帮我用python写一个仿真实验，假设有输入设置有n个硬币，将这些硬币随机抛出，将正面朝上的硬币挑出，剩下的硬币继续抛。直到所有硬币都正面朝上，输出一共抛了多少次。

你好，这是一个简单的仿真实验。下面是用 Python 写的代码示例：

import random

def simulate(n):
    flips = 0
    while True:
        # 抛出所有硬币
        coins = [random.randint(0, 1) for _ in range(n)]
        # 统计正面朝上的硬币数量
        heads = sum(coins)
        flips += 1
        # 如果全部都是正面朝上，就退出循环
        if heads == n:
            break
    return flips

# 测试
print(simulate(10))

在这个代码中，我们使用了 `random.randint(a, b)` 函数生成一个 0 到 1 之间的随机整数。我们将这些随机数看作硬币抛出后正面朝上 (1) 或背面朝上 (0)。我们使用 `while` 循环不断抛出硬币，直到所有硬币都是正面朝上。我们使用 Python 的内置函数 `sum` 对正面朝上的硬币数量进行统计，如果正面朝上的硬币数量等于输入的硬币数量 n，就退出循环。

希望这个示例能帮到你！

相关问题

请写一个python程序事先计算:抛硬币1000次，观测到0-100次朝上的总概率

以下是计算抛硬币1000次观测到0-100次朝上的总概率的Python程序：

import math

def binomial_coefficient(n, k):
    return math.factorial(n) // (math.factorial(k) * math.factorial(n - k))

def binomial_probability(n, k, p):
    return binomial_coefficient(n, k) * p ** k * (1 - p) ** (n - k)

total_prob = 0
for i in range(101):
    prob = binomial_probability(1000, i, 0.5)
    total_prob += prob
print(total_prob)

解释：

- `binomial_coefficient(n, k)` 函数计算组合数，即从 `n` 个元素中选出 `k` 个元素的方案数。
- `binomial_probability(n, k, p)` 函数计算二项分布概率，即进行 `n` 次独立实验，每次实验成功的概率为 `p`，观测到 `k` 次成功的概率。
- 程序中循环遍历观测到 0-100 次朝上的情况，分别计算对应的二项分布概率，最后将所有概率相加即为总概率。
- 在这个问题中，硬币的正反面概率相等，所以 `p=0.5`。

请编写一个程序，模拟扔硬币 100 次，假设每次扔硬币正面朝上的概率为 49 %。并打印出这 100 次硬币中有多少次正面朝上pythonn

好的，可以使用Python中的random模块来模拟扔硬币。以下是一个简单的代码示例：

import random

# 初始化正面朝上的次数为0
heads = 0

# 模拟扔硬币100次
for i in range(100):
    # 生成0到1之间的随机数
    result = random.random()
    # 如果随机数小于0.49，则认为正面朝上
    if result < 0.49:
        heads += 1

# 输出结果
print("正面朝上的次数为：", heads)

运行上述代码，输出结果类似于：

正面朝上的次数为： 49

注意，由于概率是一个随机过程，因此每次运行结果可能会略有不同。