算法导论第三版习题5.2

5.2-1

正好雇佣一次说明第一次雇佣的就是所有应聘者中最好的，所以概率为$\frac{1}{n}$
正好雇佣$n$次说明所有应聘者按优秀从低到高依次出现，第一位是最差的，概率为$\frac{1}{n}$,第二位其次，概率为$\frac{1}{n-1}$,所以整体概率为$\frac{1}{n!}$

5.2-2

正好雇佣两次，说明第一个应聘者不是最好的，概率为$\frac{n-1}{n}$，第二个应聘者是最好的，概率为$\frac{1}{n-1}$，所以概率为$\frac{n-1}{n}\frac{1}{n-1}=\frac{1}{n}$

5.2-3

定义$X_i$表示第$i$个骰子上点数的指示器随机变量：

$$X_i=\left\{\begin{array}{c}1\quad\text{筛子i上点数为1}\\2\quad\text{筛子i上点数为2}\\3\quad\text{筛子i上点数为3}\\4\quad\text{筛子i上点数为4}\\5\quad\text{筛子i上点数为5}\\6\quad\text{筛子i上点数为6}\end{array}\right.$$
以及

$$X=X_1+X_2+\cdots+X_n$$
对于每一个骰子，每一面出现概率等概，其点数期望为
$$E[X_i]=\frac{1+2+3+4+5+6}{6}=3.5$$
现在可计算 $E[X]$:
$$\begin{align} E[X]&=E[\sum_{i=1}^nX_i]\\ &=\sum_{i=1}^nE[X_i]\\ &=\sum_{i=1}^n 3.5\\ &=3.5n \end{align}$$

5.2-4

定义第$i$个顾客拿到自己帽子的指示器随机变量为：

$$X_i=I\{第i个顾客拿到自己的帽子\}=\left\{\begin{array}{c}1&\quad\text{如果第i个顾客拿到自己的帽子}\\2&\quad\text{如果第i个顾客未拿到自己的帽子}\end{array}\right.$$
以及

$$X=X_1+X_2+\cdot+X_n$$
对于顾客 $i$，一共有$n$个帽子，他拿到自己的帽子的概率为 $1/n$，故 $E[X_i]=1/n$
故能拿到自己帽子的顾客期望数为
$$\begin{align} E[X]&=E[\sum_{i=1}^nX_i]\\ &=\sum_{i=1}^nE[X_i]\\ &=\sum_{i=1}^n\frac{1}{n}\\ &=1 \end{align}$$

5.2-5

我们可以假设，$i\lt j,A[i] \gt A[j]$的指示器随机变量为$X_{ij}$:

$$X_{ij}=I\{i \lt j,A[i] \gt A[j]\}=\left\{\begin{array}{c}1\quad 如果A[i]\gt A[j]\\0\quad 如果A[i]\lt A[j]\end{array}\right.$$
以及
$$X=\sum_{i=1}^n\sum_{j=i+1}^nX_{ij}$$
对于每一对 $i,j,E[X_i]=Pr\{X_{ij}=1\}=\frac{1}{2}$
所以总的逆序对数目期望为：
$$\begin{align} E[X]&=E[\sum_{i=1}^n\sum_{j=i+1}^nX_{ij}]\\ &=\sum_{i=1}^n\sum_{j=i+1}^nE[X_{ij}]\\ &=\sum_{i=1}^n\sum_{j=i+1}^n\frac{1}{2}\\ &=\frac{n(n-1)}{4} \end{align}$$