正睿集训每日总结【7.28】

---

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、 $P(A)$ ：事件A发生的概率。
3、 $E(X)$ ：随机变量 $X$ 的期望值，公式：$$E(X)=\sum P(x=i)\ast i$$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：$$\begin{gathered} P(AB)=P(A)P(B)\cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot ① \\ E(AB)=E(A)E(B)\cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot ② \end{gathered}$$对于②式，我们可以证明一下：$$\begin{array}{rl}E(AB)& =\sum _{i=1}^{\infty }\sum _{j=1}^{\infty }P(i=A且j=B)\ast i\ast j\\ & =\sum _{i=1}^{\infty }P(i=A)\ast i\ast \sum _{j=1}^{\infty }P(j=B)\ast j\\ & =E(A)\ast E(B)\end{array}$$证毕。

常用公式

1、当 $-1<x<1$ 时（当然，概率题中 $x>0$ ），有： ${\sum }_{i=0}^{\infty }{x}^i=\frac{1}{1-x}$
2、 ${\sum }_{i=0}^n{x}^i=\frac{1-x^{n+1}}{1-x}$
对于第 $1$ 条我们可以用第 $2$ 条证明：$$\begin{array}{rl}& 当n\to \infty 时，\\ & \because 0<x<1\\ & \therefore \underset{n\to \infty }{\lim }{x}^{n+1}=0\\ & \therefore \sum _{i=0}^{\infty }{x}^i=\underset{n\to \infty }{\lim }\sum _{i=0}^n{x}^i\\ & =\underset{n\to \infty }{\lim }\frac{1-x^{n+1}}{1-x}\\ & =\frac{1}{1-x}\end{array}$$证毕。
3、期望的线性性： $E(X+Y)=E(X)+E(Y)$
Tip：它对任意 $X，Y$ 均成立。
证明：$$\begin{array}{rl}& E(X+Y)=\sum _i\sum _{j}P(X=i且Y=j)\ast (i+j)\\ & =\sum _i\sum _{j}P(X=i且Y=j)\ast i+\sum _i\sum _{j}P(X=i且Y=j)\ast j\\ & 而\sum _i\sum _{j}P(X=i且Y=j)\ast i=\sum _{i}P(X=i)\ast i=E(X)\\ & 同理，\sum _i\sum _{j}P(X=i且Y=j)\ast j=\sum _{j}P(Y=j)\ast j=E(Y)\\ & \therefore E(X+Y)=E(X)+E(Y)\end{array}$$证毕。
★4、前缀和技巧：$$\begin{gathered} P(X=K)=P(X⩽K)-P(X⩽(K-1)) \\ 或者 \\ P(X=K)=P(X⩾K)-P(X⩾(K+1)) \end{gathered}$$★5、概率为 $p$ 的事件期望 $\frac{1}{p}$ 次后发生。$$\begin{array}{rl}& 设次数为x\\ & 那么问题就等价于证明E(x)=\frac{1}{p}\\ & E(x)=\sum _{i=1}^{\infty }P(x=i)\ast i\\ & P(x=i)=P(x⩾i)-P(x⩾(i+1))=(1-p{)}^{i-1}-(1-p{)}^i\\ & \therefore 原式=\sum _{i=1}^{\infty }((1-p{)}^{i-1}-(1-p{)}^i)\ast i\\ & =\sum _{i=0}^{\infty }(1-p{)}^{-i}\\ & =\frac{1}{1-(1-p)}\\ & =\frac{1}{p}\end{array}$$证毕。
6、有 $n$ 个随机变量 $X[1\sim n]$ ，每个随机变量都是从 $1\sim S$ 中随机⼀个整数，求 $max(X[1\sim n])$ 的期望。$$\begin{array}{rl}E(y)& =\sum _{i}P(y=i)\ast i\\ & =\sum _i(P(y⩽i)-P(y⩽(i-1)))\ast i\\ & =\sum _i((\frac{i}{s}{)}^n-(\frac{i-1}{s}{)}^n)\ast i\end{array}$$
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 $n$ 个球 $1\sim n$ ，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。
2、箱子里有 $n$ 个球 $1\sim n$ ，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。
3、箱子里有 $n$ 个球 $1\sim n$ ，你要从里面拿 $m$ 次球，拿了后以 $p_1$ 的概率放回，以 $p_2$ 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。$$\begin{array}{rl}E(S)& =\sum _{i}E(x_i)\\ & =E(\sum _i{y}_i\ast i)\\ & =\sum _{i}E(y_i\ast i)\\ & =\sum _{i}E(y_i)\ast \sum _{i}E(i)\\ & =m\ast \sum _{i}E(i)\\ & =\frac{m\ast (n+1)}{2}\end{array}$$
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 $n$ 个点的链上游走，求从一端走到另一端的期望步数。
$$\begin{array}{rl}& 设x_i表示随机游走从i第一次走到i+1的步数\\ & y=\sum _{i=1}^{n-1}{x}_i\\ & E(y)=\sum _{i=1}^{n-1}E(x_i)\\ & \because E(x_2)=\frac{1}{2}+\frac{1}{2}\ast (1+E(x_1)+E(x_2))\\ & \therefore E(x_i)=\frac{1}{2}+\frac{1}{2}\ast (1+E(x_{i-1})+E(x_i))=E(x_{i-1})+2\\ & \therefore E(y)=\sum _{i=1}^{n-1}E(x_i)=1+3+5+7+\dots =(n-1{)}^2\end{array}$$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。$$\begin{array}{rl}& 设E[i,j]表示从i到j的期望步数\\ & E[i,j]=E[x,y]=P(i!=j且x!=y)\\ & \Rightarrow P=\frac{1}{n-1}\\ & \Rightarrow Ans=\frac{1}{P}=n-1\end{array}$$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。
$$\begin{array}{rl}& 设A：从一个点到同侧点的步数\\ & 设B:从一个点到异侧点的步数\\ & B=\frac{1}{n}\ast 1+\frac{n-1}{n}\ast (1+A)\\ & A=B+1\\ & 然后，\\ & 解一下方程即可。\end{array}$$4、在一张 $n$ 个点的菊花图上游走，求从根走到另一个点的期望步数。
$$\begin{array}{rl}& 有三种情况：\\ & 1、叶子\to 叶子A\\ & 2、叶子\to 中心1\\ & 3、中心\to 叶子B\\ & \therefore A=1+B\\ & B=\frac{1}{n-1}\ast 1+\frac{n-1}{n-2}\ast (1+A)\\ & \therefore B=2n-1\end{array}$$5、在一棵 $n$ 个点的树上游走，求从 $x$ 走到 $y$ 的期望步数。
$$\begin{array}{rl}& 以y为根\\ & 设f(x)表示从x第一次到它父亲的期望，d[x]表示x的度数。\\ & \therefore f(x)=\frac{1}{d[x]}+\frac{1}{d[x]}\ast \sum _{i=1}^{d[x],i!=fa[x]}(1+f(son[x])+f(x))\\ & 然后\dots \dots \\ & 请开始你美妙的\mathfrak{D}\mathfrak{P}表演！\end{array}$$6、构造一张 $200$ 个点的无向图，使得从 $S$ 走到 $T$ 的随机游走期望步数 $⩾10^6$。
$$\begin{array}{rl}& 假设让S成为链的一个端点，T成为链的另一个端点。\\ & 由T_1得知它的期望步数是n^2级别的，假如我们使T_1中的E(x_1)=1变为n^2即可达到目的。\\ & 因此我们就可以构造左边一个100个点的完全图，其中一个点延伸出100个点的链，\\ & 又根据T_2的结论可得\\ & E(x_1)=\frac{1}{n}\ast 1+\frac{n-1}{n}\ast (1+(n-1)+E(x_1))\end{array}$$

经典问题

1、每次随机一个 $[1,n]$ 的整数，问期望几次能凑齐所有数。
$$\begin{array}{rl}& 设x_i表示当前有i-1个数，一直选，直到有i个数\\ & \Rightarrow S=\sum _{i=1}^n{x}_i\\ & \Rightarrow E(S)=\sum _{i=1}^{n}E(x_i)\\ & \because E(x_i)=\frac{n-i+1}{n}\\ & \Rightarrow Ans=\frac{n}{n-i+1}\end{array}$$2、随机一个长度为 $n$ 的排列 $p$ ，求 $p[1\sim i]$ 中 $p[i]$ 是最大的数的概率。
$$\begin{array}{rl}& 我们从整体上看，每个数平等\\ & \therefore Ans=\frac{1}{i}\end{array}$$3、问满足上面那个题的 $i$ 的个数的平方的期望。
$$\begin{array}{rl}& 我们设x_i为当前p[i]是否合法，若合法则为1，否则为0，\\ & x表示满足题意的p[i]个数，则答案为E(x^2),x=\sum _i{x}_i。\\ & E(x^2)=E((\sum _i{x}_i{)}^2)\\ & 由于期望的线性性，我们把内部分成两个部分，即E(x_i\ast x_j)和E(x_i\ast x_i)\\ & 那么E(x^2)=E(\sum _i^n\sum _j^{n,i!=j}{x}_i\ast x_j+\sum _i^n{x}_i^2)\\ & 因为x_i不合法的话整个直接为0，所以x_i^2可以直接化简为x_i且E(x_i)=\frac{1}{i}\\ & 所以原式=\sum _i^n\sum _j^{n,i!=j}E(x_i\ast x_j)+\sum _i^{n}E(x_i)\\ & 又\because 当i!=j时，p[i],p[j]成为各自区间最大值的概率不会相互影响，\\ & 也就是说，这两个概率相互平等。\\ & \Rightarrow E(x_i\ast x_j)=\frac{1}{ij}\\ & \Rightarrow Ans=E(x^2)=\sum _i^n\sum _j^{n,i!=j}\frac{1}{ij}+\sum _i^n\frac{1}{i}\end{array}$$4、随机一个长度为 $n$ 的排列 $p$ ，求 $i$ 在 $j$ 的后面的概率。
$$Ans=\frac{1}{2}$$5、随机一个长度为 $n$ 的排列 $p$ ，求它包含 $w[1\sim m]$ 作为子序列/连续子序列的概率。
$Former:$
$$\frac{(n-m)!}{n!}\ast C_n^m=\frac{1}{m!}$$$Latter:$
$$\begin{array}{rl}& 取m个位置，那么，第一个位置n种，第二个位置n-1种，乘到n-m+1种。\\ & 则正确的概率为\prod _{i=n-m+1}^n\frac{1}{i}=\frac{(n-m)!}{n!}\\ & 然后枚举开头，显然，有n-m+1个位置\end{array}$$$$\frac{(n-m+1)!}{n!}$$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 $n$ 堆石头，第 $i$ 堆个数为 $a[i]$ ，每次随机选一个石头然后把那一整堆都扔了，求第 $1$ 堆石头期望第几次被扔。
$$\begin{array}{rl}& 设A[i]表示第i堆石头是第几个被拿走的\\ & A[1]=\sum _{i}check(A[i]⩽A[1])\\ & \ast check()表示括号内的真假，为真则返回1，否则为0\\ & 根据期望的线性性(太强了！)\\ & \Rightarrow E(A[1])=\sum _{i}E(A[i]⩽A[1])\\ & =1+\sum _{i=2}P(A[i]<A[1])\\ & P(A[i]<A[1])=\frac{a[i]}{a[1]+a[i]}\\ & E(A[1])=1+\sum _{i=2}\frac{a[i]}{a[1]+a[i]}\end{array}$$
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。