随机算法 MillerRabin素数测试是3/4正确的蒙特卡洛算法

随机算法 MillerRabin素数测试是3/4正确的蒙特卡洛算法

为什么MillerRabin素数测试优于简单利用费马定理的测试呢？
当我们利用费马小定理测试一个数是否是素数的时候，如果返回假，那么100%确定这
个数是合数，但是如果返回值是真，有多少出错的可能呢。如果a^(n-1)mod n =1并
且n是一个合数那么这个a就叫做n的一个假见证，我们做个这样的一个统计，在小于1000
的奇合数中有多少个假见证呢。
小于1000的奇合数有332个,在这332个奇合数中仅有5个数没有假的见证，
超过一半的有两个假见证，只有16%的有超过15个假见证。
一共有4490个假见证。但是总共有172828个见证可以选择。
所以总之，小于1000的奇合数，出错的可能是3.3%，而在更大的数域内出错的概率会降低。
但是并不是每一个奇合数都只有少量的假见证，有的数有很多的假见证，所以特别的对这种
数出错的概率是很大的，例如：561有318个假见证，再如对于这个15位的数651693055693681，
出错的概率为99.9965%，所以说如果费马小定理测试法是p-correct的，那么这个p值是不确定的。

但是基于MillerRabin的素数测试呢？
考虑，测试算法中的witness(a,n)如果返回真，那么n一定是合数，如果返回假，那么n是素数
的概率有多大呢？对于任意的a如果witness(a,n)返回假，那么当且仅当a属于B(n)。如果n是
一个奇合数，那么如果a属于B(n)，则，a叫做n的强假见证，可以预见的是强假见证个数比假见
证更为稀少，具体的在小于1000的数中，随机选择一个数是强假见证的概率小于1%，超过72%的
奇合数没有强假见证
不加证明的给出以下定理
【如果n是素数则有B(n)={a|2<=a<=n-2}，如果n是合数则有|B(n)|<=(n-9)/4】
所以MillerRabin素数测试算法是一个3/4正确的蒙特卡洛算法，如果k次运行该算法，则
出错的概率可以降低到(1/4)^k。这是一个相当理想的结果了。