.编程生成 100个1~6之间的随机数，统计1~6之间的每个数出现的概率:修改程序，使之生成 1000个随机数并统计概率;比较不同的结果并给出结论

以下生成100个1~6之间的随机数并统计每个数出现的概率的Python代码:

import random

# 生成100个1~6之间的随机数
random_numbers = [random.randint(1, 6) for _ in range(100)]

# 统计每个数出现的次数
counts = [0] * 6
for num in random_numbers:
    counts[num - 1] += 1

# 计算每个数出现的概率
probabilities = [count / 100 for count in counts]

# 输出结果
for i in range(6):
    print(f"{i+1}出现的概率为: {probabilities[i]:.2f}")

运行结果可能如下：

1出现的概率为: 0.17
2出现的概率为: 0.21
3出现的概率为: 0.19
4出现的概率为: 0.19
5出现的概率为: 0.14
6出现的概率为: 0.10

以下是生成1000个1~6之间的随机数并统计每个数出现的概率的Python代码:

import random

# 生成1000个1~6之间的随机数
random_numbers = [random.randint(1, 6) for _ in range(1000)]

# 统计每个数出现的次数
counts = [0] * 6
for num in random_numbers:
    counts[num - 1] += 1

# 计算每个数出现的概率
probabilities = [count / 1000 for count in counts]

# 输出结果
for i in range(6):
    print(f"{i+1}出现的概率为: {probabilities[i]:.2f}")

运行结果可能如下：

1出现的概率为: 0.16
2出现的概率为: 0.17
3出现的概率为: 0.17
4出现的概率为: 0.16
5出现的概率为: 0.16
6出现的概率为: 0.18

对比不同数量的随机数生成结果，可以发现，随着生成的随机数数量增多，每个数出现的概率越接近1/6。这符合大数定律。因此，我们可以得出结论：随着样本数量的增加，样本统计结果越接近真实的概率值。