前言
见到一道神题,学会两个知识点…
都是数学。
min-max容斥
给出式子:
max
(
S
)
=
∑
T
⊂
S
(
−
1
)
∣
T
∣
+
1
min
(
T
)
\max(S)=\sum_{T\sub S}(-1)^{|T|+1}\min(T)
max(S)=T⊂S∑(−1)∣T∣+1min(T)
min
(
S
)
=
∑
T
⊂
S
(
−
1
)
∣
T
∣
+
1
max
(
T
)
\min(S)=\sum_{T\sub S}(-1)^{|T|+1}\max(T)
min(S)=T⊂S∑(−1)∣T∣+1max(T)
这里只给出第一个式子的证明,第二个式子的证明较为类似。
考虑最大值
max
(
S
)
\max(S)
max(S),它成为最小值产生贡献当且近当
T
=
{
max
(
S
)
}
T=\{\max(S)\}
T={max(S)},显然只会产生一次正贡献。
而对于不是最大值的元素
x
∈
S
x\in S
x∈S,设比它大的元素的个数为
k
k
k,那么它成为最小值产生贡献当且近当
T
T
T 为前
k
k
k 个元素的某个子集并上
{
x
}
\{x\}
{x},那么它的系数就是:
∑
i
=
0
k
(
k
i
)
(
−
1
)
i
\sum_{i=0}^k\binom{k}{i}(-1)^i
i=0∑k(ik)(−1)i
二项式反演一下:
∑
i
=
0
k
(
k
i
)
(
−
1
)
i
=
∑
i
=
0
k
(
k
i
)
(
−
1
)
i
(
1
)
k
−
i
=
(
1
−
1
)
k
=
0
\sum_{i=0}^k\binom{k}{i}(-1)^i=\sum_{i=0}^k\binom{k}{i}(-1)^i(1)^{k-i}=(1-1)^{k}=0
i=0∑k(ik)(−1)i=i=0∑k(ik)(−1)i(1)k−i=(1−1)k=0
所以所有不是最大值的元素的贡献都是0。
那么最后西格玛的结果就是
max
(
S
)
\max(S)
max(S)。
注意:这个式子当最小值不唯一的时候依然成立, min ( T ) \min(T) min(T) 的含义就变为了所有并列最小值的和。但是所求的最大值必须唯一!
期望
这个东西对于期望依然是成立的,也就是:
E
(
max
(
S
)
)
=
∑
T
⊂
S
(
−
1
)
∣
T
∣
E
(
min
(
T
)
)
E(\max(S))=\sum_{T\sub S}(-1)^{|T|}E(\min(T))
E(max(S))=T⊂S∑(−1)∣T∣E(min(T))
E
(
min
(
S
)
)
=
∑
T
⊂
S
(
−
1
)
∣
T
∣
E
(
max
(
T
)
)
E(\min(S))=\sum_{T\sub S}(-1)^{|T|}E(\max(T))
E(min(S))=T⊂S∑(−1)∣T∣E(max(T))
把定义从元素大小的求值改为期望的求值,完全不影响上面的证明过程,所以还是对的。
拓展:kth_max
max
(
S
)
k
t
h
=
∑
T
⊂
S
(
∣
T
∣
−
1
k
−
1
)
(
−
1
)
∣
T
∣
−
k
min
(
T
)
\max(S)_{kth}=\sum_{T\sub S}\binom{|T|-1}{{k-1}}(-1)^{|T|-k}\min(T)
max(S)kth=T⊂S∑(k−1∣T∣−1)(−1)∣T∣−kmin(T)
并不会证
还是挺好记的,
k
=
1
k=1
k=1的时候就退化成正常的min-max容斥了。
离散随机变量的几何分布
离散变量:值域不连续的变量。比如我们最常见的“求期望次数”,值域就是自然数。
给出一个离散变量
x
x
x,其分布概率满足:
P
(
x
=
k
)
=
(
1
−
p
)
k
−
1
p
P(x=k)=(1-p)^{k-1}p
P(x=k)=(1−p)k−1p
其中
p
p
p 是一个
[
0
,
1
]
[0,1]
[0,1] 的常量。
可以把
p
p
p 理解成做成某件事的概率,那么
P
(
x
=
k
)
P(x=k)
P(x=k) 就是恰好用
k
k
k 次做成这件事的概率。
证明一
现在求这个变量的期望,也就是:
∑
i
=
1
∞
P
(
x
=
i
)
i
\sum_{i=1}^{\infty}P(x=i)i
i=1∑∞P(x=i)i
设
q
=
1
−
p
q=1-p
q=1−p,那么我们就要求:
∑
i
=
1
∞
i
×
q
i
−
1
×
(
1
−
q
)
=
(
1
−
q
)
∑
i
=
1
∞
i
×
q
i
−
1
\sum_{i=1}^{\infty}i\times q^{i-1}\times(1-q)=(1-q)\sum_{i=1}^{\infty}i\times q^{i-1}
i=1∑∞i×qi−1×(1−q)=(1−q)i=1∑∞i×qi−1
设
s
=
∑
i
=
1
∞
i
×
q
i
−
1
s=\sum_{i=1}^{\infty}i\times q^{i-1}
s=∑i=1∞i×qi−1,则有:
q
s
−
s
=
∑
i
=
1
∞
(
i
×
q
i
)
−
∑
i
=
1
∞
(
i
×
q
i
−
1
)
qs-s=\sum_{i=1}^{\infty}(i\times q^{i})-\sum_{i=1}^{\infty}(i\times q^{i-1})
qs−s=i=1∑∞(i×qi)−i=1∑∞(i×qi−1)
=
∑
i
=
2
∞
(
(
i
−
1
)
×
q
i
−
1
)
−
∑
i
=
1
∞
(
i
×
q
i
−
1
)
=
−
∑
i
=
1
∞
q
i
−
1
=
−
1
1
−
q
=\sum_{i=2}^{\infty}((i-1)\times q^{i-1})-\sum_{i=1}^{\infty}(i\times q^{i-1})=-\sum_{i=1}^{\infty}q^{i-1}=-\frac{1}{1-q}
=i=2∑∞((i−1)×qi−1)−i=1∑∞(i×qi−1)=−i=1∑∞qi−1=−1−q1
所以
s
=
−
1
(
1
−
q
)
(
q
−
1
)
s=-\frac{1}{(1-q)(q-1)}
s=−(1−q)(q−1)1
所以原式就是:
∑
i
=
1
∞
i
×
q
i
−
1
×
(
1
−
q
)
=
(
1
−
q
)
s
=
−
1
q
−
1
=
1
p
\sum_{i=1}^{\infty}i\times q^{i-1}\times(1-q)=(1-q)s=-\frac{1}{q-1}=\frac{1}{p}
i=1∑∞i×qi−1×(1−q)=(1−q)s=−q−11=p1
证明二
还有一种更加阳间的证明方法:
回到现实意义:
w
w
w 表示做成该件事的期望次数。
考虑做一次做成或者做不成,就有:
w
=
p
×
1
+
(
1
−
p
)
×
(
w
+
1
)
w=p \times1+(1-p)\times (w+1)
w=p×1+(1−p)×(w+1)
移项,得:
w
=
1
p
w=\frac{1}{p}
w=p1