随机数概率事件

需求

1 2 3 4 5 6 7 8 随机出现的概率 怎么控制 例如 从 1-8中取一个随机数 1 2 3 4 5的概率分别是 14% 6 7 8 出现的概率是 10%

实现

要控制从1-8中取一个随机数出现的概率，可以使用加权随机数生成算法。具体步骤如下：

1. 计算每个数字的出现概率。

   • 对于数字1、2、3、4、5，设定概率为14%。
   • 对于数字6、7、8，设定概率为10%。

2. 将每个数字的概率转化为权重。

   • 对于数字1、2、3、4、5，权重为14。
   • 对于数字6、7、8，权重为10。

3. 计算总权重。

   • 总权重 = 数字1的权重 + 数字2的权重 + … + 数字8的权重。

4. 生成一个随机数，取值范围为[1, 总权重]。

5. 根据随机数的值选择对应的数字。

   • 如果随机数的值在1-14之间，则选择数字1。
   • 如果随机数的值在15-28之间，则选择数字2。
   • 以此类推，根据权重的范围选择对应数字。

通过这种方式，可以实现不同数字出现的概率控制。请注意，概率的具体数值和权重的设定需要根据实际需求进行调整。

方法一

第一个示例的JavaScript代码，用于根据设定的概率生成随机数：

function getRandomNumber() {
  const probabilities = [0.14, 0.14, 0.14, 0.14, 0.14, 0.10, 0.10, 0.10];
  const totalWeight = probabilities.reduce((a, b) => a + b);

  const randNum = Math.random() * totalWeight;
  let cumulativeWeight = 0;

  for (let i = 0; i < probabilities.length; i++) {
    cumulativeWeight += probabilities[i];
    if (randNum <= cumulativeWeight) {
      return i + 1;
    }
  }
}

// 测试运行
const randomNumber = getRandomNumber();
console.log("随机数:", randomNumber);

在这个代码中，使用一个 probabilities 数组存储了每个数字出现的概率。totalWeight 变量计算了总权重。getRandomNumber 函数使用 Math.random 生成一个 [0, totalWeight) 范围内的随机数，并使用累积权重的方式来判断该随机数对应的数字。

你可以根据需求修改 probabilities 数组的数值来控制不同数字的出现概率。确保概率值之和为1，或者权重之和为总权重。

请注意，JavaScript 的 Math.random 函数返回一个 [0, 1) 范围内的随机数。因此，我们将这个随机数乘以 totalWeight 来得到一个 [0, totalWeight) 范围内的随机数。

方法二

function getRandomNumber() {
  const probabilities = [0.14, 0.14, 0.14, 0.14, 0.14, 0.10, 0.10, 0.10];
  const cumulativeProbabilities = [];
  let cumulativeProbability = 0;

  for (const probability of probabilities) {
    cumulativeProbability += probability;
    cumulativeProbabilities.push(cumulativeProbability);
  }

  const rand = Math.random();
  for (let i = 0; i < cumulativeProbabilities.length; i++) {
    if (rand <= cumulativeProbabilities[i]) {
      return i + 1;
    }
  }
}

// 测试运行
const randomNumber = getRandomNumber();
console.log("随机数:", randomNumber);

在这个方法中，我们首先将概率列表转换为累积概率数组。接下来，我们生成一个0到1之间的随机数，然后根据随机数落在累积概率数组的区间来确定对应的数字。

这种方法可以使得概率分布更加精确，但需要相应的累积概率计算。你可以根据你的具体概率要求修改概率列表和权重，以适应你的应用场景。