算法题 - 贷款违约K笔的概率 - Python

贷款违约K笔的概率

问题描述：

有N笔贷款，每笔贷款违约的概率为 [p1、p2、p3 ... ... pn]，求恰好有K笔贷款违约的概率。

前提条件:（我自己加的哈）

• 每笔贷款违约的概率相互独立，且概率值p 在[0, 1] 范围内。

问题分析：

这是今天头条的第二个面试题，自己想到动态规划来做了，但是，被这个概率计算差点给搞懵逼了，事实说明数学才是其他学科的基础呀。

现在直接给出递推方程式，然后再去解读：

$dp[k][n]=dp[k][n-1]\ast (1-p_n)+dp[k-1][n-1]\ast p_n$

$dp[k][n]$ 表示，有n笔贷款时，恰好有k次违约的概率，这个值怎么求那？可以从子问题入手，要想得到这个值，不难发现有两个方向：
（1）dp[k][n-1] 表示有n-1笔贷款时，恰好有k次违约的概率，现在已经恰好k次了，那么新来的那个贷款$p_n$ 没有违约就可以继续保持k次了，所以是：$dp[k][n-1]\ast (1-p_n)$

（2）dp[k-1][n-1] 表示有n-1笔贷款时，恰好有k-1次违约的概率，现在是恰好k-1次，那么新来的那个贷款$p_n$ 违约了，不就是k次了吗，所以是：$dp[k-1][n-1]\ast p_n$

所以综上所述，就可以得出上面的递推式了：$dp[k][n]=dp[k][n-1]\ast (1-p_n)+dp[k-1][n-1]\ast p_n$

需要注意的地方是： 边界的处理，也就是k=0 或 n=0的情况，要单独计算。现在看一个例子：

输入数据为： N, K, P = 4, 3, [0.8, 0.9, 0.7, 0.6]

可以得出dp:

Python3实现：

现在的时间复杂度为O(kn), 空间复杂度为O(kn)

# @Time   :2019/02/12
# @Author :LiuYinxing
# Python3
# 动态规划


class Solution:

    def probabilityK(self, N, P, K):

        if N <= 0 or N < K: return 0

        dp = [[-1] * (N + 1) for _ in range(K + 1)]  # 开辟dp

        # 初始化 dp 边界
        dp[0][0] = 1
        for n in range(1, N+1):  # 上边界
            dp[0][n] = dp[0][n-1] * (1 - P[n-1])

        for k in range(1, K+1):  # 左边界
            dp[k][0] = 0

        for k in range(1, K+1):  # 计算dp
            for n in range(1, N+1):
                dp[k][n] = dp[k][n-1] * (1 - P[n-1]) + dp[k-1][n-1] * P[n-1]

        return dp[-1][-1]  # 返回结果


if __name__ == '__main__':
    solu = Solution()
    N, K = 4, 3
    P = [0.8, 0.9, 0.7, 0.6]
    print(solu.probabilityK(N, P, K))

压缩dp空间（可以结合上图理解）现在的时间复杂度为O(kn), 空间复杂度为O(n)

# @Time   :2019/02/12
# @Author :LiuYinxing
# Python3
# 动态规划，压缩dp空间


class Solution:

    def probabilityK(self, N, P, K):

        if N <= 0 or N < K: return 0

        dp = [-1] * (N + 1)  # 开辟dp

        # 初始化 dp 边界
        dp[0] = 1
        for n in range(1, N+1):  # 上边界（第一行）
            dp[n] = dp[n-1] * (1 - P[n-1])

        for k in range(1, K+1):  # 计算dp
            pre = 0  # 表示 要计算当前值的前一个值
            for n in range(1, N+1):
                temp = pre * (1 - P[n-1]) + dp[n-1] * P[n-1]
                dp[n-1], pre = pre, temp
            dp[N] = pre
        return dp[-1]  # 返回结果


if __name__ == '__main__':
    solu = Solution()
    N, K = 4, 3
    P = [0.8, 0.9, 0.7, 0.6]
    print(solu.probabilityK(N, P, K))

同理，也可以把空间复杂度压缩为O(k)

声明： 总结学习，有问题或不当之处，可以批评指正哦，谢谢。