1樓：草如花
先找 rand1() ， [0-1]
rand1rand8() - 1) / (8 - 1) 。
rand7() = rand1() * (7-1) + 1。
擴充套件開來。
已知randN = [L , N] ，求 randM = [K,M]方法：先找 rand1() ， [0-1]rand1 = (randN - L) / (N - L)randM = rand1 * (M - K) + KrandM = (randN - L) / (N - L) * (M - K) + K。
2樓：大尾巴狼
直接用rand8的結果(e.g. 0,1,2,...,7)，如果出現那個rand7結果以外的(7)。再繼續執行一次。
這是乙個拉斯維加斯演算法。期望執行次數為 8/7
不用擔心它永遠不會結束，因為現實情況它一定會結束
這裡介紹一下隨機演算法的概念
隨機演算法無外乎兩種情況，拉斯維加斯演算法和蒙特卡洛演算法。兩者可以相互轉化
拉斯維加斯演算法是保證執行結果，不保證執行時間。蒙特卡洛演算法是保證執行時間，不保證是否fail。
以本題目為例子。拉斯維加斯演算法如我所描述。蒙特卡洛演算法則為 0 - 6 結果使用，7出現直接算作Fail
拉斯維加斯演算法到蒙特卡洛演算法的轉化為用乙個截止時間，超時Fail。
蒙特卡洛到拉斯維加斯算罰轉化為，只要Fail，就重做。
3樓：
首先，上面答案所說的「遇到8就重取，直到出現1~7」這個方法是可以的，標準的Acceptance-Rejection method
其次，關於用這個方法的最大效率，我們要先定義「效率」，即「每生成乙個rand7需要rand8的期望次數」,這個數越小越好（當然我們可以用這個數的倒數，效率應該越大越好嘛），所以就像高票答案裡提到的（@lixin liu 算錯了，他的boundary好像也錯了，應該是0.93578...），這種方法的效率是8/7=1.
143接下來是我的改進方案：
一次性用rand8生成n個1~8的隨機數，並用它們產生m個1~7的隨機數。為了保證rejection method可以用，我們有
那麼此時的效率就是
例如m=16, n=15時，效率=0.993
又或者m=3535, n=3308時，效率=0.9360
再或者m=8892, n=8321時，效率=0.9358， 很接近boundary了，n,m繼續增加還會有更接近的解
ps：這是個integer programming的問題，我太菜了不會求，但是如果m，n可以不是整數，上述問題變成了minimization with linear constraint，那麼可以證明在不等式條件取等號時我們有，此時效率,即最高效率的情況（不會資訊理論，求指教）
4樓：
碰到8重新抽樣，或者搞個轉盤
轉盤上只有0-6
每次隨機出來的數都是指標撥動的次數
把隨機值往往當前值上加。
應該是均勻的吧（滑稽
5樓：林彼方
1. 建立乙個長度為8的陣列。初始值為[1, 2, 3, 4, 5, 6, 7, 空]，指標指向最後的位置。
2. 如果rand8抽到1~7，就輸出這個數，並存入陣列，然後將指標右移。陣列滿了之後就從第乙個開始迴圈替換。
3. 如果rand8抽到8，就再呼叫一次rand8，結果是幾就輸出陣列中第幾個數。
如果一開始就抽到8……就重抽吧( . )
6樓：
遇到8重取
期望1*7/8+2*1/8*7/8+3*1/8*1/8*7/8+....=1+1/8+1/8*1/8+1/8*1/8*1/8+...=8/7
對於這個問題，已經足夠小了，沒有必要繼續想了。
7樓：幹驢
能隨機生成1-8就相當於能隨機生成0或1(1-4對應0，5-8對應1)，所以換句話說就是，拋有限次硬幣，得到乙個1/7的概率。應該不可能吧，畢竟1/7不能用二進位制準確表示。
8樓：王贇 Maigo
為敘述方便，設rand8等概率地產生0~7的隨機整數，我們想要用它製造乙個rand7，等概率地產生0~6的隨機整數。
效率最高的方法如下：用rand8反覆生成0~7的隨機數，把它們連起來看作乙個八進位制純小數。把這個純小數轉換成七進製，以它的各位數作為rand7的輸出。
每能確定七進製小數的一位數，就輸出一位數。
從長遠來看，這種方法輸出一位0~6的隨機數，需要消耗log(7)/log(8)位0~7的隨機數，資訊利用率為100%。之所以能做到這一點，是因為產生上一位隨機數時沒有用完的資訊，被用在了下一位隨機數的產生中。
上面的分析沒有考慮運算誤差。輸出一位數所需的時間沒有上限，但無限執行下去的概率為0。這也是已有答案中的各種方法的共同點。
9樓：
ROLL（1-8）7次，計算隨機的數字的次數，有多個數字出現次數相同，則輸出先出現的數字的次數。
如果我ROLL到7次1，那麼就輸出7，如果所有數字都不同，則輸出次數1.
10樓：
我認為最高效的方法就是取到8重來，如果「高效」不排斥發生的概率是0的死迴圈的話。
理由：平均執行次數=8/7次。[同志們這是多少？幾乎就是一次搞定阿]
100%的概率在有限次內完成。
11樓：
抽到8重抽，是可行的。
從實際情況出發嘛，連續100次抽到8的概率是。這個概率大約是 分之一。而根據艾丁頓數估計，整個宇宙中，大概只有個原子。
12樓：
抽到 8 重抽。這個方法有人指出這種 rejection sampling「不能保證有限步數內結束」。
於是有個改進方案：
每生成一次 [1, 7] 內的結果，在輸出的同時也把它丟到熵池裡去。如果抽到 8 的話，就用那個熵池來生成乙個 [1, 7] 之間的隨機數（雖然感覺這樣相當於完全重寫了乙個 rand7 的樣子）。
13樓：Asterisk
import
random
random
.seed
(int(''
.join
([str
(rand8
())foriin
xrange(8
)])))
rand7
=lambda
:random
.randint(0
,7)當然是用從低質量隨機源生成高質量隨機數的一般方法啊（光速逃
14樓：Richard Xu
@Eidosper 的求和只寫了一次，應該是typo吧……實際上 @D Flip Flop的方法（累加n次並對7取餘）和 @小科的方法（取n次，若n次都為8則強行輸出1）是等價的。
證明：顯然。
……這個逼是我掉的我裝完就走……
證明：因為每次累加都使得有乙個數的概率比其它6個數高一點，第1次累加後這個數為1，第2次累加後這個數為2，依此類推。第一次累加時高出的部分是1/8，由歸納法，若第n-1次時高出的部分是，即
有6個數的概率為，有1個數的概率為，
那麼第n次後高出的部分為
這恰好就是「出現n次8後強行輸出這個數」這一做法給這個數所增加的概率。
既然等價那收斂性就沒問題了，因為 @小科 的做法誤差顯然是收斂的
15樓：Dylan
首先題目肯定要求的是隨機分布。
1-8的隨機丟掉8來當作1-7的隨機發生器用，沒有任何問題，任何乙個取值概率都是相同的，不過不能加和到1罷了。
再來看用1-7來構造1-8的隨機數生成器，用兩個1-7發生器構造乙個1-49的發生器（想像7*7的二維陣列），丟掉49，現在你能隨機均勻的得到1～48，再對8求餘就行了。
之前小結了一點
16樓：王鐵匠
這個題目讓我想起了，以前有乙個關於生女孩生男孩的事情國家只允許生一胎，但有些人希望要男娃，所以他們會B超鑑定男女，如果發現懷的不是男娃，就重新懷。針對這個情況，國家出乙個規定，允許如果生下來不是男娃，那麼就可以繼續生，直到生下還在孩子是男娃為止。假設生男娃女娃概率都是5-5，那麼按照這個政策最終男女比例是多少？
自己算根據這個思路，本體解法
rand8():
pass
rand7():
while(1):
c=rand8()
if(c<8return c
17樓：每半年改一次
如果一定要是嚴格等概率分布的話，本質上都要靠出現8時重新產生隨機數直到產生1-7之間的，不可能保證在給定步數內結束，因為產生n次1-8隨機數的sigma域裡沒有概率為1/7的事件。
如果要近似的話，可以在連續產生m個8後強行輸出1，這樣誤差是(1/8)的m次方。
python如何生成乙個序列，是隨機仍20次骰子組合的序列，並把連續相同的打上括號？
python如何生成乙個序列，是隨機仍20次骰子組合的序列，並把連續相同的打上括號？比如這樣 1 2 5 5 3 1 2 4 3 2 2 2 2 3 6 5 5 6 3 1 解答的思路 核心思想是先生成二十次結果，然後遍歷一遍這個結果陣列，找到重複數字的下標範圍。把每一次遍歷中的結果都儲存到乙個結果...
如何評價乙個偽隨機數生成演算法的優劣？
Sisi H 本來是來這裡看看能不能幫我完成作業的，看了看發現我老師說得還挺全的。截老師的三張ppt 王建新 NIST SP800 22中規定了隨機數隨機性測試方法，共16個測試項，必選項15個，是國際上比較權威的測試方法，國密局的隨機數測試規範也參考了這個標準。按照此標準測試有開源的測試工具 st...
計算機隨機生成乙個數是不是真的是隨機的？
逐龍 你這個問題其實跟計算機沒關係了，跟物理時空才有關係，這個已經不是計算機範疇了。你這其實是問世界能不能回到時空都一樣的瞬間，還有你這兒的歷史也已經不是指歷史，而是指時空，因為我們一般的歷史要求就是大事件沒變化就是歷史沒變化。另外，量子世界狀態目前科學認為是具有隨機性質的。 疋召 隨機本身就沒有乙...