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
)
P(A)
P(A):事件A发生的概率
E
(
X
)
E(X)
E(X):随机变量X的期望值,
E
(
X
)
=
S
u
m
[
P
(
X
=
i
)
∗
i
]
E(X)=Sum[P(X=i)*i]
E(X)=Sum[P(X=i)∗i]独立事件:互相不影响的事件,满足以下性质:
P
(
A
B
)
=
P
(
A
)
P
(
B
)
P(AB)=P(A)P(B)
P(AB)=P(A)P(B) ;
E
(
A
B
)
=
E
(
A
)
E
(
B
)
E(AB)=E(A)E(B)
E(AB)=E(A)E(B)
P ( X + Y = K ) P(X+Y=K) 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(X+Y=K) P(X+Y=K)= P ( Z = K ) P(Z=K) P(Z=K)= ∑ i P ( X = i 且 Y = K − i ) \sum_{i}P(X=i且Y=K-i) ∑iP(X=i且Y=K−i)
同理 P ( X Y = K ) = P ( Z = K ) = P(XY=K)=P(Z=K)= P(XY=K)=P(Z=K)= ∑ i P ( X = i 且 Y = K i ) \sum_{i}P(X=i且Y={K\over{i}}) ∑iP(X=i且Y=iK)
常用公式:
当0<x<1时,有
1.
∑
i
=
0
n
x
i
=
1
−
x
n
+
1
1
−
x
\sum^n_{i=0}x^i={1-x^{n+1}\over{1-x}}
∑i=0nxi=1−x1−xn+1
2. ∑ i = 0 ∞ x i = 1 1 − x \sum^\infty_{i=0}x^i={1\over{1-x}} ∑i=0∞xi=1−x1
期望的线性性:
E
[
X
+
Y
]
=
E
[
X
]
+
E
[
Y
]
E[X+Y]=E[X]+E[Y]
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 ] E[X+Y] E[X+Y]
= ∑ i ∑ j ( i + j ) P ( X = i , Y = j ) \sum_{i}\sum_j(i+j)P(X=i,Y=j) ∑i∑j(i+j)P(X=i,Y=j)
= ∑ i ∑ j ( i ) P ( X = i , Y = j ) + ∑ i ∑ j ( 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) ∑i∑j(i)P(X=i,Y=j)+∑i∑j(j)P(X=i,Y=j)
= ∑ i i ∑ j P ( X = i , Y = j ) + ∑ i j ∑ j P ( X = i , Y = j ) \sum_{i}i\sum_jP(X=i,Y=j)+\sum_i j\sum_j P(X=i,Y=j) ∑ii∑jP(X=i,Y=j)+∑ij∑jP(X=i,Y=j)-------------------1
= ∑ i i P ( X = i ) + ∑ j j P ( Y = j ) \sum_i i P(X=i)+\sum_j j P(Y=j) ∑iiP(X=i)+∑jjP(Y=j)--------------------------2
= E [ X ] + E [ Y ] E[X]+E[Y] E[X]+E[Y]
解释:1到2的转换,前一项 ∑ i i ∑ j P ( X = i , Y = j ) \sum_{i}i\sum_jP(X=i,Y=j) ∑ii∑jP(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)=
∑
i
=
1
S
P
(
Y
=
i
)
∗
i
\sum^S_{i=1}P(Y=i)*i
∑i=1SP(Y=i)∗i
而
P
(
Y
=
i
)
=
P
(
Y
<
=
i
)
−
P
(
Y
<
=
i
−
1
)
=
(
i
S
)
n
−
(
i
−
1
S
)
n
P(Y=i)=P(Y<=i)-P(Y<=i-1)=({i\over{S}})^n-({i-1\over{S}})^n
P(Y=i)=P(Y<=i)−P(Y<=i−1)=(Si)n−(Si−1)n
即最大值<=i就是所有X[1…n]的数都小于i
所以E(Y)=
∑
i
=
1
S
∗
(
(
i
S
)
n
−
(
i
−
1
S
)
n
)
∗
i
\sum^S_{i=1}*(({i\over{S}})^n-({i-1\over{S}})^n)*i
∑i=1S∗((Si)n−(Si−1)n)∗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
)
E(X)
E(X)=
∑
i
=
1
∞
P
(
X
=
i
)
∗
i
\sum^\infty_{i=1}P(X=i)*i
∑i=1∞P(X=i)∗i
= ∑ i = 1 ∞ ( P ( X > = i ) − P ( X > = i + 1 ) ) ∗ i \sum^\infty_{i=1}(P(X>=i)-P(X>=i+1))*i ∑i=1∞(P(X>=i)−P(X>=i+1))∗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)= ∑ i = 1 ∞ P ( X > = i ) − − − − 重 要 结 论 \sum^\infty_{i=1}P(X>=i)----重要结论 ∑i=1∞P(X>=i)−−−−重要结论
= ∑ i = 1 ∞ ( 1 − p ) i − 1 \sum^\infty_{i=1}(1-p) ^{i-1} ∑i=1∞(1−p)i−1【P(X>=i)表示至少在第i次后成功】
= 1 p 1\over{p} p1 【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=
∑
i
=
1
n
X
i
\sum^{n}_{i=1}Xi
∑i=1nXi
Xi有两种取值,1.不选 为0 2.选了 为i
那么E(S)=E(
∑
i
=
1
n
X
i
\sum^{n}_{i=1}Xi
∑i=1nXi)=
∑
i
=
1
n
\sum^{n}_{i=1}
∑i=1nE(Xi)
而E(Xi)=
m
n
m\over{n}
nm *i(n个里面选m个选到的概率显然为
m
n
m\over{n}
nm)
那么E(S)=
m
n
m\over{n}
nm *(1+2+3+4+…+n)=
m
n
m\over{n}
nm *
(
1
+
n
)
∗
n
2
{(1+n)*n\over{2}}
2(1+n)∗n=
m
(
n
+
1
)
2
m(n+1)\over2
2m(n+1)
• 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=
∑
i
=
1
m
X
i
\sum^m_{i=1}Xi
∑i=1mXi
其中Xi表示第i次取数的大小,那么显然E(S)=E(
∑
i
=
1
m
X
i
\sum^m_{i=1}Xi
∑i=1mXi)=
∑
i
=
1
m
\sum^m_{i=1}
∑i=1mE(Xi)
而E(Xi)=
∑
i
=
1
n
\sum^n_{i=1}
∑i=1n
1
n
1\over{n}
n1 *
i
i
i=
1
n
1\over{n}
n1*
(
1
+
n
)
∗
n
2
{(1+n)*n\over2}
2(1+n)∗n
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*
1
n
1\over{n}
n1*
(
1
+
n
)
∗
n
2
{(1+n)*n\over2}
2(1+n)∗n=
m
(
n
+
1
)
2
m(n+1)\over2
2m(n+1)
• 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=
∑
i
=
1
n
X
i
\sum^{n}_{i=1}Xi
∑i=1nXi,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=
∑
i
=
1
n
\sum^{n}_{i=1}
∑i=1nYi=m,那么E(T)=
∑
i
=
1
n
\sum^{n}_{i=1}
∑i=1nE(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)=
m
n
{m}\over{n}
nm
所以E(S)=
∑
i
=
1
n
\sum^{n}_{i=1}
∑i=1nE(Xi)=
∑
i
=
1
n
\sum^{n}_{i=1}
∑i=1nE(Yi)*i=
m
(
n
+
1
)
2
m(n+1)\over2
2m(n+1)
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:
m
(
n
+
1
)
2
m(n+1)\over2
2m(n+1)
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=
∑
i
=
1
n
−
1
X
i
\sum^{n-1}_{i=1}Xi
∑i=1n−1Xi
X
i
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(
∑
i
=
1
n
−
1
X
i
\sum^{n-1}_{i=1}Xi
∑i=1n−1Xi)=
∑
i
=
1
n
−
1
\sum^{n-1}_{i=1}
∑i=1n−1E(Xi)
现在主要问题变成求E[Xi],显然E[X1]=1*1=1
而
E
[
X
2
]
=
0.5
∗
1
(
直
接
到
)
+
0.5
∗
(
E
[
X
1
]
+
E
[
X
2
]
)
(
返
回
1
后
面
要
到
2
再
到
3
)
E[X2]=0.5 * 1(直接到)+0.5*(E[X1 ] +E[X2]) (返回1后面要到2再到3)
E[X2]=0.5∗1(直接到)+0.5∗(E[X1]+E[X2])(返回1后面要到2再到3)
以此可以推得
E
[
X
2
]
=
E
[
X
1
]
+
2
=
3
E[X2]=E[X1]+2=3
E[X2]=E[X1]+2=3,类似
E
[
X
i
]
=
E
[
X
i
−
1
]
+
2
E[Xi]=E[Xi-1]+2
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
E(S)=(n-1)^2
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
1
n
−
1
1\over{n-1}
n−11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=
1
n
1\over n
n1 * 1(有
1
n
1\over n
n1的概率直接到)+
n
−
1
n
{n-1}\over{n}
nn−1*(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=
1
n
−
1
1\over{n-1}
n−11 * 1+
n
−
2
n
−
1
{n-2}\over{n-1}
n−1n−2 * (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]=
1
d
[
i
]
1\over{d[i]}
d[i]1*1+
∑
y
属
于
i
的
儿
子
\sum_{y属于i的儿子}
∑y属于i的儿子 *
1
d
[
i
]
1\over{d[i]}
d[i]1 *(1+f[y]+f[x]) 类似于1的思想
最后的答案E(S)=
∑
y
属
于
根
节
点
到
x
的
路
径
上
\sum_{y属于根节点到x的路径上}
∑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
n^2
n2级别的,我们若使1中的E[X1]=1改为
n
2
n^2
n2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]=
1
n
1\over n
n1 * 1+
n
−
1
n
{n-1}\over n
nn−1 * (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=
∑
i
=
.
.
.
.
.
.
\sum^{...}_{i=...}
∑i=......Xi 然后Xi表示…
3.根据线性性E[S]=E[
∑
i
=
.
.
.
.
.
.
\sum^{...}_{i=...}
∑i=......Xi ] =
∑
i
=
.
.
.
.
.
.
\sum^{...}_{i=...}
∑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