使用近似值生成均匀分布的位 - python

我正在尝试使用random.uniform而不是random.getrandbits来以50/50的概率生成0或1。

这就是我所拥有的

0 if random.uniform(0, 1e-323) == 0.0 else 1

但是，如果我运行了足够长的时间，则平均值约为70％以生成1。如下所示:

sum(0 if random.uniform(0, 1e-323) == 0.0 
    else 1 
    for _ in xrange(1000)) / 1000.0  # --> 0.737

如果将其更改为1e-324，它将始终为0。如果将其更改为1e-322，则平均值为〜％90。

我做了一个肮脏的程序，试图通过将其除以并乘以几次来找到1e-322和1e-324之间的最佳点:

v = 1e-323
n_runs = 100000
target = n_runs/2

result = 0
while True:
    result = sum(0 if random.uniform(0, v) == 0.0 else 1 for _ in xrange(n_runs))

    if result > target:
        v /= 1.5
    elif result < target:
        v *= 1.5 / 1.4
    else:
        break

print v

最终以4.94065645841e-324

但是，如果我运行足够的时间，那仍然是错误的。

没有我编写的肮脏脚本，是否可以找到该编号？我知道Python在sys.float_info.min中显示了一个内部最小浮点值，在我的PC中是2.22507385851e-308。但是我看不到如何使用它来解决这个问题。

很抱歉，这比起一个适当的问题，更像是一个难题，但我本人无法回答。

python大神给出的解决方案

我知道Python在sys.float_info.min中显示了一个内部最小浮点值，在我的PC中是2.22507385851e-308。但是我看不到如何使用它来解决这个问题。

2.22507385851e-308不是最小的正浮点值，它是最小的正标准化浮点值。最小的正浮动值是该值的2-52倍，即接近5e-324。

2-52被称为“机器epsilon”，通常将浮点类型的“ min”称为一个值，该值是所有可比较值中的最小值(即-inf)或最小值的有限值(即-max)或最小的正值。

然后，您面临的下一个问题是random.uniform的一致性不高。当您将其传递给归一化的数字时，它可能工作正常，但是，如果传递给它的是最小的正可表示浮点数，则其内部进行的计算可能非常近似，从而导致其行为不同于文档中所述。尽管根据您的“脏脚本”的结果，它似乎可以正常工作。