百度的一道概率题目

为了分析用户的行为，系统往往需要存储用户的一些query，但是因为query非常多，所以系统不能够存下每一条。假设我们的系统每天只能够存储m个query，现在需要设计一个算法，对用户时时请求的query进行随机选择m个，请给出一个方案，使得每一个query被抽中的概率尽量相等，也请附加相应的分析。需要注意的是，不到最后一刻你并不知道用户的总请求量是多少。

本题需要一个假设，假设每天query的总数为n，题目就变成了n个数，随机抽取m个数的问题，但是因为题目不是将数存储在数组中，而是将抽取的数存放在a[m]中，所以具体实现如下：

1）先将每天的前m个query存放在数组a[m]中。

2）

for（i=m; i<n; i++)  
{ 
      r = rand() % i; //随机［0，i]   
      if (r>=0 && r <m)  
      {  
            a[r] = a[i];  
      }  
}  

3) 验证每个query被抽中的概率是否相等。
    首先看a[n-1]，它被抽中的概率是 m/n;
     再看a[n-2], 随机到[0,m-1]的概率为 m/(n-1),要是它最后存在数组中的前m个，要保证对于a[n-1]时，获得的随机数不能与a[n-2]时的随机数相等，这样a[n-1]的随机数有 (n-1)种选择，则a[n-2]最后存在a[0...m-1]的概率为 m/(n-1)  *   (n-1)/n = m/n;
    
    最后我们在看已经放到数组中的前m个query, 对于a[0]， 要想使a[0]不被替换，则从i=m 开始，一直到i=n-1，每个元素的随机数都不能为0，
    则 i=m时，随机数不为0的概率为， m/(m+1)
        i = m+1,   为(m+1)/(m+2).
        ......
        i = n-1时，为 (n-1)/n.
       最后，a[0]不被替换的概率为m/(m+1)  * (m+1)/(m+2)   * (m+2)/(m+3)*   ...... * (n-1)/n  = m/n;也就是说，a[0]不被替换，即被抽中的概率是 m/n.
     以上方法得证！

    以此类推，对于a[m,...,n-1]来说，被抽中的概率相等，且都为 m/n.