1. 二倍均值法
剩余红包金额M,剩余人数N,那么:每次抢到金额=随机(0,M/N*2)
保证了每次随机金额的平均值是公平的
假设10人,红包金额100元
第一人:100/10*2=20,随机范围(0,20),平均可以抢到10元
第二人:90/9*2=20,随机范围(0,20),平均可以抢到10元
第三人:80/8*2=20,随机范围(0,20),平均可以抢到10元
以此类推,每次随机范围的均值是相等的
即假设N个人,红包金额M元,
第一次平均抢到M/N元,第二次抢到(M-M/N)/(N-1)=M/N,以此类推,每个人的均值都一样。
缺点:除了最后一次,任何一次抢到的金额都不会超过人均金额的两倍,并不是任意的随机。
这儿选用matlab写程序,方便保存数据和绘图。300个人抢500元,重复200次。
temp=[];
for mm=1:200
s=[];b=[];
num=300;total=500;
rest=total;m=1;
for i=1:num
b=rand(1,1);
amount=(b*2*rest)/num;
num=num-1;
rest=rest-amount;
s=[s,amount];
m=m+1;
end
temp=[temp;s];
end
ave=mean(temp);
sum=temp';
%figure('Numbertitle','off','name','平均1');
subplot(2,2,1);plot(ave);axis([0,300,0,2]);title('200次平均');
%figure('Numbertitle','off','name','总和1');
subplot(2,2,2);plot(sum,'o');title('总体');
%figure('Numbertitle','off','name','平均分布1');
subplot(2,2,3); histfit(ave);title('平均分布');
%figure('Numbertitle','off','name','总和分布1');
subplot(2,2,4);histogram(sum);title('总体分布');
结果如图:
200次平均下来,每个人拿的钱差不多,保证了公平性。总体来看,最后一个人有几率拿到更多的钱,所以风险规避者应该先抢,风险偏爱者应该后抢(有风险^-^)。总体来看,大多数人抢的钱在(0,4)内。从2图上可以很明显的看出缺点:除了最后一次,任何一次抢到的金额都不会超过人均金额的两倍,并不是任意的随机。
3. 线段分割法
把红包总金额想象成一条很长的线段,而每个人抢到的金额,则是这条主线段所拆分出的若干子线段。
当N个人一起抢红包的时候,就需要确定N-1个切割点。
因此,当N个人一起抢总金额为M的红包时,我们需要做N-1次随机运算,以此确定N-1个切割点。
随机的范围区间是(1, M)。当所有切割点确定以后,子线段的长度也随之确定。这样每个人来抢红包的时候,只需要顺次领取与子线段长度等价的红包金额即可。当随机切割点出现重复,应当再次随机(我选择假设无重复^-^)。
同样300个人抢500元的红包,重复200次。
num=300;total=500;
sum=[];
for m=1:200
ss=[];sss=[];
for i=1:num-1
s=rand*total;
ss=[ss,s];
end
sss=sort(ss);
sss=[sss,total];
jin=[sss(1)];
for j=1:num-1
m=sss(j+1)-sss(j);
jin=[jin,m];
end
sum=[sum;jin];
end
ave=mean(sum);figure;
%figure('Numbertitle','off','name','平均2');
subplot(2,2,1);plot(ave);axis([0,300,0,2]);title('200次平均')
%figure('Numbertitle','off','name','总体2');
subplot(2,2,2);plot(sum,'o');title('总体')
%figure('Numbertitle','off','name','平均分布2');
subplot(2,2,3);histfit(ave);title('平均分布')
%figure('Numbertitle','off','name','总体分布2');
subplot(2,2,4);histogram(sum);title('总体分布')
结果如图:
与二倍均值法相比,改善了缺点。越大金额抢到的人数越少。