【学习资料】
- Sengxian：概率与期望DP总结
- Thomas H.Cormen等：《算法导论》附录 数学基础知识
【笔记整理】
- 离散随机变量$X$：从一个有限或可数无限的样本空间$S$到实数的函数。
- 随机变量$X$的概率密度函数：若定义事件$X=x$表示$\{s\in S,X(s)=x\}$，则$f(x)=\text{Pr}\{X=x\}=\sum_{s\in S,X(s)=x}\text{Pr}\{s\}$。
- 根据概率公理，可知：$0\le \text{Pr}\{X=x\}\le 1$，且$\sum\text{Pr}\{X=x\}=1$。
- 根据条件概率，可知：$\text{Pr}\{X=x\mid Y=y\}=\frac{\text{Pr}\{X=x\text{ and }Y=y\}}{\text{Pr}\{Y=y\}}$。
- 随机变量$X$与$Y$独立：对于所有的$x,y$，事件$X=x$与$Y=y$独立，可以等价认为满足$\text{Pr}\{X=x\text{ and }Y=y\}=\text{Pr}\{X=x\}\text{Pr}\{Y=y\}$。
期望$E[X]$：
- 全期望公式：$E[X]=\sum_{x}x\cdot \text{Pr}\{X=x\}$（实际上也是期望的定义）。
- 期望的线性性质：$E[X+Y]=E[X]+E[Y]$（当$X,Y$不独立时，该性质也成立），$E[aX]=aE[x]$。
- 当$n$个随机变量$X_i(1\le i\le n)$互相独立时，有：$E[\prod_{i=1}^n X_i]=\prod_{i=1}^n E[X_i]$。
【题集】
HDU3853 LOOPS
从左上角的$(1,1)$走到右下角的$(n,m)$，每动一步会消耗2点魔法值，分别有$p_1,p_2,p_3$的概率留在原地，向右走一格，向下走一格，求期望消耗的魔法值。
可以采用“直接定义Dp状态”的做法。定义通常是逆序的形式：$dp[i][j]$表示从$(i,j)$到$(n,m)$的期望消耗魔法值。有转移方程式：
$$dp[i][j]=p_1\cdot dp[i][j]+p_2\cdot dp[i+1][j]+p_3 \cdot dp[i][j+1]+2$$
整理后得到：
$$dp[i][j]=\frac{p_2}{1-p_1} dp[i+1][j]+\frac{p_3}{1-p_1}dp[i][j+1]+\frac{2}{1-p_1}$$
可以发现Dp转移是填表法，所以更新必须要从后往前进行。
题意保证了$p_1+p_2+p_3=1$，可以看成是由“概率公理”推导得到的$\sum\text{Pr}\{X=x\}=1$的弱化版，而基于此才能使用全期望公式。
全期望公式很显然是填表的形式，但题面描述的“向右/下走一格”是刷表的形式，这一点会造成思想上的冲突。
HDU4035 Maze
给定一棵以1为根的树，树边为双向边，边权均为1。现从1出发去往其他节点，有概率$K_i$因死亡而回到根节点1，有概率$E_i$因找到隐藏出口而退出迷宫，否则等概率去往所有与$i$直接连边的节点，求退出迷宫时行走过的期望路径长度。$K_1=E_1=0$。
题面给出了“到节点后所有发生事件”的概率，且只有该事件集的概率和为1。所以根据这条性质，再结合上题套路，有$dp[i]$表示从$i$点出发，退出迷宫的期望路径长度。转移方程式：$$dp[i]=K_i\cdot dp[1]+E_i\cdot 0+\frac{1-K_i-E_i}{|G(i)|}\cdot \sum_{v\in G(i)} (dp[v]+1)$$
方程中的$G(i)$表示所有与$i$直接“相邻”的点集。发现这个转移方程式存在两处环，整理时将这两个部分单独抽出，得到：
$$dp[i]=K_i\cdot dp[1]+a_i\cdot dp[fa[i]]+a_i\cdot \sum_{v\in son(i)}dp[v]+b_i$$
方程式中的$a_i=\frac{1-K_i-E_i}{|G(i)|}$，$b_i=a_i\cdot |G(i)|$。
转移中出现环的概率Dp，一般都需要繁杂的数学运算迭代，迭代方式还会受到题面、精度等的限制。显然我们对$\sum_{v\in son(i)}dp[v]$做迭代，因为所有叶子结点的转移方程式中均没有该部分，即这个迭代在叶子节点就会停止。一个技巧是将迭代一层后的转移式记作$dp[i]=A_i\cdot dp[1]+ B_i\cdot dp[fa[i]]+C_i$的形式（即将每个构成环的转移部分都当做不定量，只处理系数；不构成环的部分整体视为常量），有：
$$\sum_{v\in son(i)}dp[v]=\sum_{v\in son(i)}\{A_v\cdot dp[1]+B_v\cdot dp[i]+C_v\}$$
代入标准方程式，整理后可以得到：
$$(1-a_i\cdot \sum B_v)dp[i]=(K_i+a_i\cdot \sum A_v)dp[1]+a_i\cdot dp[fa[i]]+(a_i\cdot \sum C_v+b_i)$$
所以：
$$A_i=\frac{K_i+a_i\cdot \sum A_v}{1-a_i\cdot \sum B_v}\quad B_i=\frac{a_i}{1-a_i\cdot \sum B_v}\quad C_i=\frac{a_i\cdot \sum C_v+b_i}{1-a_i\cdot \sum B_v}$$
注意特殊情况：
- $\forall i=\text{leaf},A_i=K_i,B_i=a_i,C_i=b_i$。
- $dp[1]=A[1]\cdot dp[1]+B[1]\cdot 0+C[1]$，若$A[1]\to 1$则无解，否则$dp[1]=\frac{C[1]}{1-A[1]}$。
HDU4336 Card Collecter
一包零食内有$p_i(1\le i\le n,\sum p_i\le 1)$的概率附赠第$i$种卡牌，也可能不附赠卡牌。求收集完所有卡牌需要购买的期望零食包数。
定义$dp[S]$表示已收集$S$的卡牌集，最后收集到全集的期望零食包数。转移方程式：
$$dp[S]=\sum_{i=1}^n \begin{cases}p_i\cdot dp[S] & 2^i \in S\\ p_i\cdot dp[S|2^i] & 2^i\not\in S\end{cases}$$
将右侧的$dp[S]$放到左侧合并即可。
HDU4405 Aeroplane chess
从坐标0出发，每次通过甩骰子的方式等概率走1~6步，如果该位置有飞机场则直接飞到目标地点而不甩骰子，问到达$\ge n$的坐标点的期望甩骰子数。
定义$dp[i]$表示从坐标$i$出发，到达坐标$\ge n$的期望甩骰子数，$\text{to}[i]$表示坐标$i$乘坐飞机到达的目标地点，若$\text{to}[i]=-1$，则表示没有飞机场。
$$dp[i]=\begin{cases}\left(\sum_{j=1}^{6}\frac{dp[i+j]}{6}\right)+1 & \text{to}[i]=-1\\ dp[\text{to}[i]] &\text{to}[i]\ne -1\end{cases}$$
HDU4586 Play the Dice
给定一个$n$面骰子，每一面有一个数$a_i$，表示获得的钱；当该面为特殊面时，可以再甩一次。求期望获得的钱数。只有当无限获得钱的情况时才输出inf。
题面比较玄学。输出inf的情况只可能在骰子每一面都是特殊面，且至少有一面$a_i>0$的时候取得。定义$dp[i]$表示甩到$i$后期望获得的钱数。转移方程式：
$$dp[i]=\begin{cases}a_i & \text{not special}\\ \sum_{j=1}^n \frac{dp[j]}{n}+a_i & \text{special}\end{cases}$$
将$n$条式子全部相加，通过整理可以得到$\frac{n-m}{n}\sum_{i=1}^n dp[i]=\sum_{i=1}^n a_i$，而答案即为$\sum_{i=1}^n \frac{dp[i]}{n}$。
HDU4649 Professor Tian
有$n+1$个$\lt 2^{20}$的数排成一列，中间有$n$个位运算符，现在每个位运算符和其后相邻的一个数，都有$p_i$的概率消失，求运算完整个式子之后的期望结果。
若“直接定义Dp状态”，有$dp[i][S]$表示已处理前$i$个运算符，目前的结果是$S$的概率，最后加权求和即可，时间复杂度$O(n\cdot 2^{20})$，会TLE，尝试改变Dp定义。根据题面的提示，思考方向不应停留在十进制层面上，应从二进制的角度去考虑。
我们可以从“期望的线性性质”入手去定义Dp：期望答案等于各二进制位的期望值，即各二进制位为1的概率加权和，所以定义$dp[i][j]$表示处理前$i$个运算符，第$j$个二进制位为1的概率，时间复杂度$O(n\cdot 20)$。有转移方程式：
转移由两部分组成，若当前运算符消失则继承上次的概率，否则按照三个运算符的性质讨论即可。
HDU4652 Dice
有一个$m$面骰子，每面上的数字均不同，甩到每面的概率相等。回答以下两种形式的问题：
(1) 0 m n，最后$n$次甩出的结果均相同；
(2) 1 m n，最后$n$次甩出的结果两两不相同。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
