本文共 1180 字，大约阅读时间需要 3 分钟。

　　硬币分为Head(正面)和Tail(反面)，如果硬币是均匀的，那么出现Head和Tail的概率分别为50%、50%。把一枚硬币掷三次，结果有2*2*2=8种可能，分别为：

　　HHH、HHT、HTH、HTT 　　TTT、TTH、THT、THH 　　那么，样本空间(sample spaces): $\Omega$={HHH、HHT、HTH、HTT、TTT、TTH、THT、THH}，令$x$是$\Omega$里一个的样本，则 　　$P(x="HHH")=1/8$, 　　$P(x="HHT")=1/8$, 　　$...$ 　　$P(x="THH")=1/8$ 　　统计8个样本中H出现的次数: 　　　　Num(H)=3+2+2+1+0+1+1+2=8+4=12 　　那么H出现的频率为： 　　　　Frequency(H)= 12/(3*8)=12/24=0.5 　　可以看到P(H) = Frequency(H) 　　以上是从理论上分析的结果，在实际操作中，掷硬币三次，Num(H)可能为10，那么Frequent(H) = 10/24=0.41与0.5有较大的偏差。当我们把掷硬币的次数增加时，Frequent(H)会逐步接近0.5。下面，在中，使用R语言进行掷硬币的仿真实验。 　　//coin.R　　

# 掷硬币500次N <- 500flipsequence <- sample(x=c(0,1), prob=c(0.5,0.5),size = N, replace = TRUE)r <- cumsum(flipsequence)n <- 1:Nrunprop = r/n#绘图plot(n,runprop,type="o",log="x",     xlim=c(1,N), ylim=c(0.0,1.0), cex.axis=1.5,     main="Running Proportion of Heads",cex.axis=1.5)#添加一条直线y=0.5lines(c(1,N),c(0.5,0.5),lty=3)#添加标注flipletters <- paste(c("T","H")[flipsequence[1:10]+1], collapse = "")displaystring <- paste("Flip Sequence= ", flipletters,'...',sep="" )text(5,0.9, displaystring, adj = c(0,1),cex=1.3)#显示模拟500次得到Head的频率text(N-100,0.3, paste("End Proportion = ",runprop[N]),adj=c(1,0), cex=1.3)

　　效果如下：

图(1) 掷硬币500次得到Head(正面)的频率