我有一个药物分析实验，需要根据给定的药物数据库和1000组随机实验生成一个值。
original database看起来像这样，其中列中的数字代表药物的等级。这是actual database的简化版本，actual database将有更多的Drug和更多的Gene。
+-------+-------+-------+
| Genes | DrugA | DrugB |
+-------+-------+-------+
| A | 1 | 3 |
| B | 2 | 1 |
| C | 4 | 5 |
| D | 5 | 4 |
| E | 3 | 2 |
+-------+-------+-------+
根据用户的输入A和C，使用以下公式计算分数：
# Compute Function
# ['A','C'] as array input
computeFunction(array) {
# do some stuff with the array ...
}
所使用的公式对于任何提供的值都是相同的。
对于随机性测试，每组实验都需要算法提供A和C的随机值，因此A和C可以具有1至5
现在，我有两种选择值的方法来生成1000集以进行P值计算，但是我需要有人指出是否有一个比另一个更好的方法，或者是否有任何方法可以比较这两种方法。
方法1
根据上面显示的给定数据库输入生成1000随机数据库，这意味着所有表应包含一组不同的值对。
来自1随机数据库的1000数据库的示例：
+-------+-------+-------+
| Genes | DrugA | DrugB |
+-------+-------+-------+
| A | 2 | 3 |
| B | 4 | 4 |
| C | 3 | 2 |
| D | 1 | 5 |
| E | 5 | 1 |
+-------+-------+-------+
接下来，我们使用新的computeFunction()和A值执行C。
方法2
从original database中选择任意随机基因，并将其用作新随机化的基因值。
例如，我们从E和B中选取值作为A和C的新值。
在original database中，E是3，B是2。
因此，现在A为3，C为2。接下来，我们以新的computeFunction()和A值执行C。
摘要
由于两种方法均产生完全随机的输入，因此在我看来它将产生类似的1000-value结果。我有什么办法可以证明它们是相似的？