小样本大概率事件的正确处理方式 - 2. 结果分析

接上一篇 小样本大概率事件的正确处理方式 - 1. 概率的含义和误差产生的原因

首先，对于传统的“分别判断样本中每个事件是否发生”，我称之为概率约束；而“提前对样本内的事件发生频次进行预处理”，我称之为样本约束。
然后，这次随机我使用三个互斥事件：从0,1,2三个数字中取一个，取出0的概率为20%，取出1的概率为30%，取出2的概率为50%。并且，我提高样本的大小到1000。
接着，为了让结果更加直观，我通过Excel做了一个表和曲线图。

对于概率约束，我的算法是这样的：（不需要解释吧）

对于样本约束，我的算法是这样的：（简单说明一下，这里是每10次随机作为一个小样本，约束里面的0出现2次，1出现3次，2出现5次，然后进行洗牌，这样重复了100次。由于是三个互斥事件，所以和上一篇文章中的01对立事件的算法有差别。）