一道算法题——从数据流中随机去m个数

题目:有一个很大很大的输入流,大到没有存储器可以将其存储下来,且只输入一次,如何从这个输入流中随机取得m个记录。

我的思路:

首先,存储开始的m条记录,存放于数组result[m]中;

然后,假设有n条记录,每一次读取记录后,取随机数x,0<= x < n;
判断随机数,
    当0<= x < m时,我们将记录存放到result[x]中;
    当m<= x < n时,我们不存这个记录;

最后,输入所有的数据流后,result[m]存放的就是随机出来的m条记录。

    分析下,我们期待的某一个记录被选中的概率为m/n,按照我的这个算法,第i个记录被选中的事件可以描述成“该记录被选在数组里并且后面的记录都没有替代这个位置”,概率为

        p = m/n * (1- 1/n)^(n-m-i)

    很显然,这个对于所有的i,这个值都是趋近于m/n的。算法结果应该是正确的。
    欢迎踊跃拍砖!

 

//==========================================更正

 

重新想了想,这个方法不是绝对公平的随机,每个数被选中的概率不是都相等,正如回复中说的,前m个数的P一样,对于后来的数,P越来越大。

 

欢迎提出新办法!

 

 

点赞