Question

是否考虑了python随机生成器＆＃34; good＆＃34;？如同，它是否很好地模拟随机性？我制作了一个小程序，模拟一个人从（0,0）开始，并在东，西，北，南随机步骤。当您运行具有越来越多步骤的模拟时，您会期望人的最终位置越来越接近原点。但是，当我增加模拟中的步数时，最终位置越来越远离原点。我使用的程序在这里：

import random

def walk():
    north = 0
    east = 0
    for i in range(10000):
        direction = random.randint(0, 100)
    if direction <= 25:
        north = north + 1
    elif direction > 25 and direction <= 50:
        north = north - 1
    elif direction > 50 and direction <= 75:
        east = east + 1
    else:
        east = east - 1
return north, east



def main():
    for i in range(500):
        north, east = walk()
        print("NE : ", north, east)


main()

Answer 1

当您使用越来越多的步骤进行模拟时，您会期望此人的最终位置越来越接近原点。

这根本不是真的。想象一下你从（0,0）开始。向东走一步，带你到（1,0）。现在，为了更接近原点，你需要向西迈进一步。向任何其他方向迈出一步将使您远离原点。所以，你有1/4的机会更接近原点，有3/4的机会远离原点。无论你身在何处，都是如此;通常情况下，一步将使您远离原点。因此，您的模拟表现如预期;你去的时间越长，距离你的起源越远。

要知道为什么这是真的;考虑一个单向步行，你可以向左或向右走。如果你采取十步，预期值是左右50:50; 5左和右5，带你回到原点。当然，你最终可能会在60:40或70:30结束，离你原点一两步之遥。毕竟，这是一个小样本。如果你采取1000步，你最终可能会得到520左右到480左右，非常接近50:50的比例。如果你采取10000步，你将更接近50:50的比例，可能是5050：4950。

然而，有一些非常重要的事情需要注意;当您的样本量变大时，从左到右的步骤的比例接近50:50，但左右步骤之间的绝对差异得到较大的。在最后一种情况下，你有一个50.5：49.5的比例，但是你距离原点几步<50> ，相比之下，如果你有一个60，则离原点只有一步之遥：40比率，十步。

Answer 2

它不是python，它是这一行：

        direction = random.randint(0, 100)

以上将生成值0 <= N <= 100，这是101个可能的值。你已经在你的发电机中引入了偏差，并且考虑到偏差，数字越大，你实际上就越偏离原点。

使用无偏的生成器，您的平均值为零。

Answer 3

无论上述答案都是好的和正确的，用Python实现的随机生成器是Mersenne Twister，它已知不会通过着名应用程序TestU01中最难的2个测试，并且也被认为是有点大的评价。你可以尝试这个库：PyRandLib。参见：

https://schmouk.github.io/PyRandLib/可轻松下载档案版本，
https://github.com/schmouk/PyRandLib可以访问代码。

这个库包含许多同类最佳的伪随机数生成器，其行为与Python“内置”库随机行为完全相同。只需在Python目录的“Lib / site-packages /”子目录中解压缩或解压缩下载的存档。然后，享受： - ）

Python随机生成器不是那么随机？

3 个答案: