Question

在无偏硬币翻转中，H或T出现50％的次数。

但是我想模拟硬币给出H概率'p'和T概率'（1-p）'。

类似的东西：

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]

Answer 1

random.random()返回范围为[0,1]的均匀分布的伪随机浮点数。此数字小于[0,1]范围内的给定数字p，概率为p。因此：

def flip(p):
    return 'H' if random.random() < p else 'T'

一些实验：

>>> 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

Answer 2

您是否希望“偏见”基于对称分布？或者也许是指数分布？高斯有人吗？

嗯，以下是从随机文档中提取的所有方法。

首先，三角分布的一个例子：

print random.triangular(0, 1, 0.7)

<强> random.triangular(low, high, mode) ：

返回一个随机浮点数N，使low <= N < high和。{   在那些之间指定模式   界限。 low和high界限。mode和random.betavariate(alpha, beta)界限   默认为零和一个。 alpha > 0   参数默认为中点   在界限之间，给出一个对称的   分布。

<强> beta > 0 ：

Beta分发。参数的条件是0和   1。返回值介于random.expovariate(lambd)和lambd之间。

<强> 1.0 ：

指数分布。 lambda为0   除以所需的平均值。这应该   是非零。（参数将是   称为“ lambd ”，但这是一个   Python中的保留字。）返回   值范围从0到正数   无穷大如果lambd是积极的，那么   如果random.gammavariate(alpha, beta)，则从负无穷到alpha > 0   是否定的。

<强> beta > 0 ：

伽玛分布。（不是伽玛   功能！）条件   参数为random.gauss(mu, sigma)和mu。

<强> sigma ：

高斯分布。 normalvariate()是平均值，random.lognormvariate(mu, sigma)是标准   偏差。这稍快一点   而不是mu函数   定义如下。

<强> sigma ：

记录正态分布。如果你采取   这个的自然对数   分配，你会得到正常的   分布均值mu和标准   偏差sigma。 random.normalvariate(mu, sigma)可以有任何   值，mu必须大于。sigma   零

<强> random.vonmisesvariate(mu, kappa) ：

正态分布。 mu是平均值，   0是标准偏差。

<强> 2*pi ：

kappa是平均角度，表示为   kappa和0以及2*pi之间的弧度   是浓度参数，其中   必须大于或等于零。   如果random.paretovariate(alpha)等于零，则为此   分布减少到统一   alpha到random.weibullvariate(alpha, beta)范围内的随机角度。

<强> alpha ：

帕累托分布。 beta是   形状参数。

<强> {{1}}

威布尔分布。 {{1}}是   scale参数和{{1}}是形状   参数。

Answer 3

import random
def flip(p):
    return (random.random() < p)

返回一个布尔值，然后您可以使用它来选择所需的H或T（或在任意两个值之间选择）。您还可以在方法中包含选项：

def flip(p):
    if random.random() < p:
        return 'H'
    else:
        return 'T'

但这种方式通常不那么有用。

Answer 4

怎么样：

import numpy as np
n, p = 1, .33  # n = coins flipped, p = prob of success
s = np.random.binomial(n, p, 100)

Answer 5

导入0到1之间的随机数（您可以使用randrange函数）
如果数字高于（1-p），则返回尾部。
否则，回头

Answer 6

一个人也可以使用X ~ Bernoulli(p)从nsamples个分布sympy进行采样：

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]

返回'H'或'T'代替

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']

Answer 7

import random
def flip():
    return ["H" if random.randint(0,3) <= 2 else "T" for i in range(10)]

现在，Head的机率是75％，tail的机率是25％（0,1,2都是Heads，只有3个是Tails）。通过使用random.randint（），您可以在保持随机性的同时拥有任何偏见的可能性。

如何在python中模拟偏置硬币的翻转？

7 个答案: