从一道概率问题说起

本文选取面试过程中有意思的概率问题来进行讨论和分享，具体如下：
​ 给定一个函数rand7()，每次调用都能够等概率的生成1-7这7个数字，利用这个函数如何等概率地生成1~9呢，即实现函数rand9()。

分析

我们能够利用的有限条件是rand7()这个函数，它能够等概率地生成1-7，而我们需要等概率地生成1~9，这中间必然是有联系，且能够进行转换的。

换一个角度，如果我们有rand9()，那么如何实现rand7()呢？

实际上，如果我们有rand9()这个函数的话，每次生成的数据是1，2，3，4，5，6，7，8，9；对于数字8和9其实并不是我们需要的，我们直接丢弃就可以了，再次获取rand9()的值，直至小于等于7。

int rand7(){
  int num = rand9();
 while(num>7){
    num = rand9();
 }
  return num;
}

但是这种丢弃元素重新获取的方式能够保证等概率地获取1~7这7个数字么？是公平的么？

我们可以实际求取一下这样获得数字1的概率，有以下情况：

1. 第一次调用rand9()，获得了1，概率p为

2. 第二次调用rand9()，数字大于7，再次调用rand9()，获得了1,概率p为

3. 第三次调用rand9()，数字大于7，后续再调用了两次rand9()，获得了1，概率p为

4. 第n次调用rand9()，获得1的概率为

   由此可以得出用这种方式获取到元素1~7的概率

   可知，这种方式是能够等概率地获取1~7每一个数字的。这种方式也称之为拒绝采样，满足一定条件就接受，不满足就拒绝。

基于这个认识，即

m,n为正整数，如果能够等概率地获取1-m这m个数字，那么同样可以等概率地获取1-n(n<m)这n个数字。

此时，我们可以回过头来看本文最初的问题，即给定一个rand7()，如何实现rand9()。这个问题与我们的具体问题相比较，等概率生成的范围较小，而要求的范围较大。如果我们能够基于rand7()，实现一个更大范围的等概率数（这个数的至少比9大），那么就可以通过拒绝采样的方式，筛选出小于9的数，实现rand9()。

联想

要求：基于rand7()，实现一个randk()，k>9

rand7()函数能够等概率生成1，2，3，4，5，6，7；

那么2*rand7()就能等概率生成2，4，6，8，10，12，14，但是中间的数1，3，5，7，9，11，13都没有生成；

7*rand7()就能等概率生成7，14，21，28，35，42，49，中间的差值都是7；

可以看到7*rand7()等概率生成的这些数，中间的差值都是7，因此可以利用rand7()生成1-7来填补中间这些数。

由此可以实现7*(rand7()-1)+rand7()，能够等概率返回 1~49这49个数，那么再筛选过程中，去掉其中大于9的数，肯定是能够实现rand9()，即：

int rand9(){
  //实现1-49
  int num = (rand7()-1)*7+rand7();
 while(num>9){
    num = (rand7()-1)*7+rand7();
 }
  return num;
}

这个方法虽然是对的，但是耗时会很多，因为很多大于9的数都被过滤了，需要多调用几次rand7()，时间复杂度高，获取1~9的数学期望会很高。可以基于此作一些改进：

int rand9(){
  //实现1-49
  int num = (rand7()-1)*7+rand7();
  //对于大于45的数，拒绝本次采样，开始下一轮采样
 while(num>45){
    num = (rand7()-1)*7+rand7();
 }
  //num 1~45，num%9 等概率返回0-8
  return num%9+1;
}

可以在实现等概率范围的1-49范围内，选择9的最大倍数45，将大于45的数过滤，开启下次采样，实现等概率返回1-45，此时再对9进行取模，能够等概率返回0-8这9个数。通过这种方式，每次最多丢弃的数字为46~49，一次获得1-45范围的数的概率为

实际上对于要过滤的46~49这4个数字，还可以做一次映射

可以将46-49映射到1-28，在对大于27（在28范围内9的最大倍数）舍去就可，最终舍去的就是28一个数字，能够进一步提高效率。

rand7()实现rand9()映射关系图

int rand9(){
  //实现1-49
  int num = (rand7()-1)*7+rand7();
  while(true){
    num = (rand7()-1)*7+rand7();
    if(num <= 45){
      return num%9+1;
    }
    
    num = (num-45-1)*7+rand7();
    if(num<=27){
      return num%9+1;
    }
  //num=28 舍去
 }
}

刚刚我们是从rand7生成rand9()，因为7<9，所以需要将数据范围扩充到7*7=49。如果要生成rand300()呢？实际上就可以在生成rand49()的基础上再乘以7，得到rand343()，然后筛选出小于等于300的数即可。

从这里我们可以总结规律：

已知randM()，求取randN()，其中M<N。

我们可以不断地调用randM()并进行映射，直到生成一个范围大于N的数。

从上述例子来看，我们每次扩充范围的时候，都是要乘以M，因此我们可以从M进制及位运算的角度来看下这个问题。

1. 将N转化为M进制数

2. 然后从N的高位开始使用randM()进行随机生成一个M进制数，如果生成的数小于等于高位上的数字，则进行下一个高位数字的生成与选择，否则在此高位继续使用randM()直至小于等于高位上的数字。

rand7()实现rand300()的7进制原理图

最后

本文对等概率生成数字问题做了一个分析，其核心思想就是，将复杂问题转化为经典的已知基础问题，最主要的有两个方面：

1. 如何扩大生成的数字范围

2. 如何保证生成的各个数的概率相同，即保证公平

参考

《程序员代码面试指南》
《Leetcode》

更多信息欢迎关注微信公众号：惊鸿只为卿