不断从[0,1]中随机选择一个数进行累加，直到其和超过1，需要选择几次？

微信搜索：编程笔记本
获取更多校招干货知识

今天我们来看一个有趣的问题：
不断从[0,1]中随机选择一个数进行累加，直到其和超过1，需要选择几次？

对于一次特定的实验，次数是一个确定的整数。我们要讨论的是，选择次数的数学期望。或者说，平均需要多少次。

现在，这已经变成了一个比较复杂的数学问题了。但是，好在问题描述并不复杂，我们可以用计算机进行数值模拟。

程序流程图：

step1: 设s=0;
step2: 从[0,1]中随机选择一个数x;
step3: s=s+x;
step4: 若s>1，停止；否则转到step2。

参考c++代码：

#include <stdio.h>
#include <random>
#include<iomanip>

int main()
{
    // 设置随机数生成器
    std::default_random_engine e(time(0));
    std::uniform_real_distribution<double> gen(0.0, 1.0);
    
    double sum = 0.0;
    int cnt = 0;
    
    // 总试验次数与总选择次数
    int times = 100;
    long long all = 0;
    
    for (int i = 0; i < times; ++i) {
        sum = 0;
        cnt = 0;
        
        while (sum <= 1.0) {
            sum += gen(e);
            ++cnt;
        }
        
        all += cnt;
    }
    
	// 选择次数期望 = 总选择次数 / 总试验次数
    double exp = double(all) / double(times);
    printf("exp = %.5lf\n", exp);
}

下面我们运行程序：

jincheng@DESKTOP-42T69DJ:/mnt/e/LinuxSubSysFile$ g++ test.cpp
jincheng@DESKTOP-42T69DJ:/mnt/e/LinuxSubSysFile$ ./a.out
exp = 2.74012

微信搜索：编程笔记本
获取更多校招干货知识

从实验结果可以看到，当我们进行100次这样的实验，得到的平均选择次数为2.74012。
当然了，既然是验证性实验，100次还是太少了，下面我们修改times变量值，增加试验次数，再来观察实验结果。

• times = 1000
exp = 2.72800
• times = 10000
exp = 2.71440
• times = 100000
exp = 2.71601
• times = 1000000
exp = 2.71939
• times = 10000000
exp = 2.71833
• times = 100000000
exp = 2.71824

随着实验的进行，我们似乎看出来某种规律，选择次数的期望值怎么这么眼熟啊…是不是有点像**自然对数底数e**啊？

我们知道，自然对数底数e = 2.71828 18284 59……。当我们进行足够多次实验（100000000次）时，得到的选择次数期望值为2.71824，这与e的前四位小数惊人般地雷同！直觉告诉我，这一定不是巧合！此事必有蹊跷！

先说结论：

不断从[0,1]中随机选择一个数进行累加，直到其和超过1，需要的选择次数的期望值为欧拉常数e。

今天的编程小知识主要是C++11新标准的随机数生成库的应用。在新标准下使用随机数，原则上我们不再使用rand()与srand()函数了，而是使用随机度更高、效率更快的随机数生成库，它内置了一系列常用的随机分布。感兴趣的小伙伴可以自行查阅学习。下面是上述结论的严格数学证明，请小伙伴们有选择性地阅读。

---

求数学期望，就是随机量的所有可能取值*随机量取该值的概率。

在我们讨论的问题中，选择次数（记为C）的可能取值为：2,3,4,...，则：

$$E(C)={\Sigma }_{n=2}^{\infty }[n\ast P(C=n)]$$

下面我们从简单的情况入手。

• 考虑n = 2：
  等价于，在边长为 1 的正方形中取一点，其落在箭头区域(x + y \> 1)的概率，即P = 1/2 = 1 - 1 / (2!)；
• 考虑n = 3：
  等价于，在棱长为 1 的正方体中取一点，其落在箭头区域(x + y + z \> 1)的概率，即P = 5/6 = 1 - 1 / (3!)；
• …

为了不让证明过程过于复杂，我们直接给出一个数学定理：在n维单位空间中，其中任取一点，落在单位之外的概率为 P = 1 - 1 / (n!)。

在我们的问题中，考虑“第n次选择后，其和恰好大于 1 ”的事件。该事件成立的前提是，前 n-1 的和并未大于 1 ，而第 n 次选择之后，其和大于 1 。则有：

$$P(C=n)=[1-1/(n!)]-[1-1/((n-1)!)]$$

上式中后半部分减去的是“前n-1次选择后和大于 1 ”的概率。如此一来，我们的问题便能够求解了。

E ( C ) = Σ n = 2 ∞ [ n ∗ P ( C = n ) ]                                                   = Σ n = 2 ∞ n ∗ { [ 1 − 1 / ( n ! ) ] − [ 1 − 1 / ( ( n − 1 ) ! ) ] } = Σ n = 2 ∞ n ∗ { 1 / ( ( n − 1 ) ! ) − 1 / ( n ! ) }                    = Σ n = 2 ∞ n ∗ { ( n − 1 ) / ( n ! ) }                                  = Σ n = 2 ∞ { 1 / ( ( n − 2 ) ! ) }                                        = Σ n = 0 ∞ { 1 / ( n ! ) }                                                   E(C) = \Sigma_{n=2}^{\infty} [n*P(C=n)]\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \\ =\Sigma_{n=2}^{\infty} n*\{[1 - 1 / (n!)] - [1 - 1 / ((n-1)!)]\}\\ =\Sigma_{n=2}^{\infty} n*\{1 / ((n-1)!) - 1 / (n!)\}\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \\ =\Sigma_{n=2}^{\infty} n*\{(n - 1) / (n!)\}\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \\ =\Sigma_{n=2}^{\infty} \{1 / ((n - 2)!)\}\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \\ =\Sigma_{n=0}^{\infty} \{1 / (n!)\}\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \\ E(C)=Σn=2∞​[n∗P(C=n)]                                                 =Σn=2∞​n∗{[1−1/(n!)]−[1−1/((n−1)!)]}=Σn=2∞​n∗{1/((n−1)!)−1/(n!)}                  =Σn=2∞​n∗{(n−1)/(n!)}                                =Σn=2∞​{1/((n−2)!)}                                      =Σn=0∞​{1/(n!)}                                                 

由泰勒级数我们知道， Σ n = 0 ∞ { 1 / ( n ! ) } \Sigma_{n=0}^{\infty} \{1 / (n!)\} Σn=0∞​{1/(n!)} = e。
证毕。

微信搜索：编程笔记本
获取更多校招干货知识