Fatal编程技术网
  • r/
  • 用甲板洗牌模拟在R中进行功能性思考

用甲板洗牌模拟在R中进行功能性思考

r functional-programming

用甲板洗牌模拟在R中进行功能性思考,r,functional-programming,R,Functional Programming,我正在看（复制到下面），并希望在功能上（特别是在R中）模拟它方面得到一些帮助 在下雪的下午，你喜欢玩一个标准的、随机洗牌的52张牌的纸牌“游戏”。你开始正面朝上，一次一张，把牌堆成一堆。当你发每张牌时，你也要大声说话，按顺序，13张牌面对一副标准牌组：a、2、3等（当你到国王牌时，你从a开始）。你一直这样做，直到你发的牌的等级与你大声说话的等级相匹配，在这种情况下你输了。如果你在没有任何比赛的情况下到达牌组的末端，你就赢了 你获胜的可能性有多大 通过for循环执行此操作似乎很简单-在每个循环中，

我正在看（复制到下面），并希望在功能上（特别是在R中）模拟它方面得到一些帮助

在下雪的下午，你喜欢玩一个标准的、随机洗牌的52张牌的纸牌“游戏”。你开始正面朝上，一次一张，把牌堆成一堆。当你发每张牌时，你也要大声说话，按顺序，13张牌面对一副标准牌组：a、2、3等（当你到国王牌时，你从a开始）。你一直这样做，直到你发的牌的等级与你大声说话的等级相匹配，在这种情况下你输了。如果你在没有任何比赛的情况下到达牌组的末端，你就赢了

你获胜的可能性有多大

通过for循环执行此操作似乎很简单-在每个循环中，通过
rep（seq（13），4）
构建数据组，对其进行置换，然后检查置换数据组和未置换数据组之间的任何条目是否相等。我特别感兴趣的是功能性方法。为此，我认为构建
x惯用的R代码是功能性的，因为它涉及到无副作用的函数（通常是匿名的）、矢量化的代码，以及大量使用
apply
家族中的函数（这是
map
的R版本，函数编程中的统一主题之一）。您可以这样做模拟：


x = rep(1:13,4)
deranged <- function(x,y){all(x!=y)}
samples <- replicate(10000,sample(x,52))
wins <- apply(samples,2,function(y){deranged(x,y)})
p <- sum(wins)/10000



x=rep（1:13,4）
精神错乱