马尔可夫模型日记——如何模拟真正的概率系统

今天看了一个马尔可夫模型的应用：文本的分析与写作。主要的功能是：对一篇演讲（英文）作为数据集，写出一段固定字数的文本，即演讲内容的结构生成任意长度的马尔可夫链组成的句子。
可能是算法太简单，并不能写出什么有逻辑的句子，全是些胡言乱语，看起来像硬性拼凑的话。不过其中有一个算法我倒是觉得很值得学习，这个算法的功能是：
利用随机数模拟真实的环境发生系统，即已知一系列独立事件的发生概率，比如 A：15%，B:20%，C：11%，D:3%，E:42%，F:9%；在其中选出一个事件，该事件被选中的概率和事情发生的概率相同，模拟真正的概率系统，概率越高，被选中的概率越高。
先贴代码:

from random import randint

def retrieveItem(dicts):
    #计算事件发生的概率和
    sum = 0
    for key,value in dicts.items():
        sum +=value*100

    #随机生成一个数，在1~sum之间
    randIndex = randint(1,sum)
    for key,value in dicts.items():
        randIndex -=value
        if randIndex <= 0:
            return key

私以为，这段代码太神奇了！如果是单纯的使用随机数来挑选abcdef中的一个的话，概率就是计算机说了算，而不是我们输入的概率说了算。
这段代码的核心在于

randIndex -=value

算出概率和之后，随机产生一个数，然后减去各个事件发生的概率，直至减为0或负值，返回当前的事件。
（不是数学系毕业，也描述不清楚，后面好好学习，想一想怎么才能描述清楚。）