本文介绍了如何使用蓄水池模型从一组数中以相同概率选取k个样本。首先，将前k个数放入蓄水池，然后从第k+1个数开始，每个数以k/i的概率替换池中的一个数，确保每个数被选中的概率恒定。通过这种方式，可以实现不放回抽样的概率均衡。
从n个数中取k个数，保证每个数拿到的概率相同
蓄水池模型
1.先取前k个到缓冲区（蓄水池）中
2从第k+1个开始，每一个数字(记为第i个数字)都有机会被选中顶替现有池子中的一个数，概率为k/i
3如果被选中，池子中每个数字被替换的概率为1/k(问题规模缩小为k=1)
设当前正在遍历i+1个数，该数被选中的概率为k/(i+1)
在此前i个数中每个数被选中的概率为k/i,本轮被淘汰的概率为k/(i+1) * 1/k.则本轮不被淘汰的概率就是1 - k/(i+1) * 1/k = i/(i+1)，则总体被选中的概率就是 k/i * i/(i+1) = k/(i+1)
所以每个数字被选中的概率一样
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
