Validità distribuzione di probabilità

Una funzione di massa di probabilità discreta è una distribuzione valida solo quando ogni massa è non negativa e l'elenco completo somma a uno. Studenti, tutor, data scientist e designer di giochi hanno spesso bisogno di un controllo rapido e deterministico prima di inviare un vettore a codice di campionamento, formule di entropia o chiavi d'esame. Questo verificatore di validità accetta un array di numeri finiti, opzionalmente una tolleranza numerica per la deriva in virgola mobile, e restituisce un verdetto strutturato: se l'elenco è valido, la somma calcolata, l'errore assoluto della somma, gli indici di voci negative o maggiori di uno, e motivi leggibili quando il controllo fallisce. Un array vuoto viene rifiutato come input non valido anziché come falso risultato vuoto.

Cosa rende valida una FMP discreta

Nella teoria della probabilità una distribuzione discreta a supporto finito è un elenco di masse da p zero a p n meno uno tali che ogni massa è maggiore o uguale a zero e la somma di tutte le masse è esattamente uno. Quei due assiomi bastano: una volta che ogni massa è non negativa e il totale è uno, nessuna massa può superare uno, perché una sola voce maggiore di uno costringerebbe i restanti termini non negativi a sforare o a diventare negativi.

In pratica gli assiomi si controllano separatamente così la diagnostica nomina entrambi i problemi: un errore di segno che ha lasciato un peso negativo, e un bug di normalizzazione che ha lasciato la somma a zero punto nove cinque o uno punto zero due. Scorre l'elenco una volta, accumula la somma, registra ogni indice con massa negativa e ogni indice con massa maggiore di uno per il report opzionale.

Poi confronta la differenza assoluta tra la somma e uno con una tolleranza epsilon che di default è uno per dieci alla meno nove, abbastanza stretta per l'aritmetica a doppia precisione dopo semplici divisioni e abbastanza ampia per l'arrotondamento binario benigno di frazioni come un terzo ripetuto. Quando i test di non negatività e di somma a uno superano, la risposta imposta valid a true e lascia l'array reasons vuoto.

Se uno fallisce, valid è false e reasons elenca frasi concrete in italiano che Lei può mostrare accanto a un modulo o a una riga di log senza ricalcolare il fallimento. Lo strumento non inventa categorie, non campiona le masse e non stima densità continue: certifica o rifiuta soltanto gli assiomi della FMP finita sui numeri che Lei invia.

Chi controlla le probabilità prima di usarle

I team di gioco e simulazione validano tabelle di bottino, pesi delle facce dei dadi e tabelle di spawn procedurale prima della pubblicazione, catturando il classico bug fuori epsilon in cui cinque righe sommano a zero punto nove nove nove per divisioni ripetute. Le pipeline di machine learning che stimano distribuzioni categoriche da istogrammi necessitano di un cancello deterministico prima che il codice di log-verosimiglianza o entropia incrociata assuma masse non negative normalizzate.

Ingegneri della qualità e analisti di affidabilità trasformano conteggi empirici di modalità di guasto in vettori di probabilità e vogliono un controllo puro di somma e segno prima di riferire il rischio a non statistici. La validazione fallita di input vuoto o malformato non consuma saldo. Mantenga gli elenchi entro il tetto di dimensione pubblicato, fissi i campi di somma ripuliti nei test automatici e otterrà controlli FMP riproducibili per compiti, plugin LMS e worker di edge senza erigere una propria libreria statistica.