采样的作用
1 采样实现对随机现象的模拟，根据给定高的概率分布，模拟产生一个对应的随机事件。
2 采样也可以看做一种非参数模型，通过利用少数的采样点来近似总体分布，并刻画总体分布中的不确定性。
3 对当前数据进行重采样，可以充分利用已有数据集，挖掘更多信息，如自助法和刀切法。另外，利用重采样技术，可以在保持特定的信息下（目标信息不丢失），有意识的改变样本的分布，从而适应后续模型的训练与学习。
4 很多模型由于结构复杂、含有隐变量的原因导致对应的求解公式很复杂，没有显式解析解，难以进行精确求解或推理。可以使用采样方法进行随机模拟，从而对复杂模型进行近似求解或推理。一般转化为对某些函数在特定分布下的积分或者期望，或者求某些随机变量或参数在给定数据下的后验分布。
常见的采样方法
最基本的采样方法是均匀分布随机数：
一般采用线性同余法(LCG)生成离散均匀分布伪随机数，计算公式为 $x_{t+1} = (a \cdot x_t +c) \mod (m)$