嘿，我来帮你梳理这个问题的解决方案～你已经会用Python的random库生成0-20区间的随机数了，现在要针对选定的某个数（比如10）计算相关概率，其实可以分成理论概率分析和实际频率验证两部分来做，具体内容如下：

一、理论概率分析 #

首先明确random.randint(0, 20)的特性：它会生成包含0和20在内的21个整数，并且每个整数的出现概率是均匀相等的。基于这个前提：

• 单个随机数等于目标数（比如10）的理论概率是：1/21 ≈ 4.76%
• 如果要计算「5个随机数中至少出现一次目标数」的理论概率，可以用反向计算法：先算5个随机数都不是目标数的概率(20/21)^5，再用1减去这个值，结果约为21.6%

二、代码实现：实际频率验证（近似概率） #

理论概率是固定的，但实际运行中我们可以通过大量重复试验来统计频率（频率会随着试验次数增加趋近于理论概率，这就是大数定律）。下面是完整的代码实现：

import random

# 配置核心参数
target_num = 10  # 你选定的目标数
total_trials = 10000  # 总试验次数，次数越多结果越接近理论值
nums_per_trial = 5  # 每次试验生成的随机数数量

# 统计1：单个随机数命中目标的总次数
total_target_hits = 0
total_generated_nums = total_trials * nums_per_trial

for _ in range(total_trials):
    for _ in range(nums_per_trial):
        if random.randint(0, 20) == target_num:
            total_target_hits += 1

# 统计2：每组5个随机数中至少命中一次目标的试验次数
successful_trials = 0
for _ in range(total_trials):
    # 检查当前组的5个随机数是否有目标数
    has_target = any(random.randint(0, 20) == target_num for _ in range(nums_per_trial))
    if has_target:
        successful_trials += 1

# 计算并输出结果
single_num_freq = total_target_hits / total_generated_nums
trial_success_freq = successful_trials / total_trials

print(f"单个随机数等于{target_num}的实际频率：{single_num_freq:.4f}（理论概率：{1/21:.4f}）")
print(f"5个随机数中至少出现一次{target_num}的实际频率：{trial_success_freq:.4f}（理论概率：{1 - (20/21)**5:.4f}）")

代码说明 #

• 我们设置了10000次试验，每次生成5个随机数，这样总共有50000个随机数样本，结果会更接近理论值
• 代码统计了两个维度的频率：单个随机数命中目标的频率，以及每组5个随机数中至少一次命中的频率
• 如果只是想单次生成5个随机数并统计其中目标数的出现次数，直接去掉循环，生成一次5个数然后计数即可，但这只能得到单次结果，不能代表概率

三、额外提醒 #

• random.randint(a, b)生成的是闭区间[a, b]的整数，所以0到20一共21个值，这个是计算理论概率的关键
• 如果需要更严谨的随机数（比如加密场景），可以考虑使用secrets库，但日常测试用random完全足够

内容的提问来源于stack exchange，提问作者vaibhav