问题一：蓝桥杯（印章）

1. 问题描述 　　

共有n种图案的印章，每种图案的出现概率相同。小A买了m张印章，求小A集齐n种印章的概率。

2. 输入格式 　　

一行两个正整数n和m

3. 输出格式 　　

一个实数P表示答案，保留4位小数。

4. 问题解释

这个问题是一个经典的概率问题，即“收集券问题”，也被称为“餐巾纸问题”。问题的核心在于求解收集到全部不同类型券（在本例中为印章）的概率。这里采用动态规划（Dynamic Programming, DP）解决，因为该问题满足动态规划的两大特性：最优子结构和重叠子问题。

5. 动态规划分析

动态规划表 dp 用于存储中间结果，其中 dp[i][j] 表示购买了 i 张印章时，集齐了 j 种不同印章的概率。

为什么使用动态规划

1. 最优子结构：每购买一张新印章时，集齐某种数量印章的概率依赖于之前购买的印章。例如，集齐3种印章的概率可以基于集齐2种或3种印章的概率计算得出。

2. 重叠子问题：在计算集齐不同数量印章的概率时，会重复考虑某些情况，如购买了4张印章集齐2种印章的概率会在计算集齐更多种类印章的概率时再次用到。

状态转移方程

• 当j == 1时，dp[i][j] = (1/n) ** (i-1) 表示购买 i 张印章且全部是同一种的概率。
• 否则，dp[i][j] 可以从两种情况转移而来：
  • 继续保持j种不同印章：购买的新印章是已有的j种之一的概率为 j/n，因此概率为 dp[i-1][j] * (j/n)。
  • 从j-1种变为j种：购买的新印章是缺失的n-j+1种之一的概率为 (n-j+1)/n，因此概率为 dp[i-1][j-1] * ((n-j+1)/n)。

边界条件

• dp[i][0] = 0（不可能购买印章而一种都不集齐）。
• dp[0][j] = 0（不购买印章时不可能集齐任何印章）。

6. 实现代码（python）

if __name__ == '__main__':
    n, m = map(int, input().split()) 
    dp = [[0] * (n+1) for _ in range(m+1)]
    for i in range(1, m + 1):
        for j in range(1, n + 1):  
            if j == 1:
                dp[i][j] = (1/n) ** (i-1)
            else:
                dp[i][j] = dp[i-1][j]*(j/n) + dp[i-1][j-1]*((n-j+1)/n)  
    print(f"{dp[m][n]:.4f}")