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 n m \frac {n}{m} mn
-
E(X):离散型随机变量 X 的期望值, E ( X ) = ∑ i = 1 ∞ P ( X = i ) ∗ i E(X)=\sum_{i=1}^∞P(X=i)* i E(X)=∑i=1∞P(X=i)∗i
E(X): 连续型随机变量X期望值: E ( X ) = ∫ − ∞ ∞ x f ( x ) d x E(X)=\int _{-\infty}^{\infty}x \ f(x) \ dx E(X)=∫−∞∞x f(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 ( A B ) = P ( A ) P ( B ) P(AB)=P(A) P(B) P(AB)=P(A)P(B)
-
对于独立事件,满足 E ( A B ) = E ( A ) E ( B ) E(AB)=E(A) E(B) E(AB)=E(A)E(B)
对于以上一点,又给出证明:
- E ( A B ) = ∑ i = 0 n ∑ j = 0 n P ( A = i ) ∗ P ( B = j ) ∗ i ∗ j E(AB)=\sum_{i=0}^n \sum_{j=0} ^n P(A=i)*P(B=j)*i*j E(AB)=∑i=0n∑j=0nP(A=i)∗P(B=j)∗i∗j
- = ( ∑ i = 0 n P ( A = i ) ∗ i ) ∗ ( ∑ j = 0 n P ( B = j ) ∗ j ) =(\sum_{i=0}^n P(A=i)*i)*(\sum_{j=0}^n P(B=j)*j) =(∑i=0nP(A=i)∗i)∗(∑j=0nP(B=j)∗j)
- = E ( A ) ∗ E ( B ) =E(A)*E(B) =E(A)∗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:
- ∑ i = 0 ∞ x i = 1 1 − x \sum_{i=0}^∞ x^i=\frac{1}{1-x} ∑i=0∞xi=1−x1
- ∑ i = 0 n x i = 1 − x n + 1 1 − x \sum_{i=0}^{n} x^i=\frac{1-x^{n+1}}{1-x} ∑i=0nxi=1−x1−xn+1
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 ] E[X+Y]=E[X]+E[Y] 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 ) P(X=K)=P(X<=K)-P(X<=K-1) 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 ) = ∑ i = 1 n P ( Y = i ) ∗ i E(Y)=\sum_{i=1}^{n} P(Y=i)*i E(Y)=∑i=1nP(Y=i)∗i
- 根据以上,得 ∑ i = 1 n [ P ( Y < = i ) − P ( Y < = i − 1 ) ] ∗ i \sum_{i=1}^{n}[P(Y<=i)-P(Y<=i-1)]*i ∑i=1n[P(Y<=i)−P(Y<=i−1)]∗i
- 设总方案为 S S S
- 则 E ( Y ) = ∑ i = 1 n [ ( i S ) n − ( i − 1 S ) n ] ∗ i E(Y)=\sum_{i=1}^{n} [(\frac{i}{S})^n-(\frac{i-1}{S})^n]*i E(Y)=∑i=1n[(Si)n−(Si−1)n]∗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 ) = ∑ i = 1 ∞ P ( x > = i ) E(X)=\sum_{i=1} ^∞ P(x>=i) E(X)=∑i=1∞P(x>=i)
证明:
- E ( X ) = ∑ i = 1 ∞ P ( x = i ) ∗ i E(X)=\sum_{i=1}^∞ P(x=i)*i E(X)=∑i=1∞P(x=i)∗i
- = ∑ i = 1 ∞ P ( x = i ) ∗ ∑ j = 1 i 1 =\sum_{i=1}^∞ P(x=i)*\sum_{j=1}^i 1 =∑i=1∞P(x=i)∗∑j=1i1
- = ∑ j = 1 ∞ 1 ∗ ∑ i > = j ∞ P ( x = i ) =\sum_{j=1}^∞1*\sum_{i>=j}^∞ P(x=i) =∑j=1∞1∗∑i>=j∞P(x=i)
- = ∑ j = 1 ∞ 1 ∗ P ( x > = j ) =\sum_{j=1}^∞ 1*P(x>=j) =∑j=1∞1∗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 = ∑ 1 m x i S=\sum_1 ^m x_i S=∑1mxi
- 期望值和 E ( S ) = E ( ∑ 1 m x i ) = ∑ 1 m E ( x i ) E(S)=E(\sum_1 ^m x_i)=\sum_1^m E(x_i) E(S)=E(∑1mxi)=∑1mE(xi)
- 因为x数组为排列,所以 P ( x i = i ) = P ( x 1 = i ) P(x_i=i)=P(x_1=i) P(xi=i)=P(x1=i),两者等价
- 所以 E ( x 1 ) = E ( x i ) E(x_1)=E(x_i) E(x1)=E(xi)
- E ( x i ) = E ( x 1 ) = ∑ i = 1 n 1 n ∗ i = 1 n ∗ n ( n + 1 ) 2 = n + 1 2 E(x_i)=E(x_1)=\sum_{i=1}^n \frac {1}{n}*i=\frac {1}{n}*\frac{n(n+1)}{2}=\frac{n+1}{2} E(xi)=E(x1)=∑i=1nn1∗i=n1∗2n(n+1)=2n+1
- E ( ∑ i = 1 m x i ) = E ( x 1 ) ∗ m = n + 1 2 ∗ m E(\sum_{i=1}^{m} x_i)=E(x_1)*m=\frac{n+1}{2}*m E(∑i=1mxi)=E(x1)∗m=2n+1∗m
- 同样直接推也是可以的:
- ∑ i = 1 n 1 n ∗ i = 1 n ∗ ∑ i = 1 n i = 1 n ∗ n ( n + 1 ) 2 = n + 1 2 \sum_{i=1}^{n} \frac{1}{n}*i=\frac{1}{n}*\sum_{i=1}^{n} i=\frac{1}{n}*\frac{n(n+1)}{2}=\frac{n+1}{2} ∑i=1nn1∗i=n1∗∑i=1ni=n1∗2n(n+1)=2n+1
- 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 n + 1 2 \frac{n+1}{2} 2n+1,拿m次,得最终答案
- 答案 n + 1 2 ∗ m \frac{n+1}{2}*m 2n+1∗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:
- ∑ i = 1 ∞ [ ( 1 − p ) i − 1 − ( 1 − p ) i ] ∗ i = ∑ i = 1 ∞ ( 1 − p ) i ∗ ( i + 1 − i ) \sum_{i=1}^{∞}[(1-p)^{i-1}-(1-p)^i]*i=\sum_{i=1}^∞(1-p)^i*(_{i+1}^{-i}) ∑i=1∞[(1−p)i−1−(1−p)i]∗i=∑i=1∞(1−p)i∗(i+1−i)
- 依据 ∑ i = 0 ∞ ( 1 − p ) i = 1 1 − ( 1 − p ) = 1 p \sum_{i=0}^∞ (1-p)^i=\frac{1}{1-(1-p)}=\frac{1}{p} ∑i=0∞(1−p)i=1−(1−p)1=p1
- 原式 = [ ( 1 − p ) i − ( 1 − p ) i + 1 ] ∗ ( i + 1 ) =[(1-p)^i-(1-p)^{i+1}]*(i+1) =[(1−p)i−(1−p)i+1]∗(i+1)
- 之后一部分我不会了,但是答案依旧是 n + 1 2 ∗ m \frac{n+1}{2}*m 2n+1∗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 x_i xi为从i出发到达i+1的期望步数
- 易得 E [ 1 ] = 1 E[1]=1 E[1]=1
- 得 E [ i ] = 1 2 + 1 2 ∗ ( E [ x i ] + E [ x i − 1 ] + 1 ) = E [ x i − 1 ] + 2 E[i]=\frac{1}{2}+\frac{1}{2}*(E[x_i]+E[x_{i-1}]+1)=E[x_{i-1}]+2 E[i]=21+21∗(E[xi]+E[xi−1]+1)=E[xi−1]+2
- E [ Y ] = ∑ i = 1 n − 1 E [ x i ] = ( n − 1 ) 2 E[Y]=\sum_{i=1}^{n-1}E[x_i]=(n-1)^2 E[Y]=∑i=1n−1E[xi]=(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 ] = 1 p E[p]=\frac{1}{p} E[p]=p1
- 所以每次有 1 n − 1 \frac{1}{n-1} n−11的概率成功
- 所以成功期望为 ( n − 1 ) (n-1) (n−1)
没啦
那这篇就到这里,下次一定不会回来补哦。