假如你是一名人事經理，你要招聘一名資料分析師，目前有100名面試者，你該如何抉擇？
應聘流程：
這100人隨機排序，逐一面試，每當一位候選人面試完後，要麼錄用，要麼不選。如果選擇了他，不再考慮後面的人。你必須從中選擇一人，如果前99都看不中，必須選擇最後一人。那麼你怎麼保證自己最高概率錄取到能力最強的人
尤拉數：e
e^+1=0，含義是單位時間內，持續翻倍增長所能達到的極限值。如何理解？
比如：乙個細胞單位時間24h可以**一次，那麼24h後：
(1+1)^1=2
如果12h**一次，那麼24h後：
(1+1/2)^2=2.25
如果24/n h內**一次，那麼24h後：
(1+1/n)^n \to e
我們的問題答案就是100／e＝37 ，pass掉前37人，從第38人開始選擇大於前37人能力的第乙個人作為錄取者。
37％法則，我們通過實驗來證明一下：我們選擇100個應聘者，編號1－100。隨機打亂順序，按照37％法則選取，程式執行1w次後，我們看看結果。
#100個人招聘能力最好的人，怎麼保證最大概率找到最合適的人才，只選一人，一旦選擇不考慮其他，如一直不選擇，選最後一位。
圖中x座標表示最後錄取者的能力值，y表示在1w次中所佔比重，我們可以看到有接近40%的時候會選到最好的候選人，說明37％準則是比較準確的。
蒙特卡洛方法 蒙特卡洛方法概率密度函式
簡介 為了更加清楚的讓同學們深刻的理解pbr裡面那些公式背後的東西，同學們務必先來擼一遍光線追蹤，畢竟我們這裡舉例的這些蒙特卡洛方法都是光線追蹤第三卷裡 ray tracing the rest of your life 的舉例，只不過可能對於有的同學來說，閱讀起來比較難，所以我們來更加詳盡的翻譯或...
無模型策略評估 蒙特卡洛（MC）方法估計
mc基於統計 大數 原理，可解決無模型的強化學習問題。核心思想為 智慧型體不斷與環境互動，產生一系列歷史軌跡 s,a,r,s,a,r，從開始到結束 通過索引歷史軌跡中具體某個狀態 行為下的累計回報g，並用他們的均值來估計這個狀態 行為的值函式。根據核心思想 圖中v s 亦可為q s,a 一般情況下，...
Python 蒙特卡洛方法模擬中獎問題
中獎問題 遊戲中，有一種寶箱，開啟這個寶箱獲得傳奇 的概率是20 現在你開啟5個這樣的寶箱，獲得傳奇 的概率是多少？在該問題中我們做這樣乙個轉換 用區間 0,1 來模擬開寶箱中獎情況，則用在0 1之間均勻分布的隨機數來表示我們開啟寶箱的標誌，如果隨機數落在 0,0.2 之間代表中獎，否則不中獎，中獎...