【2019正睿金华集训】0728总结(概率期望)

期望概念学习

上午的学习还算好，听得懂，但是下午老师讲的挺快，题目难度增大，有点懵。要认真理解，勤做笔记很重要。

基础概念：

随机变量：有多种可能的取值的变量
$P(A)$:事件A发生的概率
$E(X)$:随机变量X的期望值，$E(X)=Sum[P(X=i)\ast i]$独立事件：互相不影响的事件，满足以下性质：$P(AB)=P(A)P(B)$ ; $E(AB)=E(A)E(B)$

$P(X+Y=K)$的含义并非两件事件同时发生，X+Y重新形成一个新的随机变量Z，那么$P(X+Y=K)$=$P(Z=K)$=${\sum }_{i}P(X=i且Y=K-i)$

同理$P(XY=K)=P(Z=K)=$ ${\sum }_{i}P(X=i且Y=\frac{K}{i})$

常用公式：

当0<x<1时，有
1.${\sum }_{i=0}^n{x}^i=\frac{1-x^{n+1}}{1-x}$

2.${\sum }_{i=0}^{\infty }{x}^i=\frac{1}{1-x}$

期望的线性性：
$E[X+Y]=E[X]+E[Y]$
PS:该公式运用广泛，对于所有事件均成立

证明如下：

$E[X+Y]$

=${\sum }_i{\sum }_j(i+j)P(X=i,Y=j)$

=${\sum }_i{\sum }_j(i)P(X=i,Y=j)+{\sum }_i{\sum }_j(j)P(X=i,Y=j)$

=${\sum }_{i}i{\sum }_{j}P(X=i,Y=j)+{\sum }_{i}j{\sum }_{j}P(X=i,Y=j)$-------------------1

=${\sum }_{i}iP(X=i)+{\sum }_{j}jP(Y=j)$--------------------------2

=$E[X]+E[Y]$

解释：1到2的转换，前一项${\sum }_{i}i{\sum }_{j}P(X=i,Y=j)$Y随机变量已经固定接下来是枚举X，那么就变成了P(X=i)，后面同理。

常用技巧-前缀和技巧

离散变量：以整数为分布的变量
对于一个离散变量X，有P(X=K)=P(X<=K)-P(X<=K-1)

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

我们设Y为答案，那么答案就是E(Y)
根据定义有:E(Y)=${\sum }_{i=1}^{S}P(Y=i)\ast i$
而$P(Y=i)=P(Y<=i)-P(Y<=i-1)=(\frac{i}{S}{)}^n-(\frac{i-1}{S}{)}^n$
即最大值<=i就是所有X[1…n]的数都小于i
所以E(Y)=${\sum }_{i=1}^S\ast ((\frac{i}{S}{)}^n-(\frac{i-1}{S}{)}^n)\ast i$

例2:证明:概率为p的事件期望1/p次后发生
根据定义：
设X表示第几次时成功
$E(X)$=${\sum }_{i=1}^{\infty }P(X=i)\ast i$

=${\sum }_{i=1}^{\infty }(P(X>=i)-P(X>=i+1))\ast i$

观察：当i=1时P(X>=2)的系数为-1，而当i=2时原先的P(X>=0)的系数为2，那么得P(X>=2)的系数为1，以此类推可得所有的P(X>=i)的系数都为1

那么E(X)=${\sum }_{i=1}^{\infty }P(X>=i)----重要结论$

=${\sum }_{i=1}^{\infty }（1-p{)}^{i-1}$【P(X>=i)表示至少在第i次后成功】

=$\frac{1}{p}$ 【根据等比数列求和，当n趋近正无穷时的公式】

拿球问题

• 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】：可以转换成在n个数中选m个数求取出的数字之和的期望值，那么对于每一种取法，每一个数字要么选要么不选。

【解】设S为最终答案(显然是一个随机变量)，然后令S= ${\sum }_{i=1}^{n}Xi$
Xi有两种取值，1.不选 为0 2.选了 为i
那么E(S)=E(${\sum }_{i=1}^{n}Xi$)=${\sum }_{i=1}^n$E(Xi)
而E(Xi)=$\frac{m}{n}$ *i(n个里面选m个选到的概率显然为$\frac{m}{n}$)
那么E(S)=$\frac{m}{n}$ *(1+2+3+4+…+n)=$\frac{m}{n}$ *$\frac{(1+n)\ast n}{2}$=$\frac{m(n+1)}{2}$

• 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

【解】：设S为最终答案，令S=${\sum }_{i=1}^{m}Xi$
其中Xi表示第i次取数的大小，那么显然E(S)=E(${\sum }_{i=1}^{m}Xi$)=${\sum }_{i=1}^m$E(Xi)
而E(Xi)=${\sum }_{i=1}^n$ $\frac{1}{n}$ * $i$=$\frac{1}{n}$* $\frac{(1+n)\ast n}{2}$
而因为每一次都放回，所以显然E[X1]=E[X2]=E[X3]=…，每一次取数的分布是均等的
那么E[S]=m*$\frac{1}{n}$* $\frac{(1+n)\ast n}{2}$=$\frac{m(n+1)}{2}$

• 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

【解】：类似于上面考虑每一个球被拿了几次，设S最终答案(显然是一个随机变量)，然后令S= ${\sum }_{i=1}^{n}Xi$，Xi表示第i个球做出的贡献，则Xi=Yi*i,其中Yi表示第i个球被取出几次，那么明显令T=${\sum }_{i=1}^n$Yi=m，那么E(T)=${\sum }_{i=1}^n$E(Yi)=m，而每一个球的机会是均等的,所以E(Y1)=E(Y2)=…E(Yn),所以E(Yi)=$\frac{m}{n}$
所以E(S)=${\sum }_{i=1}^n$E(Xi)=${\sum }_{i=1}^n$E(Yi)*i=$\frac{m(n+1)}{2}$
然后就发现其实和p1,p2那些没什么关系，那么即使有更多类似情况也是如此。
看似不同的三个问题其实答案是一样的：$\frac{m(n+1)}{2}$

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期望步数

【解】：设S为最终答案，则所求为E(S),令S=${\sum }_{i=1}^{n-1}Xi$
$Xi$表示第i个点随机游走第一次到i+1的步数
则E(S)=E(${\sum }_{i=1}^{n-1}Xi$)=${\sum }_{i=1}^{n-1}$E(Xi)
现在主要问题变成求E[Xi],显然E[X1]=1*1=1
而 $E[X2]=0.5\ast 1(直接到)+0.5\ast (E[X1]+E[X2])(返回1后面要到2再到3)$
以此可以推得 $E[X2]=E[X1]+2=3$,类似$E[Xi]=E[Xi-1]+2$
那么最终就变成了一个等差数列求和得$E(S)=(n-1{)}^2$

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期望步数

【解】：有$\frac{1}{n-1}$的概率成功–不管走到哪个点到达目标点的概率始终不变
因此期望步数为n-1

3• 在⼀张 2n 个点的完全二分图上游走，求从⼀个点⾛到另⼀个点的期望步数

【解】：A.从一个点到同侧点的期望步数 B.从一个点到不同侧点的期望步数
明显A=1+B(先到异侧转换为B) 而B= $\frac{1}{n}$ * 1（有 $\frac{1}{n}$的概率直接到）+ $\frac{n-1}{n}$*（A+1）(先走一步没到达地点转化为A)

4• 在⼀张 n 个点的菊花图上游走，求从一个点⾛到另⼀个点的期望步数

【解】:A.叶子到叶子 B.叶子到中心 C.中心到叶子 的期望步数
明显B=1*1=1 而A=B+C=1+C 而 C=$\frac{1}{n-1}$ * 1+$\frac{n-2}{n-1}$ * (A+1)

5• 在⼀棵 n 个点的树上游走，求从根走到 x 的期望步数

【解】:转化为x走到根的期望步数，倒着做。
设f[i]为节点i第一次走到fa[i]的步数,设d[i]为i节点的度数,f[1]=0
则f[i]=$\frac{1}{d[i]}$*1+${\sum }_{y属于i的儿子}$ * $\frac{1}{d[i]}$ *(1+f[y]+f[x]) 类似于1的思想
最后的答案E(S)=${\sum }_{y属于根节点到x的路径上}$f[y]

6• 构造一张200个点的无向图，使得上面从 S ⾛到 T 的随机游走期望步数>=1000000

假设我们让S成为链的一端点，T成为链的另一个端点
在前面已经提过1的期望步数时$n^2$级别的，我们若使1中的E[X1]=1改为$n^2$即可以达到我们的目的。那就可以构造成左边一个100个点的完全图，其中一个点延申出去一百个点的链,E[X1]=$\frac{1}{n}$ * 1+$\frac{n-1}{n}$ * (1+n-1+E[X1])
[其中的n-1则为2中问题答案]

方法小总结：

先设一个答案，将答案拆成若干份，对于每一个小份进行更细的操作，考虑每一种情况，利用期望的线性性进行操作即可。【一般操作】

1.设S为答案
2.设S=${\sum }_{i=...}^{...}$Xi 然后Xi表示…
3.根据线性性E[S]=E[ ${\sum }_{i=...}^{...}$Xi ] =${\sum }_{i=...}^{...}$ E[Xi]
4.然后表示出E[Xi]即可…

还有一些难的问题我还有点懵，有些用组合计数可以很好理解。

推荐题目：


发现大佬博客：
https://www.cnblogs.com/lcyfrog/p/11258351.html
https://www.luogu.org/blog/scm0318zztoier/main-actor20190727-jin-hua-ji-xun-zong-jie