等可能地n选m问题

2019独角兽企业重金招聘Python工程师标准>>>

如何等可能地n选m

给你一个长度为n的数组a[1..n]，要你等可能地选m个元素出来。

先说一个最简单的做法。

就是从这n个数里随机选一个，譬如说选到的数是a[i]，然后我们把a[i]和a[1]交换

然后问题转变成从a[2..n]这n-1个数的数组里选m-1个数

以此类推，最后我们就成功地选出了m个数，他们被放在了a[1..m]

这个方法是如此显然，但是还是让我们来看看它的正确性。

先确定一下样本空间，这种方法产生的每个样本点分别是

假设我们最后得到的样本点为b[1..m]，这个样本点出现的概率是

    P(b[1..m]出现) = P(b[1]在第1次被选中) * P(b[2]在第2次被选中 | b[1]出现) * P(b[3]在第3次被选中 | b[1..2]出现) * ... * P(b[m]在第m次被选中 | b[1..m-1]出现)

由独立性可以知道, 

    P(b[j]在第j次被选中 | b[1..j-1]出现) = P(b[j]在第j次被选中) = 1 / (n - (j-1))

所以

    P(b[1..m]出现) = (1 / n) * (1 / n - 1) * ... * (1 / n - (n - m + 1))

对于样本空间的每个样本点，上面的分析都是一样的，所以，这个方法抽出来的样本点，是等可能的。证明完毕。

这个方法有一个缺点，那就是，它会破坏原来的数组的元素的顺序。

现在来看一下另一个有趣的方法，这个方法是基于递归的思路的（或者说是基于序贯树模型的）

我们现在要从n个数里选出m个数，考察a[1]，基于类似于01背包的思想，样本点可以分为两类，一类是包含a[1]的，一类是不包含a[1]的。

这个启发我们，能不能以一定的概率来决定a[1]是否包含进来呢？

设想一下，我们以概率p把[1]包含进来，概率（1-p）把a[1]淘汰。

先看a[1]被包含进来的情况。

假设我们现在已经决定要把a[1]包含进来了，那我们接下来的工作就是，在剩下的a[2..n]里面，等概率地选取m-1个数。看到了吗，同构的子问题出现了！

所以，我们可以先假定，我们已经有办法可以解决“从j个数里的概率地选择i个数，j小于n”这类问题。

对于这种情况，产生的每个样本点的概率是 p * ( 1 / C(n-1, m - 1) )

再来看a[1]不包含在内的情况。

假设我们现在决定不要a[1]了，那么，我们接下来的工作就是，在剩下的a[2..n]里面，等概率地选取m个数。ok，子问题再次出现。

没关系，因为我们已经假设了我们有能力解决规模更小的子问题了。

对于这种情况，产生的每个样本点的概率是 (1-p) * ( 1/C(n,m) )

现在的关键就是，那个p到底等于多少才合理呢？

所谓合理的p，也就是说，上面两种情况，产生的样本点的概率是一样的，也就是说，满足这个方程：

 p * ( 1 / C(n-1, m - 1) ) = (1-p) * ( 1/C(n,m) )

解之得：

p = m / (n + m)

问题就解决了。

转载于:https://my.oschina.net/mustang/blog/79626