我试图测试一个特定的数据集群偶然发生的可能性。一种稳健的方法是monte carlo模拟，其中数据和组之间的关联被随机地重新分配了大量次（例如10000次），并且使用聚类度量来比较实际数据和模拟，以确定p值。
我已经完成了大部分工作，指针将分组映射到数据元素，所以我计划随机地将指针重新分配给数据。问题：没有替换的快速采样方法是什么，这样每个指针都会在复制数据集中随机重新分配？
例如（这些数据只是一个简单的例子）：
数据（n=12个值）-A组：0.1、0.2、0.4/B组：0.5、0.6、0.8/C组：0.4、0.5/D组：0.2、0.2、0.3、0.5
对于每个复制数据集，我将拥有相同的集群大小（a=3，b=3，c=2，d=4）和数据值，但会将这些值重新分配给集群。
为此，我可以生成1-12范围内的随机数，分配A组的第一个元素，然后生成1-11范围内的随机数，并分配A组的第二个元素，依此类推。指针重新分配很快，我将预先分配所有的数据结构，但是没有替换的采样似乎是一个以前可能已经多次解决的问题。
逻辑或伪代码优先。
最佳答案
请看我对这个问题的回答。同样的逻辑应该能完成你想要做的事情。