如何在python中模拟偏向死角？

如何在python中模拟偏向死角？

这里有一点数学。

普通骰子将以相等的概率给每个1-6，即

1/6

。这称为均匀分布（相对于连续版本，它是离散版本）。意思是，如果

X

是一个描述单个角色结果的随机变量，则

X~U[1,6]

-意思

X

是平均分配给模辊的所有可能结果，从1到6。

这相当于在选择数目

[0,1)

而将其分成6个部分：

[0,1/6)

，

[1/6,2/6)

，

[2/6,3/6)

，

[3/6,4/6)

，

[4/6,5/6)

，

[5/6,1)

。

您请求的是其他分配，这是有偏见的。实现此目的的最简单方法是

[0,1)

根据所需的偏差将部分分为6个部分。所以你的情况，你会想要将它划分为如下：

[0,0.2)

，

[0.2,0.4)

，

[0.4,0.55)

，

0.55,0.7)

，

[0.7,0.84)

，

[0.84,1)

。

如果查看Wikipedia条目，您会发现在这种情况下，累积概率函数将不由6个等长的部分组成，而是由6个长度不同的部分组成，这些部分的长度根据您给他们的
偏见 而不同。质量分布也一样。

回到问题，根据您使用的语言，将其翻译回您的模具。在Python中，这是一个非常粗略的示例，尽管可以正常工作：

import randomsampleMassDist = (0.2, 0.1, 0.15, 0.15, 0.25, 0.15)# assume sum of bias is 1def roll(massDist):    randRoll = random.random() # in [0,1]    sum = 0    result = 1    for mass in massDist:        sum += mass        if randRoll < sum: return result        result+=1print(roll(sampleMassDist))