为程序员，看着这种概率与决策，有时候常在想，我怎么做决策我的胜率概率最大，能不能用程序来模拟一下。我选择A赢的概率，我选择B赢的概率呢？
当然，必定是可以的，程序天然非常容易处理这些大数据，循环等问题，话不多说，直接看效果吧。
1
2
3
体验地址
github源码地址
死亡概率模拟器
核心算法采用了“几何分布逆变换采样”
O(1)时间复杂度，相比传统蒙特卡洛方法性能提升显著
数学准确性：基于几何分布的期望值 E[X] = 1/p
边界保护：处理 log(0) 等数学异常
calculateDeathTime() {
const p = this.selectedProbability.value;
const u = Math.random();
const u_safe = Math.max(u, 1e-10); // 避免log(0)
// 几何分布公式：X = ceil(log(U) / log(1-p))
const deathTime = Math.ceil(Math.log(u_safe) / Math.log(1 - p));
return Math.max(1, deathTime);
}
风险抉择抽奖
采用了预计算 + 进度动画分离。
计算与渲染分离：避免10000次抽奖时的性能问题
固定时长体验：无论多少次抽奖，用户等待时间可控
平滑进度显示：50ms更新间隔保证流畅动画
async startLottery() {
// 步骤1：预先快速计算所有结果（无延迟）
for (let i = 0; i < this.selectedTimes; i++) {
const result = this.performSingleLottery();
this.results.push(result);
}
// 步骤2：根据次数设置固定动画时长
let animationDuration = 0;
if (this.selectedTimes === 1) animationDuration = 0; // 立即
else if (this.selectedTimes === 10) animationDuration = 500; // 0.5s
else if (this.selectedTimes === 100) animationDuration = 1000; // 1s
else if (this.selectedTimes === 1000) animationDuration = 1500; // 1.5s
else if (this.selectedTimes === 10000) animationDuration = 2000; // 2s
// 步骤3：播放进度动画（仅更新显示）
const updateInterval = 50; // 每50ms更新一次
const totalSteps = animationDuration / updateInterval;
for (let step = 1; step <= totalSteps; step++) {
this.currentRound = Math.floor((step / totalSteps) * this.selectedTimes);
await this.sleep(updateInterval);
}
}
同时采用了真随机模拟 Math.random() 模拟概率，大数定律验证，次数越多越接近理论值
performSingleLottery() {
const random = Math.random(); // [0, 1)
if (random < 0.99) {
return { win: true, amount: 200000000 }; // 99%概率：2亿
} else {
return { win: false, amount: 0 }; // 1%概率：0元
}
}
最后
其实最后发觉，概率学到最后就是数学期望，一个人选择可能是随机，但100人、1w人、10w人选择就是必然的概率了。
一个人选择失败对整体影响有限，但对于他自身而言，可能是灾难性的，这也就是一个人在就是整个时代的一粒沙尘，对整个时代影响微乎其微。
但通过代码的计算我们也可以看出，一个人微乎其微，但如果你在你的前面加一个权重，那可能就不一样了，所以大家行动起来吧，让自己变得更强，那样，在选择中，你取胜的概率就会更大了，谢谢大家。
)
