UyHiP 往期趣题整理（1）2015 / 09~12

UyHiP 去年 10 月停止更新，这个系列能写到第几篇全看我有多闲，而且尽管立下遍历所有题目的 flag ，将来有些实在看不懂或者太麻烦的题说不定就跳过了。

总共 2^7 道题看上去也不多，好像很快就能弄完了……算了还是不做梦了，放假后一段时间还有很多事。

2015-09

典狱官与犯人 A, B 玩游戏，典狱官在一个 8*8 国际象棋棋盘的每个格子上放一枚硬币（所有硬币均相同；硬币有正反两面，哪面朝上由典狱官决定），并写一张指示棋盘某个格子的纸条。典狱官先放 A 进来，给 A 看棋盘以及纸条，之后 A 要选一枚硬币并翻转。A 离开后放 B 进来看棋盘（不能看纸条），如果 B 猜出纸条上写的是哪个格子则犯人 A, B 均被释放。

进行游戏前 A, B 可以商量一个策略，问有没有保证 A, B 被释放的策略。（如果没有，可以答释放概率尽可能大的策略，假设硬币和纸条的所有 64*2^64 种组合出现概率相同）

（答案在后面）

2015-10

考虑一种叫 PTM 的机器，它与图灵机类似，区别在于 PTM 另有一个一端无限延伸的纸带作为输入（即输入为无穷 01 串，这里字符集只有 0, 1 两个字符），输入纸带是只读的；原有的双向纸带初始时全部填入 0 。PTM 与图灵机一样由状态转移表决定每步转移的状态以及读写头的动作，如果转移到终态则停机接受，否则永远转移不到终态则拒绝。

PTM 的能力不弱于图灵机。对 PTM 定义“模拟”的概念：U, V 是两个 PTM，如果存在一个有限 01 串 x，使得对任意无穷 01 串 w 有：机器 U 接受 xw 当且仅当机器 V 接受 w（xw 为串 x, w 连接得到的串），则称机器 U 可以模拟机器 V ，记为 Ux=V（意为“若先喂给机器 U 一个有限串 x ，则该机器的表现与 V 完全相同”）。

能模拟任意 PTM 的 PTM 当然就叫做通用 PTM 了。

一个通用 PTM 在喂进去一些 01 数字后当然可能还是通用 PTM ，也可能不是。给定自然数 n ，喂给通用 PTM 一个长度为 n 的随机 01 串（2^n 种情况概率相同），该机器仍是通用 PTM 的概率是一个确定值。令 n 趋向无穷，这个概率的极限称为该通用 PTM 的通用概率。

请问什么样的通用 PTM 其通用概率最大？

2015-11

（概率统计题……）

X_1, ... , X_n 是独立且服从 [a, b] 上均匀分布的随机变量，a, b 未知（可以假设 a 小于 b），请找出分布期望值（即 (a+b)/2）的最小方差无偏估计量。

为了简化题目，可以只考虑 X_1, ... , X_n 的连续函数。

2015-12

G 是简单图（无重边无自环的无向图）。选取 G 的一些顶点（至少一个），保留这些顶点之间的边，得到的图称为 G 的导出子图。选取不同的顶点集，得到的导出子图可能是同构的，如果 G 有 k 个导出子图与图 H 同构，就说 H 在 G 中出现 k 次。

例如若 G 是 K_4 去掉一条边得到的图，则 K_2（两点一线图）在 G 中出现 5 次，K_3 出现 2 次。注意 C_4（含四顶四边的环路）虽然是 G 的子图，但不是 G 的导出子图。

在 G 中出现次数最多的连通图称为 G 的最常见子图。注意这里不允许并列第一，即若 H 是 G 的最常见子图，则任何不与 H 同构的连通图 H' 在 G 中出现的次数都比 H 出现的次数少。因此一个图的最常见子图最多只有一个。

请问 C_3 是某个图的最常见子图吗？C_4 呢？

答案

2015-09

神奇的异或又一次发挥威力……

存在策略使得 A, B 一定能被释放。

给棋盘上的 64 格编号 0~63（即所有 6 位二进制数）。规定一个棋盘的异或值为所有正面朝上的硬币对应格子的编号异或得到的值，例如如果有 3 枚硬币正面朝上，编号分别为 3, 5, 9，则异或值为 3 xor 5 xor 9。若只有一枚硬币正面朝上，规定异或值为该硬币的编号；若没有正面朝上的硬币，规定异或值为 0。

显然翻转编号为 a 的硬币相当于将棋盘的异或值与 a 异或，不管该硬币哪面朝上。

设 A 看到的棋盘异或值为 a ，纸条写的位置编号为 x ，则 A 翻转位置编号为 a xor x 的硬币，棋盘的异或值变为 a xor (a xor x) = x 。B 读出棋盘的异或值即为纸条写的位置编号。

2015-10

通用概率没有最大值，但是有上确界 1 。（显然通用概率不可能等于 1 ，否则意味着不管喂给通用 PTM 怎样的串都不可能停机（停机意味着不再是通用 PTM 了），即拒绝所有无穷 01 串，显然这样的 PTM 不是通用的。）

首先通用 PTM 一定存在，构造方法与通用图灵机基本上一样，略。

设 U 是通用 PTM ，如下构造通用 PTM（称为 W）：令 i 依次取值 1, 2, 3, ... ，每轮循环中向后读入 k*i 个字符，若全为 0 ，则终止循环，开始模拟机器 U ；否则便一直循环下去。其中 k 是给定的正整数。

显然触发循环终止的概率是 2^(-k)+2^(-2k)+2^(-3k)+... = 1/(2^k-1) 。如果喂给 W 的有限串不能使循环终止，则它仍然是通用 PTM（因为只要再喂给足够多的 0 就可以让它跟 U 一样），因此 W 的通用概率不小于 1-1/(2^k-1) 。

令 k 趋于无穷，W 的通用概率便无限接近于 1 。

2015-11

最小方差无偏估计量是 X_1, ... , X_n 中最大值和最小值的算术平均值。

记 f(X_1, ... , X_n) 为 X_1, ... , X_n 的一个估计量。首先，任取 R^n 的一个子集 S（即 S 是一些 n 元组的集合），使得对任意的 a 和 b ，S 中所有元组出现的概率密度均相等。如果这些元组对应的估计量 f 不等，则将 f 在这些元组上的取值全部换成 f 在 S 中这些元组上取值的期望，这样既不改变 f 的期望也不增加 f 的方差。因此可以假设 S 中所有元组对应的估计量 f 相等。

对任意 n 个实数，令 S 为这 n 个数所有排列（共 n! 个）组成的集合，由上述引理可知它们对应的 f 相等，即 f 与变量排列的顺序无关。因此可以重新排列 n 个变量，使得第一第二个数分别是最大值和最小值，其他数保持原顺序。变量的分布也因此改变：第一个变量 max 仍然服从 [a, b] 上的均匀分布，第二个变量 min 服从 [a, max] 上的均匀分布，其余变量服从 [min, max] 上的均匀分布。

注意到除了前两个变量，剩余变量的分布仅由 max 和 min 决定，跟 a, b 都无关！这便是均匀分布的方便之处（均匀分布的取值限制在小区间上，仍是均匀分布）。再用一次引理可知 f 只由 max 和 min 决定，跟剩余变量没有关系。

这时可以先算一下 (min, max) 的联合分布，既然可以留作概率统计课后习题，这里就省略过程了，密度函数是

pdf(min, max) = n*(n-1)*(max-min)^(n-2) / (b-a)^n

其中 min, max 在三角形区域 a<min<max<b 中取值。

现在我们已有一个估计量 f(min, max) = (min +max)/2 ，显然它是无偏的。假设另有一个无偏估计量 g(min, max) 比 f 方差更小，将两个函数作差，期望应为 0 ，即

h(min, max) = (max-min)^(n-2) * (f(min, max) - g(min, max))

在三角形区域 a<min<max<b 的积分为 0 。

记这个积分为 H(a, b) ，注意 a, b 是任取的，并且被积式与 a, b 无关！只要 f, g 固定，对任意 a<b ，积分 H(a, b) 都等于 0 。计算

H(a, b) - H(a+δ, b) - H(a, b-δ) + H(a+δ, b-δ)

对相应三角形区域进行一番加减，得到的区域是以 [a, b] 和 [a+δ, b-δ] 为顶点的正方形区域。令 δ 趋于 0 ，该区域面积也趋于 0 ，而 h 在区域上的积分恒为 0 。如果假设 f, g 均为连续函数，那么 h 必然恒等于 0 ，即 f, g 相等。（如果不假设连续，也可推出 f, g 几乎处处相等，从而二者有相同的方差）

因此自然有 f(min, max) = (min +max)/2 是最小方差无偏估计量。

2015-12

显然 C_3（即 K_3）是 K_6 的最常见子图，因为 K_6 的导出子图只有 K_m ，出现次数为组合数 C(6, m) ，当 m=3 时取最大值 20 。

C_4 不是任何简单图的最常见子图。

假设 C_4 是简单图 G 的最常见子图。记 L(G) 为 G 的所有同构于 L_2（三顶两边的直链）的导出子图。对 L(G) 的元素 x ，若向 x 中添入 G 中另一个顶点，新的导出子图可能同构于 C_4 ，记这样的顶点数为 S(x) 。最后记 X_i 为满足 S(x)=i 的元素 x 的个数。

由于一个 C_4 可以由 4 个不同的 L_2 添入顶点构成，可以算出 C_4 出现的次数：

#(C_4) = Sum( i*X_i/4 )

（ i 取遍所有非负整数，下同）

接下来统计一下其他图出现的次数。首先是 L_2 的次数，显然有

#(L_2) = Sum( X_i )

之后反向考虑 L_2 添入两个顶点的情况，设这个 L_2 添入两个顶点中任意一个总会得到 C_4 ，如果同时添入两个顶点，就得到一个五顶导出子图，它必然同构于下面两个图之一：（最下面两个点是新添入的顶点）

是哪个图由新添入的两顶点是否相连决定。左边的图实际上就是完全二分图 K_(2,3) ，右边的图记为 T+ ，则有

3*#(K_(2,3)) + #(T+) = Sum( i*(i-1)*X_i/2 )

注意 K_(2,3) 前面有系数 3 ，因为一个 K_(2,3) 可以由 3 个不同的 L_2 添入顶点构成。

这样准备工作就做完了，最后来一波神奇的配凑：

#(C_4) - (1/2*#(L_2) + 3/8*#(K_(2,3)) + 1/8*#(T+)) = Sum( (-1/16*i^2 + 5/16*i - 1/2) * X_i )

C_4 要想成为最常见子图，左边必然大于 0 ，但右边的系数 -1/16*i^2 + 5/16*i - 1/2 恒小于 0（用二次函数求最值的方法即可验证），矛盾。