python模拟多次采样通过低概率事件多次重复实验趋近必然事件

只接代码演示好了:

import operator  
import numpy as np  
import matplotlib.pyplot as plt  
from functools import reduce  
def cal(n, k):  
    # 返回排列组合的:从总体中选取若干的个体排列组合总数  
    return reduce(operator.mul, range(n - k + 1, n + 1)) / reduce(operator.mul, range(1, k + 1))  
  
def bagMonitor(n, p):  
    # n代表了模拟的试验次数,每一次实验相互独立, p为每一次实验成功的概率  
    s = 0  
    for i in range(int(n/2) + 1, n + 1):  
        s += cal(n, i) * (p ** i) * ((1 - p) ** (n - i))  
    return s  
  
if __name__ == "__main__":  
    # 只要保证P的概率大于0.5,那么经过有限多次的实验后,我们说该事件发生的概率就趋近1,这也是机器学习中经常  
    # 说的,top5,top3等的准确率会提高的原因  
    for i in range(1, 1001, 10):  
        s = bagMonitor(i, 0.55)  
        print(i, "次采样的正确率:", s)