带拒绝概率p的37法则

37法则是指当我们面临做出决策的时候，如果我们期望得到一个肯定的结果，一般情况下我们需要尝试37次才能得到1次肯定的结果。这个法则与拒绝概率p有关。

拒绝概率p是指在一次尝试中，我们所得到的拒绝结果的概率。在37法则中，我们假设每一次尝试的结果只有两种可能：要么是肯定的结果，要么是拒绝的结果。而拒绝概率p则表示了在这一次尝试中得到拒绝结果的概率。

那么37法则告诉我们，如果我们希望在一次尝试中得到肯定的结果，那么我们需要尝试的次数大致为 1/p。例如，如果拒绝概率 p=0.1，那么我们大致需要尝试 1/0.1 = 10 次才能得到1次肯定的结果。

这个法则的应用非常广泛。在市场调研中，我们希望了解消费者的喜好或意见时，可以采用37法则来确定需要调查的样本数量。在销售和营销中，我们希望获得一个新客户时，可以根据拒绝概率p来预估需要联系的潜在客户的数量。

当然，37法则并不是一个严格的数学规律，而是一个近似的估计。实际情况可能会受到很多其他因素的影响，例如样本的选择和样本的大小等。

综上所述，37法则是一个与拒绝概率p有关的准则，它告诉我们为了得到一个肯定的结果，我们一般需要尝试大约1/p次。这个法则在很多决策和研究中有着实际的应用。

相关问题

Matlab求解均匀分布的概率P

均匀分布的概率密度函数f(x)为：

f(x) = 1/(b-a)   (a <= x <= b)

其中，a和b分别为分布的上下限。在MATLAB中，可以使用`integral`函数来求解均匀分布的概率P。

例如，假设均匀分布的上下限分别为a=1和b=5，要求在区间[x1, x2]内的概率P，可以使用以下代码：

syms x;
a = 1;
b = 5;
x1 = 2;
x2 = 4;
f(x) = 1/(b-a); % 均匀分布的概率密度函数
P = integral(f, x1, x2); % 求解分布概率

其中，`syms x`语句用于定义符号变量x，`f(x)`用于定义概率密度函数，`integral`函数用于求解积分。在本例中，分布的上下限为1和5，要求在区间[2,4]内的概率P，因此需要设置`x1=2`和`x2=4`。

matlab求解均与分布概率P

在MATLAB中，可以使用`mean`函数来求解均值，使用`std`函数来求解标准差。如果已知概率密度函数，可以使用`integral`函数来求解分布概率P。以下是一些示例代码：

1. 求解一组数据的均值和标准差：

data = [1 2 3 4 5];
mean_value = mean(data);
std_value = std(data);

2. 求解概率密度函数f(x)在区间[a,b]内的分布概率P：

syms x;
f(x) = x^2; % 定义概率密度函数
P = integral(f, a, b); % 求解分布概率

其中，`syms x`语句用于定义符号变量x，`f(x)`用于定义概率密度函数，`integral`函数用于求解积分。在实际使用中，需要根据具体的概率密度函数来定义函数f(x)并设置区间[a,b]的值。