2019金华随团旅游Day1

今天是快乐的Day1，我们怀着必死的信念来到了这里，开始了我们的随团旅游，准备在这里开展17天大型旅游活动。

我们进入正题，开始讲讲第一天所见的名胜。

概率与期望

1.概念（返璞归真）

随机变量

对于一个变量，其值随机但是有一定范围（即在一个集合内随机等概率取出一个数）。（注：本blog中讨论的随机变量指离散型随机变量，连续性随机变量请自行进行学习。）

独立事件

若两个随机事件相互不干涉，即其中一个的随机取值不影响另一个，这称这两个事件为独立事件。

概率

一个随机事件的发生可能性，及目的状态在所有状态中的出现频率。一般简写为P(x)，其中x为随机变量。

期望

离散随机变量的一切可能取值与其对应的概率P的乘积之和称为数学期望，记为E。

2.基本性质

等比数列求和公式

$$\sum _{i=0}^n{x}^i=1-(x^{n+1})/(1-x)$$
在概率中常常会令x<1，在x<1时有一下的拓展：
$$\sum _{i=0}^{\infty }{x}^i=1/(1-x)$$
关于证明，显然读者你可以通过计算发现第一个成立，而对于第二个可以利用极限法进行思考不难理解。

期望线性性

$$E(X+Y)=E(X)+E(Y)$$
注意，这里的随机变量没有任何限制，这也是关于期望的一个非常关键的公式，它通用并且可以对计算期望做出重大的改变。

概率算期望

这个名字可能有点草率。
这里是指对于一个概率为P的事件，它的期望是1/P。

独立事件的特殊公式

对于两个相互独立满足：
P(XY)=P(X)*P(Y)与E(XY)=E(X)*E(Y)。
这里不给出证明（因为比较显然）。

我也不知道名字的性质

对于任何一个随机变量X,满足该结论：
$$E(X)=\sum _{i=1}^{\infty }P(X>=i)$$

3.解题策略

这是今天的核心内容，几乎也是这篇博客唯一的干货。

运用期望线性性

这是一个最为典型和重要的部分，大部分的期望题都可以通过这样的方式转化为前缀和的形式，使其可以单点O(1)整体O(n)的时间复杂度求解。流程如下：
1.设答案为S，设定n个随机变量为$X_1$到$X_n$。

2.对于E(S)存在E(S)=${\sum }_{i=1}^{n}E(X_i)$

3.推导$E(X_i)$的计算方式，一般而言可以像动态规划那样进行不同情况的讨论，使其可以由其他可计算得到的值推出。

4.最后求出答案E(S)。

对于游走类的问题

对于从一个点到另一个点的做随机游走的期望步数，通常可以运用一下方式：
1.设定若干个问题。

2.对于每个问题进行讨论其到达的方式，即可以有哪些方式计算得到这个点的期望步数。

3.通常会在第2步中出现调用自己的状况，这时候，请不要慌张，我们不虚，可以和它正面对刚。一般可以通过解线性方程或是高斯消元的方式解决。

关于单次变化的转化技巧

很多时候单次的改变会有十分重要的作用，这直接关系到对于期望线性性的推导，但有时这样的改变会令人烦恼，我们希望它每次只改变一个量，以方便我们做出推导，但如果它改变了多个量，则有可能使式子无法推导或者难以计算。
因此，我们可以通过这个策略来解决这个问题。

1.我们对题目中改变多个数的要求进行修改，使其只改变一个数。

2.在原来需要改变的数字上做上标记。

3.对于已标记的点以被修改的方式操作，而其他点则以正常方式操作。这样可以保证对于一个没被标记的点，它在没被标记的点中被选中的几率原题中一致。

4.由此我们对题做了改造，使其与原题答案和一致，而且我们也能获得一种快乐的方式对答案进行计算。每个点最多被选中修改一次，也必然会有一次，由此可以计算它是否已被标记的贡献和以计算答案。

数学的快乐

很多时候，数学知识是对期望计算的极大助力，通过一系列的计算，可以为你的方法省下时间或是开阔视野。
下面推送一下小技巧：

1.关于$\sum$，很多时候可以对其进行转化或是化简，如，当求的是等差数列的和时，就可以默默地把$\sum$丢掉换用求和公式。再如，交换$\sum$的位置，可能会发现一些东西与$\sum$无瓜，然后就可以提取或是丢掉。

2.关于*i这样的操作，可以看成是$\ast {\sum }_{i=1}^{i}1$，这样就使得其可能可以做上边介绍的优化了。

3.强行暴力可能会带来奇迹，有时拆开一些东西并进行合并同类项可能会得到一些奇妙的结果。

4.组合数学的力量也是不容小觑的，很多的东西可以跳过思考直接瞎搞，组合数学可能会为你带来不一样的明天。

5.神仙操作的优化也是无法想象的，虽然我学不来，但是如果谁会FFT，矩阵乘法等都有可能对式子的推导与计算产生帮助甚至卡过。

换个视角看世界

1.有时在期望线性化的过程中选定的$X_i$并不容易计算，这时候就需要将视角做一下转换。这样不是很好懂，举个例子，在求关于凸包的问题时，若将点作为$X_i$显然不是很有利，因为凸包对点没有十分确切的定义，但其对边做出了要求，所以可以将$X_i$设定与边有关，会对求结果有较大的帮助。

2.在顺向操作不行是，可以尝试反向操作，毕竟反向操作是神仙，有时反向可能会时情况很少，目的更明确。

其他的基操

1.不要害怕设的数字太多，只要不导致答案错误和爆炸，随机变量的多并无什么坏处，当然也没好处。

2.在你所求的$E(X_i)$取值只有0或1时，$E(X_i)=P(X_i=i$(依情况而定$))$。这是显然的，但同时这也可以令你使用一些关于概率的计算方式，方便求解。

2+.从2.延伸一下，我们可以考虑等价的况并进行转化或是和并，很多时候对于每个点、数、序列、球之类的生来就是平等的，其某些值也是相同的，可以对其化简，甚至带来大幅度优化。

理论上应该提出例题与其题解，但是因为题量与个人能力的问题，不敢瞎写，所以附上同行的好同学的blog与其笔记，作为参考与拓展。
blog
笔记
END.