序言
这个问题与（P）RNG和rand()的行为无关。它是关于使用以模数均匀分布的两个值的幂。
简介
我知道不应该使用modulo %将值从一个范围转换为另一个范围，例如从rand()函数中获取0到5之间的值：会有偏差。这里解释了https://bitbucket.org/haypo/hasard/src/ebf5870a1a54/doc/common_errors.rst?at=default和这个答案Why do people say there is modulo bias when using a random number generator?
但是今天在调查了一些看起来错误的代码之后，我已经制作了一个工具来演示模数的行为：https://gitorious.org/modulo-test/modulo-test/trees/master并且发现它不够清楚。
骰子只有3位
我检查了范围0..5中的6个值。编码这些值只需要3位。
$ ./modulo-test 10000 6 3
interations = 10000, range = 6, bits = 3 (0x00000007)
[0..7] => [0..5]
theorical occurences 1666.67 probability 0.16666667
[ 0] occurences 2446 probability 0.24460000 ( +46.76%)
[ 1] occurences 2535 probability 0.25350000 ( +52.10%)
[ 2] occurences 1275 probability 0.12750000 ( -23.50%)
[ 3] occurences 1297 probability 0.12970000 ( -22.18%)
[ 4] occurences 1216 probability 0.12160000 ( -27.04%)
[ 5] occurences 1231 probability 0.12310000 ( -26.14%)
minimum occurences 1216.00 probability 0.12160000 ( -27.04%)
maximum occurences 2535.00 probability 0.25350000 ( +52.10%)
mean occurences 1666.67 probability 0.16666667 ( +0.00%)
stddev occurences 639.43 probability 0.06394256 ( 38.37%)
使用3位输入，结果确实很糟糕，但表现得与预期一致。请参阅回答https://stackoverflow.com/a/14614899/611560
增加输入位数
令我困惑的是，增加输入位的数量使得结果不同。 你不应该忘记增加迭代次数，例如样本数，否则结果可能是错误的（参见错误统计）。
让我们试试4位：
$ ./modulo-test 20000 6 4
interations = 20000, range = 6, bits = 4 (0x0000000f)
[0..15] => [0..5]
theorical occurences 3333.33 probability 0.16666667
[ 0] occurences 3728 probability 0.18640000 ( +11.84%)
[ 1] occurences 3763 probability 0.18815000 ( +12.89%)
[ 2] occurences 3675 probability 0.18375000 ( +10.25%)
[ 3] occurences 3721 probability 0.18605000 ( +11.63%)
[ 4] occurences 2573 probability 0.12865000 ( -22.81%)
[ 5] occurences 2540 probability 0.12700000 ( -23.80%)
minimum occurences 2540.00 probability 0.12700000 ( -23.80%)
maximum occurences 3763.00 probability 0.18815000 ( +12.89%)
mean occurences 3333.33 probability 0.16666667 ( +0.00%)
stddev occurences 602.48 probability 0.03012376 ( 18.07%)
让我们试试5位：
$ ./modulo-test 40000 6 5
interations = 40000, range = 6, bits = 5 (0x0000001f)
[0..31] => [0..5]
theorical occurences 6666.67 probability 0.16666667
[ 0] occurences 7462 probability 0.18655000 ( +11.93%)
[ 1] occurences 7444 probability 0.18610000 ( +11.66%)
[ 2] occurences 6318 probability 0.15795000 ( -5.23%)
[ 3] occurences 6265 probability 0.15662500 ( -6.03%)
[ 4] occurences 6334 probability 0.15835000 ( -4.99%)
[ 5] occurences 6177 probability 0.15442500 ( -7.34%)
minimum occurences 6177.00 probability 0.15442500 ( -7.34%)
maximum occurences 7462.00 probability 0.18655000 ( +11.93%)
mean occurences 6666.67 probability 0.16666667 ( +0.00%)
stddev occurences 611.58 probability 0.01528949 ( 9.17%)
让我们试试6位：
$ ./modulo-test 80000 6 6
interations = 80000, range = 6, bits = 6 (0x0000003f)
[0..63] => [0..5]
theorical occurences 13333.33 probability 0.16666667
[ 0] occurences 13741 probability 0.17176250 ( +3.06%)
[ 1] occurences 13610 probability 0.17012500 ( +2.08%)
[ 2] occurences 13890 probability 0.17362500 ( +4.18%)
[ 3] occurences 13702 probability 0.17127500 ( +2.77%)
[ 4] occurences 12492 probability 0.15615000 ( -6.31%)
[ 5] occurences 12565 probability 0.15706250 ( -5.76%)
minimum occurences 12492.00 probability 0.15615000 ( -6.31%)
maximum occurences 13890.00 probability 0.17362500 ( +4.18%)
mean occurences 13333.33 probability 0.16666667 ( +0.00%)
stddev occurences 630.35 probability 0.00787938 ( 4.73%)
问题
请解释为什么在更改输入位时结果会有所不同（并相应地增加样本数）？这些背后的数学推理是什么？
错误的统计信息
在问题的上一个版本中，我展示了一个32位输入的测试，只有1000000次迭代，例如10 ^ 6个样本，并且说我很惊讶得到正确的结果。 这是错误的我感到羞耻：必须有N倍的样本才能有信心获得发生器的所有2 ^ 32值。这里10 ^ 6是小到2 ^ 32的方式。 能够用数学/统计语言解释这一点的人们的奖金。。
这里结果错误：
$ ./modulo-test 1000000 6 32
interations = 1000000, range = 6, bits = 32 (0xffffffff)
[0..4294967295] => [0..5]
theorical occurences 166666.67 probability 0.16666667
[ 0] occurences 166881 probability 0.16688100 ( +0.13%)
[ 1] occurences 166881 probability 0.16688100 ( +0.13%)
[ 2] occurences 166487 probability 0.16648700 ( -0.11%)
[ 3] occurences 166484 probability 0.16648400 ( -0.11%)
[ 4] occurences 166750 probability 0.16675000 ( +0.05%)
[ 5] occurences 166517 probability 0.16651700 ( -0.09%)
minimum occurences 166484.00 probability 0.16648400 ( -0.11%)
maximum occurences 166881.00 probability 0.16688100 ( +0.13%)
mean occurences 166666.67 probability 0.16666667 ( +0.00%)
stddev occurences 193.32 probability 0.00019332 ( 0.12%)
我仍然需要阅读并重新阅读Zed Shaw "Programmers Need To Learn Statistics Or I Will Kill Them All"的优秀文章。
答案 0 :(得分：9)
从本质上讲，你正在做：
(rand() & 7) % 6
我们假设rand()在[0; RAND_MAX]上均匀分布，RAND_MAX+1是2的幂。很明显，rand() & 7可以评估为0，1，...，7，并且结果是等概率的。
现在让我们看一下以模6为模型的结果。
这就解释了为什么你得到的其他数字是原来的两倍数。
第二种情况也是如此。但是，“额外”数字的值要小得多，使得它们的贡献与噪声无法区分。
总结一下，如果你在[0上有一个均匀分布的整数; M-1]，并且你以模N为模，除非M可被N整除，否则结果将偏向零。
答案 1 :(得分：2)
rand()（或其他一些PRNG）在区间[0 .. RAND_MAX]中生成值。您希望使用余数运算符将这些映射到区间[0 .. N-1]。
写
(RAND_MAX+1) = q*N + r
0 <= r < N。
然后对于区间[0 .. N-1]中的每个值都有
q+1 ，则{li> rand()值r映射到该值
如果值为q，则{li> rand()值>= r映射到该值。
现在，如果q很小，q和q+1之间的相对差异很大，但如果q很大 - 2^32 / 6，例如 - 差异无法轻易衡量。