给一个方法,比如 rand5(), 它能够等概率生成 1-5 之间的整数。 所谓等概率就是1,2,3,4,5 生产的概率均为 0.2 。现在利用rand5(), 构造一个能够等概率生成 1- 7 的方法。
这里有两个特别重要的点,一是 如果 rand5() + rand5(), 我们能够产生一个均匀分布的 1 - 10 吗? 答案是否定的。比如对于 6来讲(4+2, 2+4, 3+3),它被生成的生成的概率比1 (1+0,0+1)要大.
第二个点就是我们不可能用rand5()直接产生 1- 7 的数,不管你用加减乘除都不行。
所以,我们要构造一个更大的范围,使得范围里每一个值被生成的概率是一样的,而且这个范围是7的倍数,代码如下:
[java] view plaincopy
第三行代码产生一个均匀分布的 0, 5, 10, 15, 20的数。
第四行代码产生一个均匀分布的 0, 1, 2, 3, 4 的数。
相加以后,会产生一个 0到24的数,而且每个数(除0外)生成的概率是一样的。我们只取 1 - 21 这一段,和7 取余以后+1就能得到完全均匀分布的1-7的随机数了。
这里有两个特别重要的点,一是 如果 rand5() + rand5(), 我们能够产生一个均匀分布的 1 - 10 吗? 答案是否定的。比如对于 6来讲(4+2, 2+4, 3+3),它被生成的生成的概率比1 (1+0,0+1)要大.
第二个点就是我们不可能用rand5()直接产生 1- 7 的数,不管你用加减乘除都不行。
所以,我们要构造一个更大的范围,使得范围里每一个值被生成的概率是一样的,而且这个范围是7的倍数,代码如下:
[java] view plaincopy
int rand7() {
while (1) {
int rand = 5 * (rand5() -1) ;
rand = rand + rand5() -1;
if (rand < 22 && ran > 0) {
return rand%7 + 1 ;
}
}
}
第三行代码产生一个均匀分布的 0, 5, 10, 15, 20的数。
第四行代码产生一个均匀分布的 0, 1, 2, 3, 4 的数。
相加以后,会产生一个 0到24的数,而且每个数(除0外)生成的概率是一样的。我们只取 1 - 21 这一段,和7 取余以后+1就能得到完全均匀分布的1-7的随机数了。