В непредвзятом переводе монет H или T происходит в 50% случаев.
Но я хочу смоделировать монету, которая дает H с вероятностью "p" и T с вероятностью "(1-p)".
что-то вроде этого:
def flip(p):
'''this function return H with probability p'''
# do something
return result
>> [flip(0.8) for i in xrange(10)]
[H,H,T,H,H,H,T,H,H,H]
random.random() возвращает равномерно распределенное псевдослучайное число с плавающей запятой в диапазоне [0, 1). Это число меньше заданного числа p в диапазоне [0,1] с вероятностью p. Таким образом:
def flip(p):
return 'H' if random.random() < p else 'T'
Некоторые эксперименты:
>>> N = 100
>>> flips = [flip(0.2) for i in xrange(N)]
>>> float(flips.count('H'))/N
0.17999999999999999 # Approximately 20% of the coins are heads
>>> N = 10000
>>> flips = [flip(0.2) for i in xrange(N)]
>>> float(flips.count('H'))/N
0.20549999999999999 # Better approximation
Вы хотите, чтобы "смещение" основывалось на симметричном распределении? Или, может быть, экспоненциальное распределение? Гауссовый кто-нибудь?
Ну, вот все методы, извлеченные из самой случайной документации.
Во-первых, пример треугольного распределения:
print random.triangular(0, 1, 0.7)
random.triangular(low, high, mode)Возвращает случайное число с плавающей запятой
Nтакое, чтоlow <= N < highи с указанным режимом между этими границы. Границыlowиhighпо умолчанию - ноль и один.modeаргумент по умолчанию для середины между границами, давая симметричную распределение.
random.betavariate(alpha, beta)Бета-распределение. Условия по параметрам
alpha > 0иbeta > 0. Диапазон возвращаемых значений между0и1.
random.expovariate(lambd)Экспоненциальное распределение.
lambdесть1.0деленное на желаемое среднее значение. Должно быть отличным от нуля. (Параметр будет называемый "lambda", но это зарезервированное слово в Python.) Возвращено значения варьируются от0до положительного бесконечность, еслиlambdположительна, и от отрицательной бесконечности до0, еслиlambdотрицательно.
random.gammavariate(alpha, beta)Гамма-распределение. (Не гамма функция!) Условия на параметры
alpha > 0иbeta > 0.
random.gauss(mu, sigma)Гауссовское распределение.
mu- среднее значение, аsigma- стандартное отклонение. Это немного быстрее чем функцияnormalvariate()ниже.
random.lognormvariate(mu, sigma)Логарифмируйте нормальное распределение. Если вы возьмете естественный логарифм этого распределение, вы получите нормальный распределение со средним значением
muи стандартным отклонениеsigma.muможет иметь любой значение иsigmaдолжны быть больше, чем нуль.
random.normalvariate(mu, sigma)Нормальное распределение.
mu- среднее значение, иsigma- стандартное отклонение.
random.vonmisesvariate(mu, kappa)
mu- средний угол, выраженный в радианы между0и2*pi, аkappaявляется параметром концентрации, который должно быть больше или равно нулю. Еслиkappaравно нулю, это распределение сводится к равномерному случайный угол в диапазоне от0до2*pi.
random.paretovariate(alpha)Распределение Парето.
alpha- это параметр формы.
random.weibullvariate(alpha, beta)Распределение Вейбулла.
alpha- это масштабный параметр иbeta- это форма Параметр.
import random
def flip(p):
return (random.random() < p)
Это возвращает логическое значение, которое вы затем можете использовать для выбора H или T (или выбрать между любыми двумя значениями), которые вы хотите. Вы также можете включить выбор в метод:
def flip(p):
if random.random() < p:
return 'H'
else:
return 'T'
но это было бы менее полезно в этом случае.
Как насчет:
import numpy as np
n, p = 1, .33 # n = coins flipped, p = prob of success
s = np.random.binomial(n, p, 100)
Импортируйте случайное число между 0 - 1 (вы можете использовать функцию randrange)
Если число выше (1-p), верните хвосты.
Иначе, вернуть головы
Можно также выполнить выборку из X ~ Bernoulli(p) раз nsamples, используя sympy:
from sympy.stats import Bernoulli, sample_iter
list(sample_iter(Bernoulli('X', 0.8), numsamples=10)) # p = 0.8 and nsamples=10
# [1, 1, 0, 1, 1, 0, 1, 1, 1, 1]
Вместо этого верните 'H' или 'T', используя
def flip(p, n):
return list(map(lambda x: 'H' if x==1 else 'T', sample_iter(Bernoulli('X', p), numsamples=n)))
print(flip(0.8, 10)) # p = 0.8 and nsamples=10
# ['H', 'H', 'T', 'H', 'H', 'T', 'H', 'H', 'H', 'H']
import random
def flip():
return ["H" if random.randint(0,3) <= 2 else "T" for i in range(10)]
Прямо сейчас вероятность Головы составляет 75%, а хвоста - 25% (0,1,2 - все Головы, и только 3 - Хвосты). Используя random.randint() вы можете иметь любую вероятность смещения, сохраняя при этом случайность.