老阴老阳少阴少阳的概率

10 2026-02-04 10:09 2026-02-04 10:30

我来为您计算易经中老阴、老阳、少阴、少阳的概率。这取决于使用的占卜方法：

1. 铜钱占卜（三枚铜钱）

每枚铜钱有正反两面，三枚共有 2³ = 8 种等可能组合：

表格

复制

卦象	铜钱结果	概率计算	概率值
老阴 ⚏ （太阴，变爻）	三个字（正面）	C(3,3)/8	1/8 = 12.5%
少阳 ⚎ （太阳，不变）	两个字一个背	C(3,2)/8	3/8 = 37.5%
少阴 ⚍ （少阴，不变）	一个字两个背	C(3,1)/8	3/8 = 37.5%
老阳 ⚌ （太阳，变爻）	三个背（反面）	C(3,0)/8	1/8 = 12.5%

特点：变爻（老阴老阳）概率较低（各12.5%），不变爻（少阴少阳）概率较高（各37.5%）。

2. 蓍草占卜（大衍之数）

通过"四营三变"的复杂操作，概率分布如下：

表格

复制

卦象	数值	概率	运算逻辑
老阳	9	5/16 = 31.25%	(4+4+1)/16 或实际复杂分营结果
少阴	8	7/16 = 43.75%	最多见的稳定阴爻
少阳	7	5/16 = 31.25%	稳定的阳爻
老阴	6	1/16 = 6.25%	最少见的变爻

特点：老阴最为罕见（6.25%），少阴最为常见（43.75%），体现了"阴主静、阳主动"的哲学观念。

对比总结

表格

复制

方法	老阴	少阴	少阳	老阳	特点
铜钱法	12.5%	37.5%	37.5%	12.5%	对称分布，简便易行
蓍草法	6.25%	43.75%	31.25%	18.75%	老阳实际约18.75%，老阴极稀有

注：严格的大衍筮法经过"十有八变而成卦"，其概率计算涉及复杂的余数分配（挂一、揲四、归奇），上述蓍草概率为传统共识值。朱熹《易学启蒙》有详细记载。

您是想了解具体的占卜操作步骤，还是需要我用代码模拟验证这些概率？

64卦概率

根据占卜方法不同，64卦的概率分布如下：

1. 本卦概率（基础卦象）

无论铜钱法还是蓍草法，得到任意一卦（本卦）的概率均相等：

P(任意一卦)=641≈1.5625%

原因：

铜钱法：阳爻（少阳+老阳）概率 = 83+81=21 ，阴爻同理。六爻独立，每卦概率 (21)6=641
蓍草法：阳爻（7+9）概率 = 165+163=21 ，阴爻（6+8）概率 = 161+167=21

2. 变爻数量概率分布

两种占卜方法恰好具有相同的变爻概率（变爻即老阴、老阳）：

表格

复制

变爻数量	概率计算	精确值	百分比	说明
0个（静卦）	(43)6	4096729	17.8%	最稳定，无变化
1个	C61(41)(43)5	40961458	35.6%	最常见，看本卦+变爻辞
2个	C62(41)2(43)4	40961215	29.7%	看本卦两爻辞
3个	C63(41)3(43)3	4096540	13.2%	看本卦+之卦彖辞
4个	C64(41)4(43)2	4096135	3.3%	看上爻不变两爻
5个	C65(41)5(43)	409618	0.44%	看之卦+不变爻
6个（全变）	(41)6	40961	0.024%	极罕见，看之卦+乾坤用九用六

3. 特殊卦象概率

表格

复制

场景	概率	说明
六爻皆不变	4096729	占17.8%，据本卦卦辞占
一爻变	40961458	占35.6%，据本卦变爻爻辞占
六爻全变	40961	仅0.024%，乾坤用九用六，余观之卦
得到乾卦☰	641	与任何一卦相同
得到坤卦☷	641	与任何一卦相同
乾卦六爻皆老阳	(81)6=2621441	铜钱法下仅0.00038%
乾卦六爻皆九（蓍草）	(163)6≈184801	蓍草法下约0.0054%

4. 方法差异对比

虽然本卦等概率，但爻位数值的分布不同：

表格

复制

方法	6(老阴)	7(少阳)	8(少阴)	9(老阳)	特点
铜钱法	12.5%	37.5%	37.5%	12.5%	对称，老阴老阳等概率
蓍草法	6.25%	31.25%	43.75%	18.75%	阴盛阳衰，老阴最稀有

关键结论：64卦本身无高低贵贱之分，概率均等。差异主要体现在"变卦"的稀有度上，特别是6个变爻的情况在4096次占卜中才出现约1次，古人视为"天机极端示警"。

您想进一步了解如何根据变爻数量选择占断方法（如"朱熹变卦法"）吗？

v6, v5, v4 = random.randint(6, 9), random.randint(6, 9), random.randint(6, 9)

让6、7、8、9按照1/8、3/8、3/8、1/8的概率出现应该如何修改代码？

要实现铜钱占卜的正确概率分布（6: 1/8, 7: 3/8, 8: 3/8, 9: 1/8），需要使用加权随机而不是均匀随机。

修改方案

方法1：使用 random.choices（推荐）

Python

复制

import random

# 单次生成
v = random.choices([6, 7, 8, 9], weights=[1, 3, 3, 1], k=1)[0]

# 同时生成三爻
v6, v5, v4 = random.choices([6, 7, 8, 9], weights=[1, 3, 3, 1], k=3)

方法2：使用 random.random 区间映射

Python

复制

import random

def yao():
    r = random.random()
    if r < 1/8:      # 0.0 ~ 0.125
        return 6     # 老阴（变爻）
    elif r < 4/8:    # 0.125 ~ 0.5
        return 7     # 少阳（不变）
    elif r < 7/8:    # 0.5 ~ 0.875
        return 8     # 少阴（不变）
    else:            # 0.875 ~ 1.0
        return 9     # 老阳（变爻）

v6, v5, v4 = yao(), yao(), yao()

概率验证

Python

复制

import random
from collections import Counter

# 测试100万次
results = random.choices([6, 7, 8, 9], weights=[1, 3, 3, 1], k=1000000)
count = Counter(results)

print("理论概率: 6=12.5%, 7=37.5%, 8=37.5%, 9=12.5%")
print("实际频率:", {k: f"{v/10000:.2f}%" for k, v in count.items()})

对比：错误 vs 正确

表格

复制

方法	代码	6的概率	7的概率	问题
❌ 错误	`randint(6,9)`	25%	25%	四数等概率，不符合铜钱占卜
✅ 正确	`choices(weights=[1,3,3,1])`	12.5%	37.5%	符合三枚铜钱概率

铜钱占卜原理对应

Python

复制

import random

def cast_coin():
    """模拟三枚铜钱投掷，返回6/7/8/9"""
    coins = [random.choice([2, 3]) for _ in range(3)]  # 2=反(阴), 3=正(阳)
    total = sum(coins)
    # 3=6老阴, 4=7少阳, 5=8少阴, 6=9老阳
    mapping = {3: 6, 4: 7, 5: 8, 6: 9}
    return mapping[total]

# 验证：此方法与 weighted choices 结果一致

推荐使用 random.choices，代码简洁且概率明确可控。

连续三次单次生成和同时生成三爻有区别吗？

没有区别。两种方式在概率分布和独立性上完全等价。

数学等价性

Python

复制

import random

# 方式A：连续三次单次生成
v6 = random.choices([6,7,8,9], weights=[1,3,3,1], k=1)[0]
v5 = random.choices([6,7,8,9], weights=[1,3,3,1], k=1)[0]
v4 = random.choices([6,7,8,9], weights=[1,3,3,1], k=1)[0]

# 方式B：同时生成三爻
v6, v5, v4 = random.choices([6,7,8,9], weights=[1,3,3,1], k=3)

完全等价，因为：

每次调用 random.choices 都是独立随机事件
方式B只是方式A的语法糖，内部实现相同

验证代码

Python

复制

import random
from collections import Counter

def method_a():
    """连续三次单次"""
    return (
        random.choices([6,7,8,9], weights=[1,3,3,1], k=1)[0],
        random.choices([6,7,8,9], weights=[1,3,3,1], k=1)[0],
        random.choices([6,7,8,9], weights=[1,3,3,1], k=1)[0]
    )

def method_b():
    """同时生成三爻"""
    return tuple(random.choices([6,7,8,9], weights=[1,3,3,1], k=3))

# 各运行10万次，统计三爻组合分布
count_a = Counter(method_a() for _ in range(100000))
count_b = Counter(method_b() for _ in range(100000))

print(f"方式A唯一组合数: {len(count_a)}")  # ≈ 64种
print(f"方式B唯一组合数: {len(count_b)}")  # ≈ 64种
print(f"Top3组合A: {count_a.most_common(3)}")
print(f"Top3组合B: {count_b.most_common(3)}")

真正需要注意的区别

表格

复制

场景	是否有区别	说明
单次vs单次	❌ 无区别	独立同分布
k=1调用三次 vs k=3一次	❌ 无区别	完全等价
不同random实例	❌ 无区别	各实例独立，但分布相同
设置随机种子后	✅ 有区别	`random.seed(42)` 后结果可复现，但两种方法仍等价
多线程环境	✅ 可能有区别	需考虑线程安全，建议各线程独立random实例

实际应用建议

Python

复制

import random

# ✅ 推荐：简洁写法
yao_list = random.choices([6,7,8,9], weights=[1,3,3,1], k=6)  # 直接得六爻
v6, v5, v4, v3, v2, v1 = yao_list  # 解包，v6为上爻，v1为初爻

# 或使用命名元组增强可读性
from collections import namedtuple
Yao = namedtuple('Yao', ['shang', 'wu', 'si', 'san', 'er', 'chu'])
guan = Yao(*random.choices([6,7,8,9], weights=[1,3,3,1], k=6))

结论：两种写法任选，性能和行为完全一致。选择可读性更好的即可。

博客

老阴老阳少阴少阳的概率

1. 铜钱占卜（三枚铜钱）

2. 蓍草占卜（大衍之数）

对比总结

1. 本卦概率（基础卦象）

2. 变爻数量概率分布

3. 特殊卦象概率

4. 方法差异对比

修改方案

方法1：使用 random.choices（推荐）

方法2：使用 random.random 区间映射

概率验证

对比：错误 vs 正确

铜钱占卜原理对应

数学等价性

验证代码

真正需要注意的区别

实际应用建议

全部评论

分类

热门文章

Tags

关于