Die Wahrscheinlichkeit eines Wortes in einer Zeichenfolge ermitteln

Question

Wenn ich eine längere Zeichenfolge habe, wie berechne ich die Wahrscheinlichkeit, ein Wort mit einer bestimmten Länge innerhalb dieser Zeichenfolge zu finden?

Bisher habe ich dies:

import math 
from scipy import stats 

alphabet = list("ATCG") # This is the alphabet I am working with 
string = "AATCAGTAGATCG" # Here are two example strings 
string2 = "TGTAAACCTTGGTTTATCG" 
word = "ATCG" # This is my word 

n_substrings = len(string) - len(word) # The number of possible substrings 
n_substrings2 = len(string2) - len(word) 

prob_match = math.pow(len(alphabet), - len(word)) # The probability of randomly choosing the word from the alphabet 

# Get the probability from a binomial test? 
print stats.binom_test(1, n_substrings, p=prob_match) # (Number of successes, number of trials, prob of success) 
print stats.binom_test(1, n_substrings2, p=prob_match) 

>>>0.0346119111615 
    0.0570183821615 

Ist dies ein geeigneter Weg, dies zu tun, oder bin ich etwas fehlt?

Answer 1

Ich glaube, Sie tun sollten:

n_substrings = len(string) - len(word) +1 

In einem 5-Buchstabenfolge, mit einem 4 Buchstaben String Sie haben 2 Möglichkeiten: ATCGA können ATCG und TCGA halten