两个有趣的概率题

问题1：现在有一个文件行数未知，然后让你等概率的选择其中的一行，打印出来

 

你可能想着先遍历这个文件，统计行数n，然后对每个1/n的概率选择其中一行就可以了

可问题是，如果这个文件很大很大，或者这个文件一直处于动态的添加和删除状态，你无法静态的统计行数，该怎么办？

我们考虑用条件概率来做，首先以1/1的概率选择第一行，然后以1/2的概率选择第二行，以1/i的概率选择第i行，以此继续知道最后以1/n的概率选择最后一行。

让我们计算一下第一行最终被选择的概率P(1)=1/1*(1-1/2)*(1-1/3)...*(1-1/n)=1*1/2*2/3*...*(n-1)/n=1/n

第i行最终被选择的概率P(i)=1/i*(1-1/(i+1))*...*(1-1/n)=1/i*i/(i+1)*(n-1)/n=1/n

得解。

那么现在我们把上面的问题变一下看看有什么结果

 

 

问题2：现在有一个文件行数未知，以等概率选择其中的m行打印出来

 

继续用上面的方法？肯定不行！根本无法计算概率！

我们需要换种方法来解决。

让我们重新分析上面的问题，这次用不同的方法去做

我们维持一个变量max

对每一行产生一个[0,1]之间的概率，Pi

然后跟max比较，如果大于那么max重新赋值为Pi

一直到最后一行，然后我们输出max对应的那一行就可以了

是不是比上面的方法简洁多了，而且不需要那么多的乘法和除法(除法的时钟周期差不多比乘法高20倍)

正是这种转换给我们带来了思路，我们维持一个m大小的堆，来记录m个最大的概率就行了！