HashMap深度解释推导

JavaMa-

已于 2022-02-24 10:39:02 修改

阅读量4.5k

点赞数 12

CC 4.0 BY-SA版权

分类专栏：算法文章标签： hashmap java

于 2020-11-19 13:40:43 首次发布

本文链接：https://blog.csdn.net/weixin_43883685/article/details/109809049

1. 泊松分布公式：

在这里插入图片描述

2. HashMap泊松分布的解释推导：

    
     * Ideally, under random hashCodes, the frequency of
     * nodes in bins follows a Poisson distribution
     * (http://en.wikipedia.org/wiki/Poisson_distribution) with a
     * parameter of about 0.5 on average for the default resizing
     * threshold of 0.75, although with a large variance because of
     * resizing granularity.
     *
     * 翻译：
     *     尽管因为调整粒度而产生较大的方差，但是理想的情况，在随机hashCodes下，桶中节	点的频率遵循泊松分布。
     *     默认调整阈值为0.75的条件下，泊松分布中的概率参数λ=0.5。
     * 解释：
     * 	   k表示数量，这里指桶中节点的个数。
     *     λ表示事件的频率。这里λ=0.5，代表理想情况下，平均100个桶，50个数据，则1个桶有数据的概率是0.5。
     *     忽略方差，把λ代入。则求一个桶中出现k个节点的概率，公式为：
     
     
    private static String