Question

所以我想知道一些事情，这似乎很简单但在数学上却让我陷入了某些代码。

代码块中的

import random
def randomGen(num):
    # Just a base prototype                                                     
    randVal = random.randrange(num)
    return randVal % 10

outputCount = [0 for x in range(10)] # Hold the count in                        
for i in range(1000000):
    myVal = str(randomGen(10))
#    print("Value " + myVal, end = '\t')                                        
    outputCount[int(myVal)]+=1

print(outputCount)
outputCount = [0 for x in range(10)] # Hold the count in                        
for i in range(1000000):
    myVal = str(randomGen(10000))
 #   print("Value " + myVal, end = '\t')                                        
    outputCount[int(myVal)]+=1

print(outputCount)

我知道你给rand一个更大的样本量，但这实际上增加了＆＃34;随机性＆＃34;你从中得到的价值，我运行了几次代码，而不是一百万而不是一些，从统计上来说，我觉得它总是会导致大致相同的分组。就像你将一副纸牌分成两半一样，如果牌组以任何顺序洗牌，你的每一面的价值总和大约是一半。

我不确定这只是我的挑剔，但我不是出于某种原因，想要放置一个广泛的种子＆＃34; rand的值，因为它似乎不需要，或者是吗？

模数确定中的兰德逻辑

0 个答案: