1.破壊ランダムアレイ（シャッフルアルゴリズム）
結果は、持っているn個の可能な必要があり、そうでなければ、それは間違っている！：アルゴリズムの正しさの基準分析をシャッフル 長さnの完全な配列は、n個の配列があるので、これは、素敵な説明です！種、それは動揺した結果、N！種の合計を言うことです。アルゴリズムは、この事実を反映できるようにする必要があり、それは正しいです。
コード：
def shuffleArr(arr):
l = len(arr)
for i in range(l):
rand = random.randint(i,l-1)
arr[i],arr[rand] = arr[rand],arr[i]
print(arr)
arr = [1,2,3,4,5]
shuffleArr(arr)
2.リザーバーアルゴリズム
シナリオ：ランダムデータ等しい確率を抽出するために、未知の長さの大規模なデータ・ストリーム
アルゴリズムのプロセス：
データ配列のサイズは、N k個であることが必要なサンプルの数であると仮定する。
最初のk個の要素を、アレイに配列の最初のk個の要素の受信アレイを構築します。
次いで、最初の要素からのk + 1 （FRAC \ {K} {\ n}は\） 要素が（置換される配列内の要素の確率は同じである）アレイに置き換えられているかどうかを決定する確率。すべての要素を横断が完了したら、アレイ内の残りの要素は、サンプルを取る必要があります。
証明：
i番目の場合（\（i≤k\） ）。ステップkの前の確率を1として選択されます。我々はステップk + 1に到着したとき、kは交換可能な要素の確率= + \（K + 1 \）要素選択された確率\（\タイムズ\）確率は、iは、すなわち、選択された置換（\ \ K FRAC {} + {K}。1 \タイムズ\ FRAC。1 {{}} K \）。これは、確率のために予約された\（1- \ FRAC。1 {{}} = Kの+。1 \ K FRAC {} {}。1 K + \） 。そしてように、K + 2番目の要素を置換されていない確率\（1 - \ FRAC {K回\} {K + 2} \ FRAC {1} {K} = \ FRAC {K + 1} {K + 2 } \） 。操作がnステップと、選択された予約=確率*確率の確率、すなわち、置換されていません。
\（1 \回\ FRAC {K} {K + 1}回\ \ FRAC {K + 1} {K + 2}回\ \ FRAC {K + 2}、{K + 3}回\ ... \回\ FRAC {N - 1} {N} = \ FRAC {K} {N} \）
j番目の数の（\（J> K \） ）。ステップjの確率は次のように選択されている\（\ K FRAC {J}} {\） 。確率がj + 1番目の要素を置換されていない\（1 - \ K FRAC {} {} J + 1 \時間\ FRAC 1 {{}} = K \ FRAC {J} {J + 1} \。）。操作がnステップと、選択された=確率を保持している確率は\（\タイムズ\）確率、すなわち、交換されるべきではない：\（\ FRAC {K} {J} \タイムズ\ FRAC {J} {J時間\ + 1} \ FRAC {回\ J + 1} {J + 2} \回\ FRAC {J + 2} {J + 3} ... \回\ FRAC {N - 1} {N} = \ FRAC {K} {N} \ ） 各要素のように、保持されている確率\（\ FRAC {K} {N} \ ） 。
コード：
import random
def ReservoirSamplingTest(k):
N = 10
pool = [i for i in range(N)]
result = pool[:k]
for i in range(k,N):
r = random.randint(0,i+1)
if r < k:
result[r] = pool[i]
return result
res = ReservoirSamplingTest(4)
print(res)
参考文献：