馬爾可夫模型日記——如何模拟真正的機率系統

今天看了一個馬爾可夫模型的應用：文本的分析與寫作。主要的功能是：對一篇演講（英文）作為資料集，寫出一段固定字數的文本，即演講内容的結構生成任意長度的馬爾可夫鍊組成的句子。

可能是算法太簡單，并不能寫出什麼有邏輯的句子，全是些胡言亂語，看起來像硬性拼湊的話。不過其中有一個算法我倒是覺得很值得學習，這個算法的功能是：

利用随機數模拟真實的環境發生系統，即已知一系列獨立事件的發生機率，比如 A：15%，B:20%，C：11%，D:3%，E:42%，F:9%；在其中選出一個事件，該事件被選中的機率和事情發生的機率相同，模拟真正的機率系統，機率越高，被選中的機率越高。

先貼代碼:

from random import randint

def retrieveItem(dicts):
    #計算事件發生的機率和
    sum = 
    for key,value in dicts.items():
        sum +=value*

    #随機生成一個數，在1~sum之間
    randIndex = randint(,sum)
    for key,value in dicts.items():
        randIndex -=value
        if randIndex <= :
            return key
           

私以為，這段代碼太神奇了！如果是單純的使用随機數來挑選abcdef中的一個的話，機率就是計算機說了算，而不是我們輸入的機率說了算。

這段代碼的核心在于

算出機率和之後，随機産生一個數，然後減去各個事件發生的機率，直至減為0或負值，傳回目前的事件。

（不是數學系畢業，也描述不清楚，後面好好學習，想一想怎麼才能描述清楚。）