2012年5月24日星期四

N / ? 階層解法 - 數據

Types: att48

＃這次跑 ceil(storage_choice_size_Deeper/3)

Iterations : 3000 times Standard Deviation：6.4148
Best_Result : 95.0925 Average Values : 75.5979
Time : 2246 sec

Columns 2961.......................through 3000 高於90％ 39組

89.8637 89.875 .. . .. . . ... . ... ..94.1730 94.4838 94.8368 95.0925

明顯在高於90％以上的解有增加的趨勢表示N/?的動態深度階層！！

有改善的效果！！ -﹍-

-----------------------------------------------------------------------
＃這次跑 ceil(storage_choice_size_Deeper/4)
Iterations : 3000 times Standard Deviation： 6.7535
Best_Result : 97.3472 Average Values : 77.0788
Time : 1658 sec

Columns 2920 ..................Columns 2996 through 3000 有 80 組高於90％的解

90.0546 90.1127 ................. 94.8502 94.9766 95.9559 96.6814 97.3472

---------------------------------------------------------------------------------------

＃這次跑 Deeper=1:ceil(Deeper_N/5)

Iterations : 3000 times Standard Deviation： 6.6286
Best_Result : 97.7562 Average Values : 78.1441
Time : 1669 sec

Columns 2905 ..........through 3000 96組高於90％的結果
90.0062 .. . . .. . . 94.4278 95.0170 96.0880 97.3839 97.7562

------------------------------------------------------------
＃這次跑 ceil(storage_choice_size/6);

該死的Reslout_Deeper=[]; 我居然沒有清空！！卡了一天的bug

Iterations : 3000 times Standard Deviation： 6.5156
Best_Result : 97.6992 Average Values : 78.9396
Time : 1669 sec

Columns 2886 through 3000 114組 90％以上的解

90.0013 90.0134 . .. . .. . . . .. . 95.7748 96.8743 97.6992

----------------------------------------------------------

＃這次跑 ceil(storage_choice_size/8);

Iterations : 3000 times Standard Deviation： 6.4104
Best_Result : 97.5967 Average Values : 79.4541
Time : 1055 sec

Columns 2857 .. . . ... .... through 3000 高於 90％有143組
90.0038 90.0062 .. . . .. 95.5536 95.7147 95.8105 96.1625 97.5967

----------------------------------------------------------
＃這次跑 ceil(storage_choice_size/16);

Iterations : 3000 times Standard Deviation： 5.6308
Best_Result : 95.3415 Average Values : 78.1960
Time : 592 sec

Columns 2938 . .. . .. through 3000 高於90％的有 62 組

90.0134 90.0691 90.1103 . .. . . . . 94.4918 94.6573 94.6680 95.0305 95.3415

標準差

mean 平均值

std 標準差

median 中值應該是用不到...................

標準差與平均值之間的關係

一組數據的平均值及標準差常常同時作為參考的依據。從某種意義上說，如果用平均值來考量數值的中心的話，則標準差也就是對統計的分散度的一個"自然"的測度。因為由平均值所得的標準差要小於到其他任何一個點的標準差。較確切的敘述為：設 $X_1, \cdots, X_N$ 為實數，定義函數

$\sigma(r) = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - r)^2}$
使用微積分或者通過配方法，不難算出 $\sigma(r)$ 在下面情況下具有唯一最小值：

$r = \overline{x}$

深藍區域是距平均值小於一個標準差之內的數值範圍。在常態分佈中，此範圍所佔比率為全部數值之 68% 。根據常態分佈，兩個標準差之內（深藍，藍）的比率合起來為 95% 。根據常態分佈，三個標準差之內（深藍，藍，淺藍）的比率合起來為 99% 。

隨機變數

給定樣本空間 $(S , \mathbb{F})$ ，其上的實值函數 $X:S \to \mathbb{R}$ 稱為(實值)隨機變量，如果 X 是 $\mathbb{F}$ (實值)可測函數。初等機率論中通常不涉及到可測性的概念，而直接把任何 $X:S \to \mathbb{R}$ 的函數稱為隨機變量。

如果 $X$ 指定給機率空間 $S$ 中每一個事件 $e$ 一個實數 $X(e)$ ，同時針對每一個實數 $r$ 都有一個事件集合 $A_r$ 與其相對應，其中 $A_r=$ { $e : X(e)$ ≤ $r$ }，那麼 $X$ 被稱作隨機變數。隨機變數一般用大寫拉丁字母或小寫希臘字母 ( 比如 $X, Y, Z, \xi, \eta$ ) 來表示，從上面的定義注意到，隨機變數實質上是函數，不能把它的定義與變數的定義相混淆，另外機率函數 $P$ 並沒有在考慮之中。