博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
nyoj - 概率计算 926
阅读量:4286 次
发布时间:2019-05-27

本文共 606 字,大约阅读时间需要 2 分钟。

/**    每局的答题赢得概率是独立的,所以只需要找出一局赢得概率就行    每局的结果只有两种结果,要么 a 胜,要么 b 胜    a 胜得概率为 Pa = a% * (1 - b%)    b 胜得概率为 Pb = 1 - a%;    此局a赢得概率为 Pa / (Pa + Pb)    此局b赢得概率为 Pb / (Pa + Pb)**/#include
#include
int gcd(int x,int y){ while(x){ int r = y % x; y = x; x = r; } return y;}int main(){ int t,a,b; scanf("%d",&t); while(t--){ scanf("%d%d",&a,&b); int k = a*(100 - b) + 100*(100 - a); int x = a * (100-b); int y = 10000 - a*100; int r1 = gcd(x,k); int r2 = gcd(y,k); printf("%d/%d %d/%d\n",x/r1,k/r1,y/r2,k/r2); }}

转载地址:http://adsgi.baihongyu.com/

你可能感兴趣的文章
机器学习简易入门(四)- logistic回归
查看>>
python解决字典中的值是列表问题的方法
查看>>
Python:操作dict时避免出现KeyError的几种方法
查看>>
谱聚类算法(Spectral Clustering)
查看>>
社区发现的3个评估指标:标准化互信息NMI,ARI指标,以及模块度(modularity)
查看>>
机器学习算法与Python实践之(六)二分k均值聚类
查看>>
逻辑回归 和 朴素贝叶斯 两者间的区别
查看>>
模块度与Louvain社区发现算法
查看>>
欢迎使用CSDN-markdown编辑器
查看>>
机器学习降维算法四:Laplacian Eigenmaps 拉普拉斯特征映射
查看>>
机器学习降维算法一:PCA(主成分分析算法)
查看>>
非常见降维方法:Laplacian Eigenmaps 拉普拉斯特征映射
查看>>
NMF 非负矩阵分解(Non-negative Matrix Factorization)实践
查看>>
谱聚类(spectral clustering)原理总结
查看>>
CPM(Cluster Percolation method)派系过滤算法
查看>>
多目标进化算法(MOEAs)概述
查看>>
AdaBoost与随机森林区别
查看>>
坐标下降法(Coordinate descent)
查看>>
Matlab plot画图 坐标字体、字号、范围、间隔等的设置
查看>>
LATEX调整公式、图片与正文间距离,文字间距离,调整空白大小
查看>>