如何在JavaScript中实现自定义概率分布的随机采样？

JavaScript 原生的 Math.random() 仅能生成 [0,1) 区间的均匀随机数，没有内置 API 直接支持自定义概率分布的采样，但你可以用几种高效的方式实现，比手动构造样本数组更灵活，尤其适合复杂概率场景。

累积概率法（最常用的简便方案） #

核心思路是先计算每个选项的累积概率，再用均匀随机数匹配对应的区间：

1. 将概率对象转换为键值对数组，依次计算每个选项的累积概率（比如示例中e的累积概率是0.1+0.1+0.2+0.1+0.5=1.0）
2. 生成一个0到1之间的随机数，找到第一个累积概率大于该随机数的选项

代码实现：

function weightedSample(probObj) {
  const entries = Object.entries(probObj);
  let cumulativeProb = 0;
  // 构建累积概率数组
  const cumulativeEntries = entries.map(([key, prob]) => {
    cumulativeProb += prob;
    return [key, cumulativeProb];
  });

  const randomVal = Math.random();
  // 匹配对应的选项
  for (const [key, prob] of cumulativeEntries) {
    if (randomVal < prob) {
      return key;
    }
  }
  // 兜底处理（仅当概率和不为1时触发）
  return entries[entries.length - 1][0];
}

// 测试你的节点概率
const nodeProbs = {
  a: 0.1,
  b: 0.1,
  c: 0.2,
  d: 0.1,
  e: 0.5
};

console.log(weightedSample(nodeProbs)); // 大概率输出e，偶尔返回其他节点

优化版：预计算累积概率（适合多次采样） #

如果需要反复采样，预先计算好累积概率表能避免重复计算，提升性能：

class WeightedSampler {
  constructor(probObj) {
    this.cumulativeEntries = [];
    let cumulativeProb = 0;
    for (const [key, prob] of Object.entries(probObj)) {
      cumulativeProb += prob;
      this.cumulativeEntries.push([key, cumulativeProb]);
    }
  }

  sample() {
    const randomVal = Math.random();
    for (const [key, prob] of this.cumulativeEntries) {
      if (randomVal < prob) {
        return key;
      }
    }
    return this.cumulativeEntries.at(-1)[0];
  }
}

// 使用方式
const sampler = new WeightedSampler(nodeProbs);
console.log(sampler.sample());
console.log(sampler.sample()); // 多次采样更高效

和手动构造样本数组的对比 #

手动构造类似 ['a','b','c','c','d','e','e','e','e','e'] 的数组再随机抽取，虽然直观，但存在明显局限：

• 当概率是循环小数（比如0.333）或精度要求高时，数组会变得异常庞大，占用内存
• 概率调整时需要手动修改数组，维护成本高
• 累积概率法仅需存储原始概率值，空间和时间效率都更优

内容的提问来源于stack exchange，提问作者Cybernetic