算法导论第5章-概率分析和随机算法(5.1&5.2)

5.1雇员问题

假设你要雇佣一个新的办公室助理，雇佣代理每天想你推荐一个应聘者（连续推荐n个），你面试这个人，如果这个应聘者比目前的办公室助理更优秀，你就会辞掉当前的办公室助理，然后聘用这个新的。面试一个人需付给雇佣代理一笔费用，聘用办公助理也需要费用。

设X为雇佣一个新的助理的次数，则其期望值为E[X]=Pr{X=1} + 2*Pr{X=2} + 3*Pr{X=3} + ... + n*Pr{X=n}

习题

5.1-2.描述RANDOM(a,b)过程的一种实现，它只调用RANDOM(0，1),作为a和b的函数，你的程序的期望运行事件是多少

参考链接：http://blog.csdn.net/alexingcool/article/details/7861872

5.1-3.假设你希望以各1/2的概率输出0和1,。你可以自由使用一个输出0或1的过程BIASED-RANDOM。它以概率p输出1，以1-p的概率输出0.但是你并不知道p的值

思路：

虽然不知道p的值，但每次BIASED-RANDOM输出的值为1的概率均是相等的(p)，其输出的值为0的概率也是相等的(1-p)，因此可每次调用两次BIASED-RANDOM函数，第一次调用的值为a，第二次调用的值为b。

代码：

bool RandomNum()
{
	int a=BIASED_RANDOM();
	int b=BIASED_RANDOM();
	if(a>b)
		return 1;
	else if(a<b)
		return 0;
	else
		return RandomNum();
}

5.2指示器随机变量

一种问题转化的工具。给定一个样本空间S和指定事件A，则A对应的指示器随机变量I(A)=0（如果A不发生的话）或1（如果A发生的话）

将指示器随机变量应用于雇员问题中，设Xi=1(如果应聘者i被雇员)或0(如果应聘者i未被雇佣)
则有E[Xi]=Pr{应聘者i被雇佣}=1/i。则E[X]=E[X1]+E[X2]+ ... + E[Xn] = 1/1 + 1/2 + 1/3 + ... + 1/n = lnn + O(1)

个人认为，指示器随机变量，即为：用于将一个组合的问题分解为多个单个的事件，并用0和1代表该事件是否发生，最终达到简化计算过程效果的工具。（某问题的期望值=子问题的期望值的和）

习题

5.2-1.假设应聘者以随机顺序出现，正好雇佣1次和n次的概率

1次：若i号应聘者被雇佣，则Ai=1，否则Ai=0。则问题可转化为：现有n个数组成的集合S，其中每个数均可为0或1，求S种1只出现一次的概率。易知结果为：n/(2的n次方)

n次：即对1~n这n个数随机排列，得到排列顺序为1,2,3 ... n的概率：1/n!

5.2-2.求正好雇佣两次的概率

同上，结果为n*(n-1)/(2的n次方)

5.2-3.利用指示器随机变量计算掷n次骰子总和的期望值

1/6 + 2/6 + ... + 6/6 = 7/2

5.2-4.有n位顾客，他们每个人给餐厅负责保管帽子的服务商一顶帽子。服务商以随机的顺序将帽子还给顾客。求拿到自己帽子的客户的期望数。(利用指示器随机变量解)

1/n + 1/n + ... + 1/n(n个1/n) = 1

5.2-5.设A[1...n]是由n个不同的数构成的数字，利用指示器随机变量计算A中逆序对的期望数目

A中对数的数量为：n*(n-1)/2，每对对数为逆序对的概率为1/2,

因此可得期望为：n*(n-1)/4