增量随机抽样

设 Rand(A,B) 随机返回[A,B]中的一个整数。

问题1：从N个数中随机抽取m个数。

解1(笨),  通过“改变样本空间”，抽取-排除的形式，先出抽一个，第二个抽碰到第一个值就忽略继续抽，依次类推知道抽满m个。

i=0

while（i<m）{

x=Rand(1,N)

if(x not in  S){

 insert(x,S);

i++ 

}

}

缺点：循环次数可能比预计多很多，如果随机不充分，可能会死循环。

解2（good）递归，A先对前N-1个数随机抽取m-1个数，B再从1->N中随机选一个数x，如果x不在前面m-1个中，就插入x，否则插入N;

for( i =  N-m+1 ,i <=N ;i++){

x=Rand(1,i)

if(x not in S) insert(x,S)

else insert(i,S) 

}

方法结果证明：

假设前N-1个数已经随机抽去m-1个数，结果集合S

对于最后一个数x

x in S      插入N                                       p1 =  (m-1）/N

x not in S  && x==N   插入N                 p2 =   1/N                     p1+p2 =m/N

x not in S  && x!=N   插入x        p = {（N-(m-1)） - 1  }/N  =(N-m)/N    

可知：最后一个数插入的概率 = m/N

这种方法可以增量随样！！！！

成功完成一次抽样的概率 p  =  m*(m-1)*(m-2)*...1    /      N *(N-1)*(N-2)* ...(N-m+1) =  1 / C(N,m)

复杂度讨论：

外层循环 O(M)

主要在于内层的集合查找判断

#1 关于S数据结构1：bitmap, 当N不是很大的时候，把每一个数都看做1个bit位，很好判断x是否在s中  算法复杂度为常数O(M) 

#2 关于S数据结构2：平衡树,当N很大时，查找树的复杂度为O(logM), 算法总复杂度为O(MlogM)