Validité de distribution de probabilité

Une fonction de masse de probabilité discrète n'est une distribution valide que lorsque chaque masse est non négative et que la liste complète somme à un. Étudiants, tuteurs, data scientists et concepteurs de jeux ont constamment besoin d'une vérification rapide et déterministe avant d'injecter un vecteur dans du code d'échantillonnage, des formules d'entropie ou des corrigés d'examen. Ce vérificateur de validité accepte un tableau de nombres finis, éventuellement une tolérance numérique pour la dérive en virgule flottante, et renvoie un verdict structuré : si la liste est valide, la somme calculée, l'erreur absolue de somme, les indices des entrées négatives ou supérieures à un, et des motifs lisibles en cas d'échec. Un tableau vide est rejeté comme entrée invalide plutôt qu'un faux résultat creux.

Ce qui rend une FMP discrète valide

En théorie des probabilités, une distribution discrète à support fini est une liste de masses p zéro à p n moins un telles que chaque masse est supérieure ou égale à zéro et que la somme de toutes les masses vaut exactement un. Ces deux axiomes suffisent : une fois chaque masse non négative et le total égal à un, aucune masse ne peut dépasser un, car une seule entrée supérieure à un forcerait les autres termes non négatifs à dépasser ou à devenir négatifs.

En pratique les axiomes sont vérifiés séparément pour que le diagnostic nomme les deux problèmes : une erreur de signe ayant laissé un poids négatif, et un bogue de normalisation ayant laissé la somme à zéro point neuf cinq ou un point zéro deux. Il parcourt la liste une fois, accumule la somme, enregistre chaque indice à masse négative et chaque indice à masse supérieure à un pour le rapport optionnel.

Il compare ensuite la différence absolue entre la somme et un à une tolérance epsilon par défaut égale à un fois dix à la moins neuf, assez stricte pour l'arithmétique double précision après de simples divisions et assez large pour l'arrondi binaire bénin de fractions telles qu'un tiers répété. Lorsque les tests de non-négativité et de somme à un réussissent, la réponse met valid à true et laisse le tableau reasons vide.

Si l'un échoue, valid est false et reasons énumère des phrases concrètes en français que vous pouvez afficher à côté d'un formulaire ou d'une ligne de journal sans redériver l'échec. L'outil n'invente pas de catégories, n'échantillonne pas les masses et n'estime pas de densités continues : il ne fait que certifier ou rejeter les axiomes de la FMP finie sur les nombres que vous envoyez.

Contrat d'entrée, forme de réponse et erreurs de tableau vide

Un tableau vide, un champ manquant ou une chaîne qui se découpe en zéro jeton est rejeté avec un message clair indiquant qu'une FMP valide nécessite au moins une masse ; ces échecs structurels sont facturés comme erreurs de validation, non comme succès avec valid false. Exemple : quatre quarts égaux zéro point deux cinq chacun donnent valid true avec somme un. Exemple : zéro point cinq, zéro point cinq, zéro point un donnent valid false avec une erreur de somme d'environ zéro point un.

Exemple : zéro point six et moins zéro point un est invalide avec un indice négatif et une mauvaise somme. Associez la réponse à votre propre code d'échantillonnage ou d'entropie si vous avez besoin de statistiques supplémentaires ; ce point de terminaison ne valide que le contrat de la distribution.

Qui vérifie des probabilités avant de s'en servir

Les équipes de jeux et de simulation valident tables de butin, poids de faces de dés et tables d'apparition procédurale avant publication, capturant le classique bogue hors epsilon où cinq lignes somment à zéro point neuf neuf neuf à cause de divisions répétées. Les pipelines d'apprentissage automatique qui estiment des distributions catégorielles à partir d'histogrammes ont besoin d'une porte déterministe avant que le code de log-vraisemblance ou d'entropie croisée n'assume des masses non négatives normalisées.

Les ingénieurs qualité et analystes de fiabilité transforment des comptages empiriques de modes de défaillance en vecteurs de probabilité et veulent un contrôle pur de somme et de signe avant de rapporter le risque aux non-statisticiens. L'échec de validation d'une entrée vide ou mal formée ne consomme pas le solde. Gardez les listes sous le plafond de taille publié, figez les champs de somme nettoyés dans les tests automatisés, et vous obtenez des contrôles FMP reproductibles pour devoirs, plugins LMS et workers de bord sans déployer votre propre bibliothèque statistique.