金华正睿Day1 期望与概率

---

列一列知识表

期望，概率，组合数学部分

问题：拿球问题，游走问题，经典问题，期望线性性练习题

---

<一次更新>

我回来补坑了！！然而我现在才知道关于期望概率的真正理解。。。。

---

行扒，今天不出意外地吊了 ，。，

不过依然没什么问题，这么感觉下来只要认真听就能听懂，不过实在是难以保持在线，就在懵逼的一刻，一题就挂了。

没办法，期望概率的概念还不清楚呢，求的是啥？怎么求？实际上很困扰。概念性的东西重要啊，不理解的话下面老师讲的什么都也只是空中楼阁。

晚上多搞搞吧。。。

---

概念

其实对于期望的概念是十分模糊的

• 随机变量：有多种可能的取值的变量，大概是在样本空间中的随机一个变量，若无特殊说明，随机变量均为离散型随机变量，我才知道连续型随机变量是用到微积分求的。

• P(X)：随机变量X的概率，总状态m，目标数n，则概率为$\frac{n}{m}$

• E(X)：离散型随机变量 X 的期望值，$E(X)={\sum }_{i=1}^{\infty }P(X=i)\ast i$

  E(X)： 连续型随机变量X期望值：$E(X)={\int }_{-\infty }^{\infty }xf(x)dx$

  （实际上不一定到正无穷，i的取值为X所有可能的情况）

• 定义:无限意义下的期望：

  • 离散：P(x=xi)中xi是离散的，这时P是一个确定的值，且期望收敛

  • 连续：P(x=xi)中xi是连续的，这时P=0，但是积分不是零

• 独立事件：互相不影响的事件，满⾜$P(AB)=P(A)P(B)$

• 对于独立事件，满足$E(AB)=E(A)E(B)$

对于以上一点，又给出证明：

• $E(AB)={\sum }_{i=0}^n{\sum }_{j=0}^{n}P(A=i)\ast P(B=j)\ast i\ast j$
• $=({\sum }_{i=0}^{n}P(A=i)\ast i)\ast ({\sum }_{j=0}^{n}P(B=j)\ast j)$
• $=E(A)\ast E(B)$

这是课件里给的定义，但是，令人惊奇的是它并没有表述这玩意是啥，有什么用，其本质代表什么?

此外，同学给出了另一种解释,说期望就是概率乘权值的和，我：？？？

其实就是上面那个式子了.十分懵逼，但我还是听了下去。

以下是关于这些函数的性质及定义，直接搬上：

• 当0<x<1时，我们有：
• ${\sum }_{i=0}^{\infty }{x}^i=\frac{1}{1-x}$
• ${\sum }_{i=0}^n{x}^i=\frac{1-x^{n+1}}{1-x}$

同时，期望有一个十分优（gui）美（chu）的性质与技巧：

• $E[X+Y]=E[X]+E[Y]$

证明：显然法（手动滑稽）好吧我也不会看起来不太重要

• 对于离散变量X,$P(X=K)=P(X<=K)-P(X<=K-1)$

一些运用：

---

• 1 . 有 n 个随机变量 X[1…n]，每个随机变量都是从 1…S 中
  随机⼀个整数，求 Max(X[1…n]) 的期望

解：运用以上方法

• 设Max(x[1…n])=Y(期望)
• $E(Y)={\sum }_{i=1}^{n}P(Y=i)\ast i$
• 根据以上,得${\sum }_{i=1}^n[P(Y<=i)-P(Y<=i-1)]\ast i$
• 设总方案为$S$
• 则$E(Y)={\sum }_{i=1}^n[(\frac{i}{S}{)}^n-(\frac{i-1}{S}{)}^n]\ast i$

---

• 2 . 概率为 p 的事件期望 1/p 次后发⽣

呃这个很好理解吧，概率和期望的一些奇怪关系，不过好像只能用于期望事件发生？不是很懂，希望可以再次讲解

---

又有优美性质*1：

• $E(X)={\sum }_{i=1}^{\infty }P(x>=i)$

证明：

• $E(X)={\sum }_{i=1}^{\infty }P(x=i)\ast i$
• $={\sum }_{i=1}^{\infty }P(x=i)\ast {\sum }_{j=1}^{i}1$
• $={\sum }_{j=1}^{\infty }1\ast {\sum }_{i>=j}^{\infty }P(x=i)$
• $={\sum }_{j=1}^{\infty }1\ast P(x>=j)$

---

拿球问题

一类鬼畜问题，我试试直接搞吧，（反正也不会

---

• 1 .箱子里有 n 个球 1…n，你要从⾥⾯拿 m 次球，拿了后不放
  回，求取出的数字之和的期望

解：

• 每次拿一个球，所以最终一定取到m个互不相同的数，记x[1…m],
• 显然数字之和$S={\sum }_1^m{x}_i$
• 期望值和$E(S)=E({\sum }_1^m{x}_i)={\sum }_1^{m}E(x_i)$
• 因为x数组为排列，所以$P(x_i=i)=P(x_1=i)$，两者等价
• 所以$E(x_1)=E(x_i)$
• $E(x_i)=E(x_1)={\sum }_{i=1}^n\frac{1}{n}\ast i=\frac{1}{n}\ast \frac{n(n+1)}{2}=\frac{n+1}{2}$
• $E({\sum }_{i=1}^m{x}_i)=E(x_1)\ast m=\frac{n+1}{2}\ast m$
• 同样直接推也是可以的：
• ${\sum }_{i=1}^n\frac{1}{n}\ast i=\frac{1}{n}\ast {\sum }_{i=1}^{n}i=\frac{1}{n}\ast \frac{n(n+1)}{2}=\frac{n+1}{2}$

---

• 2 .（谁能告诉我为啥这么多？唉我还是就写一篇吧）箱⼦⾥有 n 个球 1…n，你要从⾥⾯拿 m 次球，拿了后放回，求取出的数字之和的期望。

证明：

• 每次要放回，导致每次面临的局面一样，对于每次的期望值为序列平均值$\frac{n+1}{2}$,拿m次，得最终答案
• 答案$\frac{n+1}{2}\ast m$

---

• 3 .箱⼦⾥有 n 个球 1…n，你要从⾥⾯拿 m 次球，拿了后以
  p1 的概率放回，以 p2 的概率放回两个和这个相同的球，
  求取出的数字之和的期望

证明：

• ${\sum }_{i=1}^{\infty }[(1-p{)}^{i-1}-(1-p{)}^i]\ast i={\sum }_{i=1}^{\infty }(1-p{)}^i\ast {(}_{i+1}^{-i})$
• 依据${\sum }_{i=0}^{\infty }(1-p{)}^i=\frac{1}{1-(1-p)}=\frac{1}{p}$
• 原式$=[(1-p{)}^i-(1-p{)}^{i+1}]\ast (i+1)$
• 之后一部分我不会了，但是答案依旧是$\frac{n+1}{2}\ast m$
• （回来补坑，见大佬们个个神武，不堪懈怠啊

---

游走问题

• 1.在⼀条 n 个点的链上游⾛，求从⼀端⾛到另⼀端的概率。

解：

• 设$x_i$为从i出发到达i+1的期望步数
• 易得$E[1]=1$
• 得$E[i]=\frac{1}{2}+\frac{1}{2}\ast （E[x_i]+E[x_{i-1}]+1）=E[x_{i-1}]+2$
• $E[Y]={\sum }_{i=1}^{n-1}E[x_i]=(n-1{)}^2$

---

• 2.在⼀张 n 个点的完全图上游⾛，求从⼀个点⾛到另⼀个点的概率

解：

• 由期望步数得$E[p]=\frac{1}{p}$
• 所以每次有$\frac{1}{n-1}$的概率成功
• 所以成功期望为$(n-1)$

---

没啦

那这篇就到这里，下次一定不会回来补哦。