谢老师,您好,我今天研究了一个关于随机采样的问题,本来以为很简单,但是matlab做出来的效果和我预期的相差很大。请指教。
问题描述,对于一个含有n个样本的样本空间,作k * n 次随机采样,k 是多少时可以保证有99.9%以上的概率含有n个样本至少出现一次?
理论出现所有元素的概率p0, p0 = 1- (1 - 1/n) ^(k*n); 当p0 > 99.9%时解出k。
模拟程序如下:
%对于随机取样的情况下需要多大的样本量可以保证99%以上的情况取到所有的样本clear;clc;
numOfElements = 20; %样本容量
factor = 7 ; %放大系数
targetMatchPct =1-(1-1./numOfElements).^(numOfElements*factor); %理论匹配系数
spaceSize = factor*numOfElements;%测试空间大小
numOfTests = spaceSize*10; %模拟次数
fprintf('Size of sample space %d, factor %d\n',spaceSize,factor);
fprintf('Number of simulations %d\n',numOfTests);
res = zeros(1,numOfTests);
for t = 1:numOfTests
randSet = randi(numOfElements,[spaceSize,1]); %产生随机样本
res(t) = numel(unique(randSet)); %随机样本中包含的总样本
end
numOfUnMatch = sum(res
unmatchPct = numOfUnMatch / numOfTests * 100.0; %实际不符合的百分比(这个值要比理论值大10~20倍)
fprintf('Unmatched percent %3.3f%%(practise) vs %3.3f%%(theorical)\n',unmatchPct,(1-targetMatchPct)*100.0);
但是,实际模拟结果,实际不符合的百分比要比理论值大10~20倍。理论值应该是0.076%,而实际值是1~2%。
请问:
1. 我的理论和模拟对马?
2. 如果正确的话,这个问题是怎样引起的?是否是因为matlab是伪随机数引起的?
非常感谢!