Как распределяется:
var randomNumber = Math.random()*50 + Math.random()*20;
по сравнению с:
var randomNumber = Math.random()*70;
Первое не будет производить плоское распределение с большим количеством значений около 70/2, а второе - равномерное распределение.
Легкий способ узнать это просто для того, чтобы пробовать значения и графовать их.
Сэмплинг медленно просто для удовольствия.
const ctx = canvas.getContext("2d");
const a1 = new Float64Array(70);
const a2 = new Float64Array(70);
var total = 0;
function doSamples(samples){
for(var i = 0; i < samples; i ++){
var n1 = Math.random() * 50 + Math.random() * 20;
var n2 = Math.random() * 70;
a1[n1 | 0] += 1;
a2[n2 | 0] += 1;
}
var max = 0;
for(i = 0; i < 70; i ++){
max = Math.max(max,a1[i],a2[i]);
}
ctx.clearRect(0,0,canvas.width,canvas.height);
for(i = 0; i < 70; i ++){
var l1 = (a1[i] / max) * canvas.height;
var l2 = (a2[i] / max) * canvas.height;
ctx.fillStyle = "Blue";
ctx.fillRect(i * 8,canvas.height - l1,4,l1)
ctx.fillStyle = "Orange";
ctx.fillRect(i * 8 + 4,canvas.height - l2,4,l2)
}
total += samples;
count.textContent = total;
}
function doit(){
doSamples(500);
setTimeout(doit,100);
}
doit();
canvas {border:2px solid black;}
<canvas id="canvas" width = 560 height = 200></canvas><br>
Orange is random() * 70<br>
Blue is random() * 50 + random() * 20<br>
Graph is normalised.
<span id="count"></span> samples.
Вы можете сделать грубую силу, r70s
на миллион случайных значений и проверить, равна ли сумма r70s
одному случайному значению r70
.
Как вы видите, распределение не равно.
function countValue(key, value) {
value = Math.floor(value);
count[key][value] = (count[key][value] || 0) + 1;
}
var i,
r20, r50, r70,
count = { r20: [], r50: [], r70: [], r70s: [] };
for (i = 0; i < 1e6; i++) {
r20 = Math.random() * 20;
r50 = Math.random() * 50;
r70 = Math.random() * 70;
countValue('r20', r20);
countValue('r50', r50);
countValue('r70', r70);
countValue('r70s', r20 + r50);
}
console.log(count);
.as-console-wrapper { max-height: 100% !important; top: 0; }
Функция плотности суммы случайных величин представляет собой свертку функций плотности слагаемых.
В этом случае два слагаемых имеют равномерную плотность, поэтому их свертка является кусочно-линейной функцией (треугольником). В общем случае для суммы п равномерных переменных плотность суммы является кусочным многочленом степени n - 1.
Сумма имеет ожидаемое значение, равное сумме ожидаемых значений, а именно 50/2 и 20/2, что равно 70/2, что является ожидаемым значением Math.random() * 70. Таким образом, ожидаемые значения одинаковы, но распределения различны.