[学习笔记]期望的平方/方差/立方/k次方推导及例题

本文章是[学习笔记]概率与期望进阶的一部分

丢掉寒假作业继续学
题目:Warm up 2

平方期望基本推导:

2.Square of wins: You bought $N$ ($N\le 10^5$) lottery tickets. The $i$-th of them is winning with p-bility $p_i$. The event are independent (important!). Find EV of the square of the number of winning tickets.
给你$n$个$0/1$随机变量$x_i$，每个变量为$1$的概率为$p_i$
求$E[(\sum x_i{)}^2]$。

sol:
我们利用下面的期望基本性质对式子展开:

如果$X,Y$独立，那么$E[XY]=E[X]\times E[Y]$
$E[X+Y]=E[X]+E[Y]$

$$\begin{array}{rl}E[(\sum _i{x}_i{)}^2]& =E[\sum _{i,j}{x}_i\times x_j]\\ & =\sum _{i,j}E[x_i\times x_j]\\ & =\sum _{i\ne j}E[x_i]\times E[x_j]+\sum _{i}E[x_i^2]\\ & =\sum _{i\ne j}{p}_i\times p_j+\sum _i{p}_i\end{array}$$

方差基本推导:

之前概率生成函数的时候已经说过了。
$$\begin{array}{rl}Var(X)& =E[(X-E[X]{)}^2]\\ & =E[X^2-2XE[X]+E^2[X]]\\ & =E[X^2]-2E[XE[X]]+E[E^2[X]]\\ & =E[X^2]-2E^2[X]+E^2[X]\\ & =E[X^2]-E^2[X]\end{array}$$
转为求平方期望

推导中有一个关键，就是$E[X]$是一个确定的常数。
因此才会有$E[X]$与$X$独立，$E[E^2[X]]=E^2[X]$等结论。

立方期望基本推导:

3.Cube of wins:Same but find EV of the 3-rd or 4-th power.
还是上面那道题，求$E[(\sum x_i{)}^3]$和$E[(\sum x_i{)}^4]$。

sol:
还是一样的套路:
$$\begin{array}{rl}E[(\sum _i{x}_i{)}^3]& =E[\sum _{i,j}{x}_i\times x_j\times x_k]\\ & =6\sum _{i<j<k}{p}_i\cdot p_j\cdot p_k+6\sum _{i<j}{p}_i\cdot p_j+\sum _i{p}_i\end{array}$$
4次方一样的。

CF 1187 Expected Square Beauty

详细题解

• 令$b_i$为$[l_i,r_i]$里面的随机数，$X$为$b$不同段的段数，求$E[X^2]$
• $n\le 10^5$

经典平方期望入门题。
设事件$X_i$表示$b_i\ne b_{i+1}$，其中我们强制规定$X_n$为必然事件。
这里一定要注意的是事件$X_i$与$X_{i+1}$互相不独立需要单独计算，计算的话可以考虑简单容斥一下。
$$\begin{array}{rl}E[X^2]& =E[(\sum _{i=1}^n{X}_i{)}^2]\\ & =\sum _{|i-j|\ge 2}E[X_i]\times E[X_j]+\sum _{i}E[X_i{X}_{i+1}]+\sum _{i}E[X_i^2]\\ & =\sum _{|i-j|\ge 2}{A}_i\times A_j+\sum _i{B}_i+\sum _i{A}_i\end{array}$$
$A_i,B_i$懒得写了见之前的博客。

CF 1236 F Alice and the Cactus

概率与期望综合能力测试:)

• 给一个仙人掌，每个点1/2删除。
• 问期望下连通块个数的方差。

$Var(X)=E[(X-E[X]{)}^2]=E[X^2]-E^2[X]$。
连通块个数$X=V-E+C$。
先要算$E[V]-E[E]-E[C]$。
然后是最精彩的部分:
$E((V-E+C{)}^2)=E(V^2)+E(E^2)+E(C^2)+2(E(VC)-E(VE)-E(VC))$。
这九种情况依次计算就好:)
放心…你一定不会自闭的…

Fibonacci’s Nightmare

推柿子游戏的噩梦关卡:)

• $a_0=1$
• $a_n=a_i+a_j$,其中$i,j$在$[0,n-1]$之间随机选择。
• 求第n项的方差。
• $n<=10^6$

推导写起来太麻烦GU

k方期望基本推导:

众所周知，第二类斯特林数是自然幂拆成组合数的系数(点我学习):
$$x^k=\sum _{i=0}^k\left\{\begin{array}{c}k\\ i\end{array}\right\}{x}^{\underline{i}}=\sum _{i=0}^k\left\{\begin{array}{c}k\\ i\end{array}\right\}\left(\genfrac{}{}{0ex}{}{x}{i}\right)\cdot i!$$
UPD:当然，这并不意味着遇到求权值的k次方就要用这个结论。例如在权值由两个确定数字组成的时候，我们可以使用二项式定理直接解决。
我们将它运用到求k次的期望中。
例如之前我们求的$E[({\sum }_i{x}_i{)}^3]$。
$$\begin{array}{rl}E[(\sum _i{x}_i{)}^3]& =E[\sum _{i,j}{x}_i\times x_j\times x_k]\\ & =\left\{\begin{array}{c}3\\ 3\end{array}\right\}\cdot 3!\sum _{i<j<k}{p}_i\cdot p_j\cdot p_k+\left\{\begin{array}{c}3\\ 2\end{array}\right\}\cdot 2!\sum _{i<j}{p}_i\cdot p_j+\left\{\begin{array}{c}3\\ 1\end{array}\right\}\cdot 1!\sum _i{p}_i\end{array}$$
上面这东西不管是从代数意义上或者是从组合意义上都很好理解。

小栗子(好像没什么关系):

6.Small power of subtree You’re given a tree of size $N$ ($N\le 10^5$) and an integer $k$ ($k\le 10$). Find the sum of sizek over all “subtrees”, i.e. connected subgraphs. Print the answer modulo $10^9+7$.
给你一个节点数为$n$的树，求所有连通子树的siz的k次方的和

大概是CF1097G的简化版。
设一个连通子树为$T$，然后有:
$$\begin{array}{rl}\sum _{T}size(T{)}^k& =\sum _T\sum _{i=0}^k\left\{\begin{array}{c}k\\ i\end{array}\right\}\left(\genfrac{}{}{0ex}{}{size(T)}{i}\right)\cdot i!\\ & =\sum _{i=0}^k\left\{\begin{array}{c}k\\ i\end{array}\right\}\cdot i!\sum _T\cdot \left(\genfrac{}{}{0ex}{}{size(T)}{i}\right)\end{array}$$
接下来就是算${\sum }_T\cdot \left(\genfrac{}{}{0ex}{}{size(T)}{i}\right)$。
考虑dp。
令$d{p}_{i,j}$为以$i$为根的连通子树，siz为$j$的方案数。
做一个背包即可。
注意做背包的复杂度其实是$O(nk)$的。

火车题

指hc出的题…

• 无向图的权值为连通块个数的$m$次。
• 求所有$n$个点有标号图的权值和。
• $n\le 30000$, $m\le 15$。

还是之前的套路，我们需要计算连通块选$i$个的方案数。
使用无向图含$j$个连通块计数的套路:
$$\begin{gathered} f_i=\ln G(x) \\ {g}_{i,j}=\sum _k\left(\genfrac{}{}{0ex}{}{n}{k}\right)g_{k,j-1}\cdot f_{i-k} \end{gathered}$$
选$i$个的话就是${\sum }_k\left(\genfrac{}{}{0ex}{}{n}{k}\right)g_{k,i}\cdot \frac{2^{n-k}}{i!}$。

SRM 686 CyclesNumber

下面出现的结论可以在这里看到。

• 求n个点的置换循环个数m次方的和。
• $n\le 100000,m\le 500$

看到求置换个数首先想到第一类斯特林数。
于是答案就是${\sum }_{i=1}^n\left[\begin{array}{c}n\\ i\end{array}\right]\cdot i^m$。
有一个结论:$\left[\begin{array}{c}n+1\\ m+1\end{array}\right]={\sum }_i\left[\begin{array}{c}n\\ i\end{array}\right]\left(\genfrac{}{}{0ex}{}{i}{m}\right)$。
然后就可以跟之前一样推式子了:
$$\begin{array}{rl}\sum _{i=1}^n\left[\begin{array}{c}n\\ i\end{array}\right]\cdot i^m& =\sum _{i=1}^n\left[\begin{array}{c}n\\ i\end{array}\right]\sum _{j=0}^m\left\{\begin{array}{c}m\\ j\end{array}\right\}\left(\genfrac{}{}{0ex}{}{i}{j}\right)\cdot j!\\ & =\sum _{j=0}^{m}j!\cdot \left\{\begin{array}{c}m\\ j\end{array}\right\}\sum _{i=1}^n\left[\begin{array}{c}n\\ i\end{array}\right]\left(\genfrac{}{}{0ex}{}{i}{j}\right)\\ & =\sum _{j=0}^{m}j!\cdot \left\{\begin{array}{c}m\\ j\end{array}\right\}\left[\begin{array}{c}n+1\\ j+1\end{array}\right]\end{array}$$
$O(nm)+O(m^2)$预处理两个数计算即可。