关于将数学概率与编程循环相结合的问题

有这样一种情况：如果你的n不合适，C不能等于n可以要求它。

n=val(text1)

for i=2 to n step 2

t=t+1/((n-1)*(n+1))

next i

print t

这就是你想要的。

private sub command1_click()n = val(

a = 1b = 3

for i = 1 to n-1

if a=n-1 and b=n-1 then exit form1 = 1 / (a * b)

m2=1 / (a + 2) *b + 2)m3=m3+m1+m2

a=a+2b=b+2

nextmsgbox m3

end sub

我不明白你的t

方法1：其中c（m，n）表示组合数。

设 x 表示落入半径为 r 的圆中的点数，p 表示点落入半径为 r 的圆中的概率。 是的。

p = r/r)^2;

和 x b（1000，p），即 x 服从二项分布 p（x = k） =c（1000，k）*p k*（1-p） （1000-k）;

p(x > 250) =p(x = k) (k = 251,252,..1000)

后面的计算可以编程，但有时我们只需要近似结果，所以我们可以看看方法 2。

方法2：其中z（ ）表示标准正态分布的上位数。

建立。 如果第 i 个点落在以 r 为半径的圆中，则 习 = 1，否则 习 = 0;i= 1,2,..1000;

那么习 b（1，p） i = 1,2,..1000 e(xi) =p d(xi) =p(1-p)

设 x = 习 i = 1,2,..1000 则 x 也表示落入以 r 为半径的圆中的点数。

从已知每个习是独立且均匀分布的，然后从中心极限定理：

x 服从或近似服从正态分布，并且 e（x） = 1000p 和 d（x） = 1000p（1-p）。

设置 x - ex） d（x） = x - 1000p） 1000p（1-p）]。

则 n（0,1），即服从标准正态分布。

p( x > 250 ) p ( 250 - 1000p]/ 1000p(1-p)]^

1 - p ( 250 - 1000p]/ 1000p(1-p)]^1 - 250 - 1000p]/ 1000p(1-p)]^

设 a= [250 - 1000p] 1000p（1-p）]。

则 p（ x > 250 ） 1 - a）;

设 p（ x > 250 ） 则 （a） >

所以一个如此

这一定是用数论算法计算了很长时间。 不要尝试实现此计算过程。

编写的程序只能在一个环境中运行，并且运行程序的环境有很多，例如 Visual C++、Visual Studio、Visual Basic、MATLAB... 这取决于你写什么程序，简单的数学程序一般都使用Visual Basic，但是他需要一定的格式，你需要知道VB作为一门编程语言，但是VB是很有用的，不是很深入。 另一个比较简单的软件是MATLAB，它是一款格式比较随意的数学软件，但如果你想理解它，它可能比VB更难上手。

如果你想了解VB，可以看看他的编程格式（如循环、函数），输入和输出功能几乎是一样的。

你必须安装编译器，比如 Turbo C、VC++ 前者是 DOS 接口，比较老旧，但非常轻量级，只有几兆字节; 后者是Microsoft的，Windows运行，但非常大，有数百兆字节。

你可以用vc++，用磁盘安装，文件-新建-项目-win32控制台，再文件-新建-c++源文件，再写进去，编译-运行。

如果两者不能同时成立，则说明P的同事Q不成立，或者P不能同时成立。

因此，我们得到 （p q） 和 （ p q），并且由于这两者是相关的，因此它们一起上升。 (p∧~q)∨(p∧q)

无论是情况 1 还是情况 2，如果你说每次获胜的概率只是一个独立的事件。 如果你每天至少有一次机会击中 65 次，那么这就是连胜。 1 2 3,3 个数字，虽然每个数字只有一次抽取的机会，但每天至少抽一次的概率还是很高的。

虽然情况 2 是随机猜测，并不总是猜到一个，但它们发生的概率是相等的，所以它和你一直猜 1 是一样的，它和案例 1 是一样的。 一个人看的概率只有，但一天的几率几乎是100%。

有人说，第二种情况不是重复实验，中奖概率相等，中奖概率不会随着时间的流逝而增加。 但我认为可以这样理解，不是说你选择什么号码，只是说你每次中奖的几率因为房东说是随机猜测），那么选择至少一个正确时间的概率65次就可以用连续的事件来计算。这是一样的，只是假设不是 1 的概率，而是猜对的概率。

在这两种情况下，房东想多了，每次抽奖都是一个独立的事件，中奖率为1 3

所以情况 1 和情况 2 实际上是相同的。

所以你每天赢 65 次的概率是 2 3 的 65 次方，赢得所有 65 次方的概率是 1 3 的 65 次方。

击中所有和错过所有的可能性非常小。

两个问题至少只对一次的算法是1-2，不能使用连续事件的算法，因为猜对的概率是1 65,1-1 65*65=0，那么就没有一定猜错的概率，所以不是所有猜错的概率。

独立事件，连续事件是由你想算的东西决定的，比如硬币，你要计算每次的概率，然后每次抛出都是独立的，不管其他事件如何，它都是50%。 为了从整体上看待多次投掷，并计算至少一侧发生的概率，有必要使用连续的独立事件。

和彩票一样，每次抽奖都是一个独立的事件，概率为1 3，如果要计算中奖次数的概率，概率为p=（1 3） n + （2 3） （m-n），其中m是总抽奖次数，n是中奖次数。

两种情况下的算法是一样的，概率也是一样的，因为每次抽奖都是独立的，你猜1猜2猜3的概率是一样的。

事实上，在这两种情况下中彩票的概率是一样的，可以使用你所谓的连续事件算法来计算。

简单的解释如下：每次**只有一个号码是中奖号码，其他号码都不是，那么无论是情况1还是情况2，整个65次中奖的概率都是1-不中奖的概率=1-（2 3）65=....我不数数字。

情况2显然不能算作连续事件，因为每次抽奖都是一个独立的事件，没有连续性！

情况2不能使用连续事件的算法，因为猜对的概率是1 65,1-1 65*65=0，那么就没有一定错的概率，所以不是。

数学无法解决这个概率问题。

因为概率也是一种巧合概率。

有时人不如天堂。

我建议房东不要深入研究这个问题。

买了一张彩票，之前没有中彩票，这已经是已知的事件了，不影响下次中奖的概率，只是心理效应。

你疯了，这太容易了。

当然不是，场景 2 中的事件彼此不同，对吧？ 你怎么能把它算作一连串的事件？

你可以先画一个结构图，然后你就可以整理出答案。