2023美赛O奖：C题论文翻译（11）.pdf

ProblemChosen2023TeamControlNumber

AMCM/ICM2318982

SummarySheet

世界:一个字母就能改变世界

摘要：自2022年初推出以来，世界码在社交媒体上引发了一波分享黄色、绿色和灰色方块的热

潮。世界有简单但具有挑战性的规则，只需要很短的注意力持续时间。基于世界数据集，我们深入挖

掘隐藏在数字和报告结果百分比背后的信息。

们关注随时间变化的报告结果数量。我们尝试建立一个ARIMA202331

首先，我模型，为年月

日报告的结果数量提供预测区间。这表明世界在发布一年后仍然保持着很高的热情。然后，我们探

讨了影响硬模百分比的因素。通过拟合多元线性回归模型，结果表明，重复字母的数量和单词出现的频

率与游戏难度相关。玩家事先从社区获得的难度信息可能会影响他们对游戏模式的选择。

接下来，我们好奇的是，报告结果的分布在未来会发生怎样的变化。为了简化模型，我们将玩

家的游戏状态概括为他们已知的每种颜色的方格数。然后可以将世界建模为马尔可夫链，并将问题

转化为求解它的初到分布。这需要了解初始分布和依赖于玩家选择的策略的转移概率。此外，转移

概率被假设依赖于状态之间信息量的差异。因此，我们提出了一种测量状态中当前信息量的方法。

在此基础上，建立了整个马尔可夫链模型，求解了不同策略下的第一到达时间分布。

为了使模型更加合理，我们假设选择上述两种策略的人的比例随时间而变化。据此，提出了一

种基于历史数据的方法来估计这一比例。最后，我们将估计的比例与高斯过程回归模型相结合，预

测未来玩家策略选择的比例。然后将其与马尔可夫链模型相结合，以预测未来报告结果的分布。最

后得到EERIE的分布为(0.00,0.15,11.05,28.44,35.46,21.16,3.76)。

最后，我们要根据单词的难易程度对其进行分类。由于单词的难度只与单词本身有关，因此我

们认为，根据单词属性进行聚类可以反映单词的难度水平。针对这一思路，进行了k-prototype聚

类，并设置了合理的单词难度指数。然后，我们提取每个类别的难度信息，然后绘制密度函数并计算

Kullback-Leibler散度。两种结果都表明，不同属性的词具有不同的难度等级。这证明了我们的思路

理的，分类模型是准确的。进一步，我们根据EERIE性将其划分为“”这与上面得到

是合的属硬类，

的百分比分布是一致的。此外，我们还讨论了关于数据集的其他信息，如难词、易词和意外词。最

后，对模型的敏感性分析表明，我们的模型具有良好的鲁棒性。

关键词:ARIMA;多元线性回归;马尔可夫链;k-prototype聚类

目录

世界:一个字母就能改变世界1

1介绍4

1.1背景4

1.2问题重述(RestatementofTheProblem4

1.3我们的工作4

2模型..

假设和注释5

1与证明

2.假设5

2.2符号5

2.3数据预处理6

3任务1:数字

预测和单词属性6

4.模型拟合9

4.1残留分析9

4.2词属性的影响10

4.2.1TheWord的属性10

4.多元.