动态规划（3）印章

问题描述
　　共有n种图案的印章，每种图案的出现概率相同。小A买了m张印章，求小A集齐n种印章的概率。
输入格式
　　一行两个正整数n和m
输出格式
　　一个实数P表示答案，保留4位小数。
样例输入
2 3
样例输出
0.7500
数据规模和约定
　　1≤n，m≤20

解题思路：
·设置状态：当前状态下的数据包含小A手里的印章数目、印章的种类数目，因此可以构建二维数组来存储概率。
令dp[i][j]=小A手里的印章数目为、印章的总种类数目为n时小A收集齐种印章的概率。
·边界：初始状态即找=0,1....时dp[i][j]的值，
当j=1时: i=1时，表示小A手里有1枚印章并且集齐了一种类型的概率，易知为1；
        i>1时，表示小A手里有i枚印章并且收集到了一种类型的概率，也就是说小A手里的这i枚印章全是一种类型的，
            但是一共有n种类型，因此dp[i][1]=n*(1/n)^i=(1/n)^(i-1)。
还有一种明显的情况可以容易得出的是：当 i < j 时，即小A手里有 i 枚印章收集到 j 种的概率，显然为 0 。
·状态转移函数：找递推式，即找状态之间的关系，这样就能从初始状态一直往下推了。在中间状态dp[i][j]：
    从手里有i-1枚印章到有i枚印章时，有两种情况：
    第一种，拿到的这枚印章种类手里已经有了，此时dp[i][j]表示手里已经有 j 种印章了，因为和手里的重复了，
        因此上个状态（即手里有(i-1)枚印章时）也是只有 j 种印章，即dp[i-1][j]。
        那此时拿的这一枚肯定是 j 中的其中一枚，因此dp[i][j]=dp[i-1][j]*(j/n)；
    第二种，拿到的这枚印章种类手里还没有，此时上个状态表示为，一共有 n 种印章，前面已经取了（j-1）种了，
        而现在取的和前面没有重复，因此取的是 n-(j-1)中的其中一个，因此：
        dp[i][j]=dp[i-1][j-1]*(n-(j-1))/n=dp[i-1][j-1]*(n-j+1)/n。
    这两种情况加起来即得到状态转移函数。

n,m=map(int,input().split())
dp=[[0 for i in range(n+1)]for j in range(m+1)]
for i in range(1,m+1):
    for j in range(1,n+1):
        if j>i:
            dp[i][j]=0
        elif j==1:
            dp[i][j]=pow(1/n,i-1) # dp[i][j]表示已经收集到全部j种时的
        else:
            dp[i][j]=(dp[i-1][j])*(j*1.0/n) + (dp[i-1][j-1])*((n-j+1)*1.0/n)
print("{:.4f}".format(dp[m][n]))