Multithreading 同一工人从Y总数中获得X个任务的机会(在Z个工人的池中)
这基本上是一个概率论问题,但我太生疏了,以至于我似乎不知道从哪里开始 我有一批Z工人。每个工人在回收之前必须执行的任务数量有一个限制X。每个新任务都随机被一个工作人员抓取(Multithreading 同一工人从Y总数中获得X个任务的机会(在Z个工人的池中),multithreading,probability,probability-theory,Multithreading,Probability,Probability Theory,这基本上是一个概率论问题,但我太生疏了,以至于我似乎不知道从哪里开始 我有一批Z工人。每个工人在回收之前必须执行的任务数量有一个限制X。每个新任务都随机被一个工作人员抓取(1/Z一个工作人员抓取它的机会) 在完成Y任务后,一名员工达到X阈值的几率是多少 我希望计算它,因为我需要定期执行“清理”,而不是随机选取一些数字,我希望它与工人数量和他们的任务限制相关(我可能会在稍后调整),因此,一旦有25-30-35%的几率一名工人被解雇,我将进行清理。考虑工人W。每次任务进入系统时,都有1/Z机会W抓住
1/Z
一个工作人员抓取它的机会)
在完成Y任务后,一名员工达到X阈值的几率是多少
我希望计算它,因为我需要定期执行“清理”,而不是随机选取一些数字,我希望它与工人数量和他们的任务限制相关(我可能会在稍后调整),因此,一旦有25-30-35%的几率一名工人被解雇,我将进行清理。考虑工人
W
。每次任务进入系统时,都有1/Z
机会W
抓住该任务。总共有Y
个任务进入系统
Y
任务,每个任务的抓取概率1/Z
:抓取任务的数量,G_W
,是一个随机变量,具有
在Y
任务为p(G\u W>=X)
后,概率工作者W
已达到X
阈值
通过使用均值Y/Z
和方差Y(Z-1)/Z^2
的正态分布,可以很容易地近似分布和该概率。然后,您可以使用一个函数来计算正态分布的累积分布,这在大多数编程语言中都是可用的