期望线性性

每多一个1带来的贡献增值是:(x+1)^3-x^3=3*x^2+3*x+1,这里的x是前面已经累计的连续1的个数,而对于每一位的期望贡献就是p[i]*E(3*x^2+3*x+1)=p[i]*(3E(x^2)+3E(x)+1,在累加即得答案,所以这一要求得每一位的E(x^2)与E(x),

有递推:

x=x-1+1

E(x)=(E(x-1)+1)*p[i]

x^2=(x-1)^2+2*(x-1)+1

E(x^2)=(E((x-1)^2)+2*E(x-1)+1)*p[i]

写出一般等式,在求两边期望(这个取定1要补充个概率)

OSU! - 洛谷 

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
const int mod=998244353;
const int nn=1e5+50;
inline int read()
{
 int x=0,f=1;
 char c=getchar();
 while(c<'0'||c>'9') 
 {
  if(c=='-') f=-1;
  c=getchar();
 }
 while(c>='0'&&c<='9')
 {
  x=x*10+c-'0';
  c=getchar();
 }
 return x*f;
}
inline void write(int x)
{
 if(x<0) putchar('-'),x=-x;
 if(x>9) write(x/10);
 putchar(x%10+'0');
}
vector<pair<int,int>>a[nn];
queue<int>q;
double f[nn],g[nn];
double p[nn];
double ans[nn];
int main()
{
    int n;
    n=read();
    for(int i=1;i<=n;++i)
    {
        scanf("%lf",&p[i]);
    }
    for(int i=1;i<=n;++i)
    {
        f[i]=(f[i-1]+1.0)*p[i];
    }
    for(int i=1;i<=n;++i)
    {
        g[i]=(g[i-1]+2.0*f[i-1]+1.0)*p[i];
    }
    for(int i=1;i<=n;++i)
    {
        ans[i]=ans[i-1]+(3.0*g[i-1]+3.0*f[i-1]+1.0)*p[i];
    }
    ans[n]*=10;
    ans[n]=round(ans[n]);
    ans[n]/=10.0;
    printf("%.1lf",ans[n]);
    return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
布朗运动是一种随机过程,通常用于模拟金融、物理和其他领域的随机变动。在非线性期望下的布朗运动是指其漂移(均值)或波动率(方差)是非线性函数的情况。 具体来说,非线性期望下的布朗运动可以用以下随机微分方程表示: dX = μ(X) dt + σ(X) dW 其中,X 是布朗运动的随机变量,μ(X) 是 X 的漂移函数,σ(X) 是 X 的波动率函数,dW 是标准布朗运动的增量,dt 是时间增量。 在非线性期望下的布朗运动中,漂移函数和波动率函数通常是非线性的,并且可以根据具体的应用场景进行定义。这种非线性使得布朗运动能够更好地描述实际中存在的非线性关系和不确定。 在 MATLAB 中,可以使用数值方法(如欧拉方法或蒙特卡洛模拟)来模拟非线性期望下的布朗运动。具体的实现可能涉及到对漂移函数和波动率函数进行逼近或近似,并利用随机数生成和积分方法来模拟运动轨迹。 下面是一个简单示例,展示如何使用欧拉方法模拟非线性期望下的布朗运动: ```matlab % 模拟参数设置 T = 1; % 总时间长度 N = 1000; % 时间步数 dt = T / N; % 时间步长 X0 = 0; % 初始值 % 非线性漂移函数 mu = @(X) X^2; % 非线性波动率函数 sigma = @(X) sqrt(abs(X)); % 初始化模拟结果向量 X = zeros(N+1, 1); X(1) = X0; % 使用欧拉方法模拟布朗运动 for i = 1:N dW = sqrt(dt) * randn; % 随机增量 X(i+1) = X(i) + mu(X(i)) * dt + sigma(X(i)) * dW; end % 绘制运动轨迹 t = linspace(0, T, N+1); plot(t, X); xlabel('时间'); ylabel('布朗运动'); title('非线性期望下的布朗运动'); ``` 在上述代码中,我们定义了非线性漂移函数 `mu(X)` 和非线性波动率函数 `sigma(X)`。然后使用欧拉方法迭代计算布朗运动的轨迹,并将结果可视化。 请注意,这只是一个简单示例,实际应用中可能需要更复杂的模型和方法来模拟非线性期望下的布朗运动。具体的模拟方法和参数选择应根据具体问题进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值