python用random设计一个n有0.9的概率是1，有0.1的概率是0。同时取1到1000的所有整数N，每个N中有N个n，计算n＝1在N中的数量比例p，得出p在0.08和0.12中的所有可能和对应n的值

要设计这样一个模型，我们首先需要使用Python的random模块中的随机数生成方法。可以使用random.random()函数生成一个[0,1)范围内的随机浮点数，然后判断这个数是否小于0.1来决定n的值是0还是1。具体实现如下：

import random

# 定义生成随机数n的函数
def generate_n(n, p=0.1):
    return [1 if random.random() < p else 0 for _ in range(n)]

# 定义进行实验的函数
def run_experiment(N):
    total_n = 0
    n_ones = 0
    for _ in range(N):
        n_list = generate_n(_)
        total_n += _  # 记录总n的数量
        n_ones += n_list.count(1)  # 计算n=1的数量
    p = n_ones / total_n  # 计算n=1的比例p
    return p, n_ones

# 运行实验，计算p在0.08和0.12之间的所有可能的N值和对应的n_ones数量
for N in range(1, 1001):
    p, n_ones = run_experiment(N)
    if 0.08 <= p <= 0.12:
        print(f"N={N}, p={p:.3f}, n=1的数量={n_ones}")

这段代码定义了两个函数：`generate_n`用于生成一个长度为n的列表，其中每个元素有0.1的概率是1，0.9的概率是0；`run_experiment`用于运行实验，计算在给定的N值下，n=1的比例p，以及n=1的数量。

接下来，我们通过一个循环来模拟1到1000之间的所有整数N，运行实验，并打印出当n=1的比例p在0.08和0.12之间时的所有可能的N值及其对应的n=1的数量。