集卡类抽奖活动集齐概率分布python模拟

说明

最近测试一个刮卡抽奖的活动，为了估算一下刮卡集齐的难度，需要计算一下集齐卡片的所需卡片数的分布。

集卡活动规则

1. 一套卡片一共8张，每张刮卡的概率都是0.125
2. 每个人都可以获得无限多的抽奖次数，直到集齐8张卡
3. 卡片没有库存，无法赠送

由于没有现在抽奖次数，直接使用概率计算难度较大（主要是也不会算），所以直接选用模拟多用户抽奖，收集抽奖结果的频次分布可以约等于概率分布

# -*- coding: utf-8 -*-
import numpy,random
import matplotlib.pyplot as plt

#发卡程序，这里简单的返回1-8的随机数,这个地方可以使用真正的发卡程序
def lottery():
    return random.randint(1,8)
    
#模拟一个人集卡，集齐后返回刮卡次数
def hit():
    #设置8张初始卡片都是0
    card=[0, 0, 0, 0, 0, 0, 0, 0]
    count=0
    #为了方便模拟设置了最大刮卡次数99，当达到最大次数后不再抽奖直接返回count
    while count<99:
        c=lottery()
        #将抽中的卡片对应记录设置为0
        card[c-1]=1
        count+=1
        # 当八张卡片都是集齐后返回刮奖次数
        if numpy.sum(card)==8:
            return count
    return count
#绘制分布曲线

def show(data):
    x=numpy.linspace(0,100,100)
    y=data
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
    plt.plot(x,y)
    plt.title(u'集卡概率分布曲线(50万次模拟)')
    plt.xlabel(u'中奖时的卡片数')
    plt.ylabel(u"分布")
    plt.show()

if __name__=="__main__":
    #结果list存储抽奖结果
    res=[0 for x in range(100)]
    #n为模拟次数
    n=500000
    for i in range(n):
        c=hit()
        res[c]=res[c]+1
    print(numpy.array(res)/n)
    show(numpy.array(res)/n)

可以看出基本上40张以内绝大多数人就能集齐，一半的人20张以内可以集齐