鸡尾酒疗法（信息学奥赛一本通-T1072）

　

鸡尾酒疗法

【题目描述】

鸡尾酒疗法，指“高效抗逆转录病毒治疗”。人们在鸡尾酒疗法的基础上又提出了很多种改进的疗法。为了验证这些治疗方法是否在疗效上比鸡尾酒疗法更好，可用通过临床对照实验的方式进行。假设鸡尾酒疗法的有效率为x，新疗法的有效率为y，如果y-x大于5%，则效果更好，如果x-y大于5%，则效果更差，否则称为效果差不多。下面给出n组临床对照实验，其中第一组采用鸡尾酒疗法，其他n-1组为各种不同的改进疗法。请写程序判定各种改进疗法效果如何。

【输入】

第一行为整数n（1<n≤20）；其余n行每行两个整数，第一个整数是临床实验的总病例数(小于等于10000)，第二个疗效有效的病例数。这n行数据中，第一行为鸡尾酒疗法的数据，其余各行为各种改进疗法的数据。

【输出】

有n-1行输出，分别表示对应改进疗法的效果：如果效果更好，输出better；如果效果更差，输出worse；否则输出same。

【输入样例】

5

125 99 

112 89

145 99

99 97

123 98

【输出样例】

same

worse

better

same

【源程序】

#include<iOStream>
using namespace std;
int main()
{
    int n,a[30][2];
    double x,y;
    int i;

    cin>>n;//输入组数

    for(i=0; i<n; i++) //输入数据
        cin>>a[i][0]>>a[i][1];
    x=1.0*a[0][1]/a[0][0];//计算第一种数据
    for(i=1; i<n; i++) //进行比较
    {
        y=1.0*a[i][1]/a[i][0];//每组数据
        if(y-x>0.05)	cout<<"better"<<endl;
        else if(x-y>0.05)	cout<<"worse"<<endl;
        else	cout<<"same"<<endl;
    }
    return 0;
}

相关阅读

视觉语音分离模型，解决“鸡尾酒会效应”

如何在酒会上分辨出特定人物的声音？这对于我们人类来说十分简单，但当许多的声音交叠在一起时，常让AI错手不及。那如果攻破了“鸡尾酒

语音跟踪：信号分解、锁相、鸡尾酒会效应、基于PR的信号

   NLP中关于语音的部分，其中重要的一点是语音信号从背景噪音中分离。比如在一个办公室场景中，有白天的底噪-类似于白噪音的噪音

从心理学实验到互联网产品设计04：如何利用鸡尾酒会效应

想要取得用户的信任，更近距离的与用户接触，不妨先学学心理学中的鸡尾酒会效应。虽然之前的文章中我们提到用户往往说的和做的有所差