期望与概率
基本概念
1、随机变量:有多种可能的取值的变量。
2、
P
(
A
)
P(A)
P(A) :事件A发生的概率。
3、
E
(
X
)
E(X)
E(X) :随机变量
X
X
X 的期望值,公式:
E
(
X
)
=
∑
P
(
x
=
i
)
∗
i
E(X)=\sum P(x=i)*i
E(X)=∑P(x=i)∗i或者我们可以看一下度娘定义:
4、独立事件:互不影响的事件,满足:
P
(
A
B
)
=
P
(
A
)
P
(
B
)
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
①
E
(
A
B
)
=
E
(
A
)
E
(
B
)
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
②
P(AB)=P(A)P(B)··········①\\ E(AB)=E(A)E(B)··········②
P(AB)=P(A)P(B)⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅①E(AB)=E(A)E(B)⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅②对于②式,我们可以证明一下:
E
(
A
B
)
=
∑
i
=
1
∞
∑
j
=
1
∞
P
(
i
=
A
且
j
=
B
)
∗
i
∗
j
=
∑
i
=
1
∞
P
(
i
=
A
)
∗
i
∗
∑
j
=
1
∞
P
(
j
=
B
)
∗
j
=
E
(
A
)
∗
E
(
B
)
\begin{aligned} E(AB)&=\sum_{i=1}^\infty\sum_{j=1}^\infty P(i=A且j=B)*i*j\\ &=\sum_{i=1}^\infty P(i=A)*i*\sum_{j=1}^\infty P(j=B)*j\\ &=E(A)*E(B) \end{aligned}
E(AB)=i=1∑∞j=1∑∞P(i=A且j=B)∗i∗j=i=1∑∞P(i=A)∗i∗j=1∑∞P(j=B)∗j=E(A)∗E(B)证毕。
常用公式
1、当
−
1
<
x
<
1
-1<x<1
−1<x<1 时(当然,概率题中
x
>
0
x>0
x>0 ),有:
∑
i
=
0
∞
x
i
=
1
1
−
x
\sum_{i=0}^\infty x^i=\frac 1{1-x}
∑i=0∞xi=1−x1
2、
∑
i
=
0
n
x
i
=
1
−
x
n
+
1
1
−
x
\sum_{i=0}^n x^i=\frac{1-x^{n+1}}{1-x}
∑i=0nxi=1−x1−xn+1
对于第
1
1
1 条我们可以用第
2
2
2 条证明:
当
n
→
∞
时
,
∵
0
<
x
<
1
∴
lim
n
→
∞
x
n
+
1
=
0
∴
∑
i
=
0
∞
x
i
=
lim
n
→
∞
∑
i
=
0
n
x
i
=
lim
n
→
∞
1
−
x
n
+
1
1
−
x
=
1
1
−
x
\begin{aligned} &当n\to\infty时,\\ &\because 0<x<1\\ &\therefore\lim_{n\to\infty}x^{n+1}=0\\ &\therefore\sum_{i=0}^\infty x^i=\lim_{n\to\infty}\sum_{i=0}^n x^i\\ &\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ =\lim_{n\to\infty}\frac{1-x^{n+1}}{1-x}\\ &\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ =\frac 1{1-x} \end{aligned}
当n→∞时,∵0<x<1∴n→∞limxn+1=0∴i=0∑∞xi=n→∞limi=0∑nxi =n→∞lim1−x1−xn+1 =1−x1证毕。
3、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)
Tip:它对任意
X
,
Y
X,Y
X,Y 均成立。
证明:
E
(
X
+
Y
)
=
∑
i
∑
j
P
(
X
=
i
且
Y
=
j
)
∗
(
i
+
j
)
=
∑
i
∑
j
P
(
X
=
i
且
Y
=
j
)
∗
i
+
∑
i
∑
j
P
(
X
=
i
且
Y
=
j
)
∗
j
而
∑
i
∑
j
P
(
X
=
i
且
Y
=
j
)
∗
i
=
∑
i
P
(
X
=
i
)
∗
i
=
E
(
X
)
同
理
,
∑
i
∑
j
P
(
X
=
i
且
Y
=
j
)
∗
j
=
∑
j
P
(
Y
=
j
)
∗
j
=
E
(
Y
)
∴
E
(
X
+
Y
)
=
E
(
X
)
+
E
(
Y
)
\begin{aligned} &E(X+Y)=\sum_i\sum_j P(X=i且Y=j)*(i+j)\\ &\qquad\qquad\ \ =\sum_i\sum_j P(X=i且Y=j)*i+\sum_i\sum_j P(X=i且Y=j)*j\\ &而\sum_i\sum_j P(X=i且Y=j)*i=\sum_i P(X=i)*i=E(X)\\ &同理,\sum_i\sum_j P(X=i且Y=j)*j=\sum_j P(Y=j)*j=E(Y)\\ &\therefore E(X+Y)=E(X)+E(Y) \end{aligned}
E(X+Y)=i∑j∑P(X=i且Y=j)∗(i+j) =i∑j∑P(X=i且Y=j)∗i+i∑j∑P(X=i且Y=j)∗j而i∑j∑P(X=i且Y=j)∗i=i∑P(X=i)∗i=E(X)同理,i∑j∑P(X=i且Y=j)∗j=j∑P(Y=j)∗j=E(Y)∴E(X+Y)=E(X)+E(Y)证毕。
★4、前缀和技巧:
P
(
X
=
K
)
=
P
(
X
⩽
K
)
−
P
(
X
⩽
(
K
−
1
)
)
或
者
P
(
X
=
K
)
=
P
(
X
⩾
K
)
−
P
(
X
⩾
(
K
+
1
)
)
P(X=K)=P(X\leqslant K)-P(X\leqslant(K-1))\\ 或者\\ P(X=K)=P(X\geqslant K)-P(X\geqslant (K+1))
P(X=K)=P(X⩽K)−P(X⩽(K−1))或者P(X=K)=P(X⩾K)−P(X⩾(K+1))★5、概率为
p
p
p 的事件期望
1
p
\frac 1 p
p1 次后发生。
设
次
数
为
x
那
么
问
题
就
等
价
于
证
明
E
(
x
)
=
1
p
E
(
x
)
=
∑
i
=
1
∞
P
(
x
=
i
)
∗
i
P
(
x
=
i
)
=
P
(
x
⩾
i
)
−
P
(
x
⩾
(
i
+
1
)
)
=
(
1
−
p
)
i
−
1
−
(
1
−
p
)
i
∴
原
式
=
∑
i
=
1
∞
(
(
1
−
p
)
i
−
1
−
(
1
−
p
)
i
)
∗
i
=
∑
i
=
0
∞
(
1
−
p
)
−
i
=
1
1
−
(
1
−
p
)
=
1
p
\begin{aligned} &设次数为 x\\ &那么问题就等价于证明E(x)=\frac1 p\\ &E(x)=\sum_{i=1}^\infty P(x=i)*i\\ &P(x=i)=P(x\geqslant i)-P(x\geqslant(i+1))=(1-p)^{i-1}-(1-p)^i\\ &\therefore 原式=\sum_{i=1}^\infty((1-p)^{i-1}-(1-p)^i)*i\\ &\qquad\quad\ =\sum_{i=0}^\infty(1-p)^{-i}\\ &\qquad\quad\ =\frac 1{1-(1-p)}\\ &\qquad\quad\ =\frac 1 p \end{aligned}
设次数为x那么问题就等价于证明E(x)=p1E(x)=i=1∑∞P(x=i)∗iP(x=i)=P(x⩾i)−P(x⩾(i+1))=(1−p)i−1−(1−p)i∴原式=i=1∑∞((1−p)i−1−(1−p)i)∗i =i=0∑∞(1−p)−i =1−(1−p)1 =p1证毕。
6、有
n
n
n 个随机变量
X
[
1
∼
n
]
X[1\sim n]
X[1∼n] ,每个随机变量都是从
1
∼
S
1\sim S
1∼S 中随机⼀个整数,求
m
a
x
(
X
[
1
∼
n
]
)
max(X[1\sim n])
max(X[1∼n]) 的期望。
E
(
y
)
=
∑
i
P
(
y
=
i
)
∗
i
=
∑
i
(
P
(
y
⩽
i
)
−
P
(
y
⩽
(
i
−
1
)
)
)
∗
i
=
∑
i
(
(
i
s
)
n
−
(
i
−
1
s
)
n
)
∗
i
\begin{aligned} E(y)&=\sum_i P(y=i)*i\\ &=\sum_i (P(y\leqslant i)-P(y\leqslant (i-1)))*i\\ &=\sum_i ((\frac i s)^n-(\frac{i-1}s)^n)*i \end{aligned}
E(y)=i∑P(y=i)∗i=i∑(P(y⩽i)−P(y⩽(i−1)))∗i=i∑((si)n−(si−1)n)∗i
总结:前缀和技巧是十分常用的,也很巧妙,要好好利用。
拿球问题
1、箱子里有
n
n
n 个球
1
∼
n
1\sim n
1∼n ,你要从里面拿
m
m
m 次球,拿了后不放回,求取出的数字之和的期望。
2、箱子里有
n
n
n 个球
1
∼
n
1\sim n
1∼n ,你要从里面拿
m
m
m 次球,拿了后放回,求取出的数字之和的期望。
3、箱子里有
n
n
n 个球
1
∼
n
1\sim n
1∼n ,你要从里面拿
m
m
m 次球,拿了后以
p
1
p_1
p1 的概率放回,以
p
2
p_2
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。
其实这三个问题答案都一样,因为总体上看每个球都是一样的。
E
(
S
)
=
∑
i
E
(
x
i
)
=
E
(
∑
i
y
i
∗
i
)
=
∑
i
E
(
y
i
∗
i
)
=
∑
i
E
(
y
i
)
∗
∑
i
E
(
i
)
=
m
∗
∑
i
E
(
i
)
=
m
∗
(
n
+
1
)
2
\begin{aligned} E(S)&=\sum_i E(x_i)\\ &=E(\sum_i y_i*i)\\ &=\sum_i E(y_i*i)\\ &=\sum_i E(y_i)*\sum_i E(i)\\ &=m*\sum_i E(i)\\ &=\frac{m*(n+1)}2 \end{aligned}
E(S)=i∑E(xi)=E(i∑yi∗i)=i∑E(yi∗i)=i∑E(yi)∗i∑E(i)=m∗i∑E(i)=2m∗(n+1)
总结:对于某些概率问题,我们要从总体上看,不要被局部限制了思维。
游走问题
1、在一条
n
n
n 个点的链上游走,求从一端走到另一端的期望步数。
设
x
i
表
示
随
机
游
走
从
i
第
一
次
走
到
i
+
1
的
步
数
y
=
∑
i
=
1
n
−
1
x
i
E
(
y
)
=
∑
i
=
1
n
−
1
E
(
x
i
)
∵
E
(
x
2
)
=
1
2
+
1
2
∗
(
1
+
E
(
x
1
)
+
E
(
x
2
)
)
∴
E
(
x
i
)
=
1
2
+
1
2
∗
(
1
+
E
(
x
i
−
1
)
+
E
(
x
i
)
)
=
E
(
x
i
−
1
)
+
2
∴
E
(
y
)
=
∑
i
=
1
n
−
1
E
(
x
i
)
=
1
+
3
+
5
+
7
+
…
=
(
n
−
1
)
2
\begin{aligned} &设x_i表示随机游走从i第一次走到i+1的步数\\ &y=\sum_{i=1}^{n-1}x_i\\ &E(y)=\sum_{i=1}^{n-1}E(x_i)\\ &\because E(x_2)=\frac 1 2+\frac 1 2*(1+E(x_1)+E(x_2))\\ &\therefore E(x_i)=\frac 1 2+\frac 1 2*(1+E(x_{i-1})+E(x_i))=E(x_{i-1})+2\\ &\therefore E(y)=\sum_{i=1}^{n-1}E(x_i)=1+3+5+7+…=(n-1)^2 \end{aligned}
设xi表示随机游走从i第一次走到i+1的步数y=i=1∑n−1xiE(y)=i=1∑n−1E(xi)∵E(x2)=21+21∗(1+E(x1)+E(x2))∴E(xi)=21+21∗(1+E(xi−1)+E(xi))=E(xi−1)+2∴E(y)=i=1∑n−1E(xi)=1+3+5+7+…=(n−1)22、在一张
n
n
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。
设
E
[
i
,
j
]
表
示
从
i
到
j
的
期
望
步
数
E
[
i
,
j
]
=
E
[
x
,
y
]
=
P
(
i
!
=
j
且
x
!
=
y
)
⇒
P
=
1
n
−
1
⇒
A
n
s
=
1
P
=
n
−
1
\begin{aligned} &设E[i,j]表示从i到j的期望步数\\ &E[i,j]=E[x,y]=P(i!=j且x!=y)\\ &\Rightarrow P=\frac 1{n-1}\\ &\Rightarrow Ans=\frac 1 P=n-1\end{aligned}
设E[i,j]表示从i到j的期望步数E[i,j]=E[x,y]=P(i!=j且x!=y)⇒P=n−11⇒Ans=P1=n−13、在一张
2
n
2n
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。
设
A
:
从
一
个
点
到
同
侧
点
的
步
数
设
B
:
从
一
个
点
到
异
侧
点
的
步
数
B
=
1
n
∗
1
+
n
−
1
n
∗
(
1
+
A
)
A
=
B
+
1
然
后
,
解
一
下
方
程
即
可
。
\begin{aligned} &设A:从一个点到同侧点的步数\\ &设B:从一个点到异侧点的步数\\ &B=\frac 1 n*1+\frac{n-1}n*(1+A)\\ &A=B+1\\ &然后,\\ &解一下方程即可。\end{aligned}
设A:从一个点到同侧点的步数设B:从一个点到异侧点的步数B=n1∗1+nn−1∗(1+A)A=B+1然后,解一下方程即可。4、在一张
n
n
n 个点的菊花图上游走,求从根走到另一个点的期望步数。
有
三
种
情
况
:
1
、
叶
子
→
叶
子
A
2
、
叶
子
→
中
心
1
3
、
中
心
→
叶
子
B
∴
A
=
1
+
B
B
=
1
n
−
1
∗
1
+
n
−
1
n
−
2
∗
(
1
+
A
)
∴
B
=
2
n
−
1
\begin{aligned} &有三种情况:\\ &1、叶子\rightarrow叶子\quad A\\ &2、叶子\rightarrow中心\quad 1\\ &3、中心\rightarrow叶子\quad B\\ &\therefore A=1+B\\ &B=\frac 1{n-1}*1+\frac{n-1}{n-2}*(1+A) \\ &\therefore B=2n-1 \end{aligned}
有三种情况:1、叶子→叶子A2、叶子→中心13、中心→叶子B∴A=1+BB=n−11∗1+n−2n−1∗(1+A)∴B=2n−15、在一棵
n
n
n 个点的树上游走,求从
x
x
x 走到
y
y
y 的期望步数。
以
y
为
根
设
f
(
x
)
表
示
从
x
第
一
次
到
它
父
亲
的
期
望
,
d
[
x
]
表
示
x
的
度
数
。
∴
f
(
x
)
=
1
d
[
x
]
+
1
d
[
x
]
∗
∑
i
=
1
d
[
x
]
,
i
!
=
f
a
[
x
]
(
1
+
f
(
s
o
n
[
x
]
)
+
f
(
x
)
)
然
后
…
…
请
开
始
你
美
妙
的
D
P
表
演
!
\begin{aligned} &以y为根\\ &设f(x)表示从x第一次到它父亲的期望,d[x]表示x的度数。\\ &\therefore f(x)=\frac 1 {d[x]}+\frac 1{d[x]}*\sum_{i=1}^{d[x],i!=fa[x]}(1+f(son[x])+f(x))\\ &然后……\\ &请开始你美妙的\mathfrak{DP}表演! \end{aligned}
以y为根设f(x)表示从x第一次到它父亲的期望,d[x]表示x的度数。∴f(x)=d[x]1+d[x]1∗i=1∑d[x],i!=fa[x](1+f(son[x])+f(x))然后……请开始你美妙的DP表演!6、构造一张
200
200
200 个点的无向图,使得从
S
S
S 走到
T
T
T 的随机游走期望步数
⩾
1
0
6
\geqslant 10^6
⩾106。
假
设
让
S
成
为
链
的
一
个
端
点
,
T
成
为
链
的
另
一
个
端
点
。
由
T
1
得
知
它
的
期
望
步
数
是
n
2
级
别
的
,
假
如
我
们
使
T
1
中
的
E
(
x
1
)
=
1
变
为
n
2
即
可
达
到
目
的
。
因
此
我
们
就
可
以
构
造
左
边
一
个
100
个
点
的
完
全
图
,
其
中
一
个
点
延
伸
出
100
个
点
的
链
,
又
根
据
T
2
的
结
论
可
得
E
(
x
1
)
=
1
n
∗
1
+
n
−
1
n
∗
(
1
+
(
n
−
1
)
+
E
(
x
1
)
)
\begin{aligned} &假设让S成为链的一个端点,T成为链的另一个端点。\\ &由T_1得知它的期望步数是n^2级别的,假如我们使T_1中的E(x_1)=1变为n^2即可达到目的。\\ &因此我们就可以构造左边一个100个点的完全图,其中一个点延伸出100个点的链,\\ &又根据T_2的结论可得\\ &E(x_1)=\frac 1 n*1+\frac{n-1}n*(1+(n-1)+E(x_1)) \end{aligned}
假设让S成为链的一个端点,T成为链的另一个端点。由T1得知它的期望步数是n2级别的,假如我们使T1中的E(x1)=1变为n2即可达到目的。因此我们就可以构造左边一个100个点的完全图,其中一个点延伸出100个点的链,又根据T2的结论可得E(x1)=n1∗1+nn−1∗(1+(n−1)+E(x1))
经典问题
1、每次随机一个
[
1
,
n
]
[1,n]
[1,n] 的整数,问期望几次能凑齐所有数。
设
x
i
表
示
当
前
有
i
−
1
个
数
,
一
直
选
,
直
到
有
i
个
数
⇒
S
=
∑
i
=
1
n
x
i
⇒
E
(
S
)
=
∑
i
=
1
n
E
(
x
i
)
∵
E
(
x
i
)
=
n
−
i
+
1
n
⇒
A
n
s
=
n
n
−
i
+
1
\begin{aligned} &设x_i表示当前有i-1个数,一直选,直到有i个数\\ &\Rightarrow S=\sum_{i=1}^n x_i\\ &\Rightarrow E(S)=\sum_{i=1}^nE(x_i)\\ &\because E(x_i)=\frac{n-i+1}n\\ &\Rightarrow Ans=\frac {n}{n-i+1} \end{aligned}
设xi表示当前有i−1个数,一直选,直到有i个数⇒S=i=1∑nxi⇒E(S)=i=1∑nE(xi)∵E(xi)=nn−i+1⇒Ans=n−i+1n2、随机一个长度为
n
n
n 的排列
p
p
p ,求
p
[
1
∼
i
]
p[1\sim i]
p[1∼i] 中
p
[
i
]
p[i]
p[i] 是最大的数的概率。
我
们
从
整
体
上
看
,
每
个
数
平
等
∴
A
n
s
=
1
i
\begin{aligned} &我们从整体上看,每个数平等\\ &\therefore Ans=\frac 1 i \end{aligned}
我们从整体上看,每个数平等∴Ans=i13、问满足上面那个题的
i
i
i 的个数的平方的期望。
我
们
设
x
i
为
当
前
p
[
i
]
是
否
合
法
,
若
合
法
则
为
1
,
否
则
为
0
,
x
表
示
满
足
题
意
的
p
[
i
]
个
数
,
则
答
案
为
E
(
x
2
)
,
x
=
∑
i
x
i
。
E
(
x
2
)
=
E
(
(
∑
i
x
i
)
2
)
由
于
期
望
的
线
性
性
,
我
们
把
内
部
分
成
两
个
部
分
,
即
E
(
x
i
∗
x
j
)
和
E
(
x
i
∗
x
i
)
那
么
E
(
x
2
)
=
E
(
∑
i
n
∑
j
n
,
i
!
=
j
x
i
∗
x
j
+
∑
i
n
x
i
2
)
因
为
x
i
不
合
法
的
话
整
个
直
接
为
0
,
所
以
x
i
2
可
以
直
接
化
简
为
x
i
且
E
(
x
i
)
=
1
i
所
以
原
式
=
∑
i
n
∑
j
n
,
i
!
=
j
E
(
x
i
∗
x
j
)
+
∑
i
n
E
(
x
i
)
又
∵
当
i
!
=
j
时
,
p
[
i
]
,
p
[
j
]
成
为
各
自
区
间
最
大
值
的
概
率
不
会
相
互
影
响
,
也
就
是
说
,
这
两
个
概
率
相
互
平
等
。
⇒
E
(
x
i
∗
x
j
)
=
1
i
j
⇒
A
n
s
=
E
(
x
2
)
=
∑
i
n
∑
j
n
,
i
!
=
j
1
i
j
+
∑
i
n
1
i
\begin{aligned} &我们设x_i为当前p[i]是否合法,若合法则为1,否则为0,\\ &x表示满足题意的p[i]个数,则答案为E(x^2),x=\sum_i x_i。\\ &E(x^2)=E((\sum_i x_i)^2)\\ &由于期望的线性性,我们把内部分成两个部分,即E(x_i*x_j)和E(x_i*x_i)\\ &那么E(x^2)=E(\sum_i^n\sum_j^{n,i!=j}x_i*x_j+\sum_i^nx_i^2)\\ &因为x_i不合法的话整个直接为0,所以x_i^2可以直接化简为x_i且E(x_i)=\frac 1 i\\ &所以原式=\sum_i^n\sum_j^{n,i!=j}E(x_i*x_j)+\sum_i^n E(x_i)\\ &又\because 当i!=j时,p[i],p[j]成为各自区间最大值的概率不会相互影响,\\&也就是说,这两个概率相互平等。\\ &\Rightarrow E(x_i*x_j)=\frac 1 {ij}\\ &\Rightarrow Ans=E(x^2)=\sum_i^n\sum_j^{n,i!=j} \frac 1{ij}+\sum_i^n\frac 1 i\end{aligned}
我们设xi为当前p[i]是否合法,若合法则为1,否则为0,x表示满足题意的p[i]个数,则答案为E(x2),x=i∑xi。E(x2)=E((i∑xi)2)由于期望的线性性,我们把内部分成两个部分,即E(xi∗xj)和E(xi∗xi)那么E(x2)=E(i∑nj∑n,i!=jxi∗xj+i∑nxi2)因为xi不合法的话整个直接为0,所以xi2可以直接化简为xi且E(xi)=i1所以原式=i∑nj∑n,i!=jE(xi∗xj)+i∑nE(xi)又∵当i!=j时,p[i],p[j]成为各自区间最大值的概率不会相互影响,也就是说,这两个概率相互平等。⇒E(xi∗xj)=ij1⇒Ans=E(x2)=i∑nj∑n,i!=jij1+i∑ni14、随机一个长度为
n
n
n 的排列
p
p
p ,求
i
i
i 在
j
j
j 的后面的概率。
A
n
s
=
1
2
Ans=\frac 1 2
Ans=215、随机一个长度为
n
n
n 的排列
p
p
p ,求它包含
w
[
1
∼
m
]
w[1\sim m]
w[1∼m] 作为子序列/连续子序列的概率。
F
o
r
m
e
r
:
Former:
Former:
(
n
−
m
)
!
n
!
∗
C
n
m
=
1
m
!
\frac{(n-m)!}{n!}*C_n^m=\frac 1{m!}
n!(n−m)!∗Cnm=m!1
L
a
t
t
e
r
:
Latter:
Latter:
取
m
个
位
置
,
那
么
,
第
一
个
位
置
n
种
,
第
二
个
位
置
n
−
1
种
,
乘
到
n
−
m
+
1
种
。
则
正
确
的
概
率
为
∏
i
=
n
−
m
+
1
n
1
i
=
(
n
−
m
)
!
n
!
然
后
枚
举
开
头
,
显
然
,
有
n
−
m
+
1
个
位
置
\begin{aligned} &取m个位置,那么,第一个位置n种,第二个位置n-1种,乘到n-m+1种。\\ &则正确的概率为\prod_{i=n-m+1}^n\frac 1 i=\frac{(n-m)!}{n!}\\ &然后枚举开头,显然,有n-m+1个位置\\ \end{aligned}
取m个位置,那么,第一个位置n种,第二个位置n−1种,乘到n−m+1种。则正确的概率为i=n−m+1∏ni1=n!(n−m)!然后枚举开头,显然,有n−m+1个位置
(
n
−
m
+
1
)
!
n
!
\frac{(n-m+1)!}{n!}
n!(n−m+1)!总结:其实很多概率期望问题都可以转化为计数问题,有时候不能太死,试试计数吧!
6、有
n
n
n 堆石头,第
i
i
i 堆个数为
a
[
i
]
a[i]
a[i] ,每次随机选一个石头然后把那一整堆都扔了,求第
1
1
1 堆石头期望第几次被扔。
设
A
[
i
]
表
示
第
i
堆
石
头
是
第
几
个
被
拿
走
的
A
[
1
]
=
∑
i
c
h
e
c
k
(
A
[
i
]
⩽
A
[
1
]
)
∗
c
h
e
c
k
(
)
表
示
括
号
内
的
真
假
,
为
真
则
返
回
1
,
否
则
为
0
根
据
期
望
的
线
性
性
(
太
强
了
!
)
⇒
E
(
A
[
1
]
)
=
∑
i
E
(
A
[
i
]
⩽
A
[
1
]
)
=
1
+
∑
i
=
2
P
(
A
[
i
]
<
A
[
1
]
)
P
(
A
[
i
]
<
A
[
1
]
)
=
a
[
i
]
a
[
1
]
+
a
[
i
]
E
(
A
[
1
]
)
=
1
+
∑
i
=
2
a
[
i
]
a
[
1
]
+
a
[
i
]
\begin{aligned} &设A[i]表示第i堆石头是第几个被拿走的\\ &A[1]=\sum_{i} check(A[i]\leqslant A[1])\\ &*check()表示括号内的真假,为真则返回1,否则为0\\ &根据期望的线性性(太强了!)\\ &\Rightarrow E(A[1])=\sum_i E(A[i]\leqslant A[1])\\ &\qquad\qquad\quad=1+\sum_{i=2}P(A[i]<A[1])\\ &P(A[i]<A[1])=\frac{a[i]}{a[1]+a[i]}\\ &E(A[1])=1+\sum_{i=2}\frac{a[i]}{a[1]+a[i]} \end{aligned}
设A[i]表示第i堆石头是第几个被拿走的A[1]=i∑check(A[i]⩽A[1])∗check()表示括号内的真假,为真则返回1,否则为0根据期望的线性性(太强了!)⇒E(A[1])=i∑E(A[i]⩽A[1])=1+i=2∑P(A[i]<A[1])P(A[i]<A[1])=a[1]+a[i]a[i]E(A[1])=1+i=2∑a[1]+a[i]a[i]
总结:对于期望题,我们先定义答案,然后根据期望的线性性写出目标状态期望,再利用公式拆分,然后用你强大的智商将其化简即可。