如何通过投掷一枚硬币产生各种概率

一枚均值硬币（fair coin），其概率分布为 $[(0, 0.5), (1, 0.5)]$

import random

def coin():
    p = random.random()
    return 1 if p < 0.5 else 0

产生0.25, 0.75的概率分布

投掷（toss）一枚硬币，正面向上为1，反面向上为0。连续投掷两次，11为1：对应概率为0.25，{10, 01, 00}为0：对应概率为0.75。也即此时的随机变量（rv，random variable）$X$ 为投掷两次的与（and）值。

应用：A, B, C, D的四个选项，用一枚硬币产生每个选项相等的概率，也即各位0.25.

• A：11
• B：10
• C：01
• D：00

def prob1():
    a, b = coin(), coin()
    if (a & b) == 1:
        return 1
    else:
        return 0 

测试：

import collections 
cnt = collections.defaultdict(int)
N = 10**5
for i in range(N):
    cnt[prob1()] += 1
for n in cnt:
    print(n, cnt[n]/N)
                                    # 0 0.749835
                                    # 1 0.250165

产生 $\frac13,\;\frac23$ 的概率分布

投掷一枚硬币两次，11为1，{10, 01}为0，{00}重新投掷。

应用：自然是A, B, C三个选项，用一枚硬币产生每个选项相等的概率。

def prob2():
    while True:
        a, b = coin(), coin()
        if (a & b) == 1:
            return 1
        if (a | b) == 1:
            return 0
                # while 和 两个 if（但没有else）的结合很妙
                # 实现对else情况的重新投掷判断

产生 $0.3,\;0.7$ 的概率分布

投掷一枚硬币四次，前三种情况为1，也即{0000, 0001, 0010}，再有六种情况为0，如{0011, 0100, 0101, 0110, 0111, 1000}，其余情况重新投掷。

当然方案并不唯一。这里再提供一个利用条件概率解决方案，首先定义离散型随机变量 $X$：投掷一枚硬币四次得到的二进制表示（0000-1111）（如同掷一个骰子得到点数为1-6）。在点数不大于10的情况下点数不大于3的概率（这方案有点耍无赖，:-D）。

再转念一想，“点数不大于10的条件下”莫不就是把其他的情况排除了嘛，原来两种方案是等价的，只不过条件概率的概念可以解释第一种方案罢了。

def prob3():
    while True:
        a, b, c, d = coin(), coin(), coin(), coin()
        if ...

如果是一个骰子呢？

如何通过一个掷骰子获得 $\frac14,\frac34$ 的概率分布（probability distribution）？

其实只需要一步就可将掷骰子问题转化为抛硬币问题。how ？
抛出的点数为奇数，也即{1, 3, 5}为1，概率为1/2；
抛出的点数为偶数，也即{2, 4, 6}为0，概率为1/2；
如此便将掷骰子问题转换为了抛硬币问题。

以任一概率执行某一动作

某一概率 $P$ 执行某一动作，在(0, 1)区间均匀分布上进行采样，也即 $u\sim U(0,1)$：

import scipy.stats as st

p = .6
u = st.uniform(0, 1)
if u.rvs() < p:
    ...

非均匀硬币：如何产生均匀的概率分布

就以普通的一元人民币硬币为例，正面为1字，反面为花，事实上，重心是稍微偏向反面的，此时如果想保证公平，应该如何指定。根据前面的描述，这道题目的答案应该十分简单了。正反：为正，反正：为反。

import random
from collections import Counter

def unfair_coin(p):
    return 1 if random.random() < p else 0
def toss(p):
    while True:
        a, b = unfair_coin(p), unfair_coin(p)
        if a - b == 1:
            return 1
        if b - a == 1:
            return 0
if __name__ == '__main__':
    N, p = 10000, 0.49
    c = Counter((toss(p) for _ in range(N)))