1.754, 1.943), uniform(-0.046, 6.327), blend(uniform(-6.667, 2.543), uniform(0.656, 7.903), blend(uniform(-8.673, 3.639), uniform(-7.606, 1.435), uniform(-5.138, -2.409)))), uniform(-8.008, -0.317))) -> 0.4487803553043079