L2-003. 月饼

贪心,做就好,
这是题,


#include <iostream>
#include <cstdio> 
#include <cstring>
#include <string>
#include <cmath>
#include <algorithm>
using namespace std;
#define ll long long
#define llu unsigned long long
#define mst(a,b) memset(a,b,sizeof(a))
struct node
{
double price,x,y;	
}a[1005];
bool cmp(node a,node b)
{
    return a.price>b.price;
}                                   
int main()
{
	int n;
	double m;
	scanf("%d %lf",&n,&m);
	for(int i=0;i<n;i++)
	  scanf("%lf",&a[i].x);
	for(int i=0;i<n;i++)
	{
	   scanf("%lf",&a[i].y);
       a[i].price=a[i].y/a[i].x;
	}
	sort(a,a+n,cmp);
	double sum=0;
	for(int i=0;i<n;i++)
	{
	  if(a[i].x<=m)	
	    {
	       sum=sum+a[i].y;
	       m=m-a[i].x;
	     }
	  else
	  {
	  	sum=sum+m*a[i].price;
	  	break;
	  }
	}
	printf("%.2lf\n",sum);
	return 0;
}

### 模型构建与参数估计 为了实现 ARIMA(0,1,2) 模型并使用条件最小二乘法 (CSS) 进行参数估计,可以利用 Python 的 `statsmodels` 库。该库提供了 `ARIMA` 类来定义模型,并通过 `fit()` 方法进行拟合。设置 `method='css'` 可启用条件最小二乘法[^1]。 以下是完整的代码实现: ```python import numpy as np from statsmodels.tsa.arima.model import ARIMA # 提供的时间序列数据 diff_series = [ 0.018, 0.016, 0.013, -0.002, 0.009, -0.017, -0.006, -0.003, -0.021, -0.006, 0.02, -0.007, -0.016, -0.021, -0.013, 0.0, 0.009, 0.009, -0.004, 0.009, 0.022, 0.01, -0.016, -0.01, -0.029, -0.027, -0.011, -0.017, -0.016, -0.009, 0.003, -0.008, 0.012, 0.005, 0.003, 0.008, 0.015, 0.014, 0.0, 0.003, 0.006, -0.011, -0.006, -0.003, 0.023 ] # 转换为numpy数组 data = np.array(diff_series) # 构建ARIMA(0,1,2)模型 model = ARIMA(data, order=(0, 1, 2)) # 使用CSS方法进行参数估计 results = model.fit(method='css') # 输出模型摘要信息 print(results.summary()) # 获取模型参数估计值 print("模型参数估计:", results.params) ``` ### 结果分析 执行上述代码后,输出将包括: - **模型结构**:确认是否为 ARIMA(0,1,2) - **系数估计**:MA(1) 和 MA(2) 的参数估计值及其标准误差、z 值和 p 值,用于判断显著性 - **残差方差(sigma2)**:描述模型的噪声水平 - **对数似然函数值、AIC、BIC**:用于比较不同模型的拟合效果 具体参数估计值可通过 `results.params` 提取,通常输出如下格式: ``` ma.L1 -0.4567 ma.L2 0.2134 sigma2 0.0003 ``` 其中,`ma.L1` 表示 MA(1) 系数,`ma.L2` 表示 MA(2) 系数,`sigma2` 是残差方差。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值