我有一个不断从rss提要中收集项目的系统。
我只想随机抽取这些项目中的一定百分比,比如20%。
我的方法是,对于每个项目,我使用 rand(0,100) "掷骰子",并且仅当此语句的结果<20 时才接受该项目。
这是一个好方法吗?
如果你确定你的随机是真正的随机,那么是的,这是一个非常好的方法。
请注意,做一个随机的 0、5 并且只在它是 1 时才接受它可能更容易(同样的效果,20% 是 100 的 1/5)。这样你的分布会更窄。虽然,这需要舍入到整数,这是一个额外的操作。
你的方法是正确的。但是,随机选择值的标准方法只是从统一(0,1)模拟并根据需要接受/拒绝。然后,您的伪代码是:
if(unif(0,1) < 0.2)
##Do something
从总共 N
个条目中选择 n
个项目后,您已经从具有参数 N
和 p=0.2
的二项分布中采样。例如,如果N=10000
,则您(平均)选择了N*p=10000*0.2=2000
项。但是,差异将为:N*p*(1-p) = 1600
。所以在以下任何地方选择
(2000 - 2*sqrt(1600), 2000 + 2*sqrt(1600)) = (1920, 2080)
会合理。