概率与期望入门
概率与期望入门
1 定义性质与定理
-
随机试验:
-
- 不能预先确知结果。
- 试验之前可以预测所有可能结果或范围。
- 可以在相同条件下重复实验。
-
样本空间:随机试验所有可能结果组成的集合。
-
随机事件:样本空间的任意一个子集称之为事件。
-
事件发生:在一次事件中,事件的一个样本点发生。
-
事件之间的运算都是集合运算。
-
概率:为样本空间的每一个事件定义一个实数,这个实数称为概率,事件 \(A\) 的概率为 \(P(A)\)
-
- \(P(A)>0\)
- \(\sum P(A)=1\)
- \(A_i\cap A_j=\varnothing\Rightarrow P(A_1\cup A_2\cup...)=P(A_1)+P(A_2)+...\)
- \(P(\varnothing)=0\)
- \(A\subset B\Rightarrow P(B-A)=P(B)-P(A)\)
- \(P(B-A)=P(B)-P(AB)\)
- \(0\le P(A)\le 1\)
- \(P(A\cup B)=P(A)+P(B)-P(AB)\)
-
条件概率:已知事件 \(B\) 发生时事件 \(A\) 发生的概率是 \(P(A |B)=\frac{P(AB)}{P(B)}\)
-
- \(P(\varnothing |A)=0\)
- \(B_i\cap B_j=\varnothing\Rightarrow P(\cup_{i=1}^nB_i|A)=\sum\limits_{i=1}^nP(B_i|A)\)
- \(P(\overline{B}|A)=1-P(B|A)\)
- \(P(B\cup C|A)=P(B|A)+P(C|A)-P(BC|A)\)
-
期望:\(E[f(X)]=\sum\limits_{x}f(x)P(X=x)\)
-
- 期望的线性性:\(E[c_1X_1+c_2X_2+...]=c_1E[X_1]+c_xE[X_2]+...\)
- 如果 \(X_1,X_2\) d独立,则 \(E[X_1X_2]=E[X_1]E[X_2]\)
-
贝叶斯公式:\(B_i\cap B_j=\varnothing,\cup_{i=1}^nB_i=U\Rightarrow P(B_i|A)=\frac{P(A|B_i)P(B_i)}{\sum P(A|B_j)P(B_j)}\)
证明只需要注意到分母实际上就是 \(P(A)\)
-
事件 \(A,B\) 独立 \(\Leftrightarrow P(AB)=P(A)P(B)\)
2 例题
2.1
箱子里有三个 \(1\) 一个 \(2\) ,每次取一个数不放回
- 事件 \(𝐴\):第一次取到 \(1\)
- 事件 \(𝐵\):第二次取到 \(1\)
- 求 \(𝑃(𝐵|𝐴)\)
\(P(B|A)=\frac{P(AB)}{P(A)}=\frac{\frac{1}{2}}{\frac{3}{4}}=\frac{2}{3}\)
2.2
- 事件 \(A\) :红上
- 事件 \(B\) :黑下
- \(P(B|A)=\frac{P(AB)}{P(A)}=\frac{\frac{1}{6}}{\frac12}=\frac13\)
2.3
公平。设 \(P_i\) 为第 \(i\) 个人中的概率。
那么 \(P_1=\frac1n,P_2=\frac{n-1}{n}\times \frac{1}{n-1}...\)
容易发现 \(P_i=\frac1n\)
2.4
- 第一种:
- 假设右边空了,概率应该是 \(p^{n+1}\times (1-p)^{n-m}\times C_{2n-m}^n\)
- 左边:\((1-p)^{n+1}\times p^{n-m}\times C_{2n-m}^n\)
- 第二种:
- 假设右边空了,概率应该是 \(p^n\times (1-p)^{n-m}\times C_{2n-m-1}^{n-1}\)
- 左边:\((1-p)^n\times p^{n-m}\times C_{2n-m-1}^{n-1}\)
2.5
显然应该是:
2.6
列表可以得到,换不换是一样的。
这个跟所谓的三门问题不一样,在三门问题中,主持人知道哪一扇门后面有奖品,所以概率不一样,在三门问题中应该换。
2.7
我们现在枚举在返回之前走到 \((x,y)\) 并计算概率,然后计算返回时经过的概率,所最后的式子是这样的:
因为出现 \(x+y\) ,我们考虑还原。设 \(t=x+y\)
那么有:
最后一步等比数列求和。
2.8
一共有 \(n\) 次挑战,初始有一个容量为 \(k\) 的背包。依次 \(1-n\) 进行 \(n\) 次挑战。如果 \(a_i\ge 0\) 挑战成功背包容量增加 \(a_i\)。如果 \(a_i=-1\) 那么挑战成功会得到一个体积为 \(1\) 的物品。至少要挑战成功 \(L\) 次并且把所有得到的物品带走才算成功。
\(k\le 2000,l\le n\le 200,-1\le1000\)
设 \(f_{i,j,k}\) 表示挑战第 \(i\) 关,成功 \(j\) 次,容量为 \(k\) 的概率
注意到物品体积最大 \(200\) 所以第三维不用枚举到 \(k\) ,可以只枚举 \(200\) 。
时间复杂度 \(O(n^3)\) 可以 dp。
2.9
给定一棵树,给定每条边通电的概率,给定每个点自己发电的概率,问期望有多少个点能有电。
发现答案为每个点有电的概率之和。所以我们不用管期望。
我们设 \(f_i\) 表示只考虑以 \(i\) 为根的子树,\(i\) 带电的概率是多少。
我们考虑用 \(1\) 减去它没电的概率,有:
现在这个 dp 没有算父亲给儿子供电的情况,我们再来一个 dp。
\(g_i\) 表示 \(i\) 的父亲能给 \(i\) 供电的概率是多少。容易发现:
2.10
有一个 \(n\times m\) 的格子,每次随机刷掉一个矩形,问 \(k\) 次之后期望刷掉了 \(k\) 次期望。
设 \(x_{i,j}\) 表示第 \(i\) 行第 \(j\) 列是否被染色。
发现 \(E(X_{i,j})=P(X_{i,j}=1)\)
我们考虑计算 \((1-X_{i,j})\)
下面只考虑刷一次。
发现我们随便选一个矩形的方案数应该是:
相当于从行里面选两行的方案数,从列里面选两列的方案数。而选出一个覆盖 \((i,j)\) 的方案数实际上是在 \((i,j)\) 的左上方选一个点,在 \((i,j)\) 的右下方选一个点,那么方案数应该是 \(i\times j\times (n-i+1)\times (m-j+1)\)
所以选一次,\((i,j)\) 没有被刷到的概率是:
\(k\) 次都没有被刷到的概率是:
所以有:
2.11
检验矩阵 \(A\times B=C\) 是否正确。其中 \(A,B,C\) 都是一个 \(n\) 阶矩阵。\(n\le 1000\) 。
我们构造一个矩阵 \(D\) 其中 \(D\) 是一个 \(n\times 1\) 的矩阵,然后我们用 \(D\) 去右乘等式左右,直接矩阵乘法然后检查结果是否相等。因为 \(D\) 可能不满秩所以乘后结果相等是乘之前结果相等的一个必要条件。我们直接随机 \(k\) 次,然后检查。但实际上应该可以构造一个满秩矩阵 \(D\) 是的其成为充要条件。
2.12
一共有 \(n\) 次操作,第 \(i\) 次操作成功的概率是 \(p_i\) ,成功记为 \(1\),否则记为 \(0\) ,连续 \(x\) 个 \(1\) 会贡献 \(x^3\) 的分数,求期望分数。
用 \(f_i\) 表示结尾部分期望长度。\(g_i\) 表示结尾部分期望长度平方,\(h_i\) 表示结尾部分期望长度立方。
所以有:
期间累加 \(h\) 就可以。
2.13
一个圆均等被分为 \(N\) 个扇形,编号为 \(1-N\),为抽奖轮盘。
一开始每个位置都为 \(0\) ,主持人第 \(i\) 轮会将某个随机的长度为 \(s_i\) 的区域的数 \(+1\) ,在 \(N\) 轮结束后,你需要选择两个位置(注意这个时候你不知道各个位置是什么分数),选择完第一个位置后主持人会告诉你这个位置的分数,目标为分数和最大。问期望最大是多少。每个扇形长度为 \(1\) 。
\(N\le 300\)
发现不管位置一选哪里,在没有选之前,这 \(N\) 个扇形都是等价的。所以我们直接让位置 \(1\) 是第一个扇形。所以我们设 \(f_{i,j,k}\) 表示前 \(i\) 轮第 \(1\) 个扇形为 \(j\) 时第 \(k\) 个扇形的期望值为多少,转移即可。算答案时直接枚举看哪一个最大就可以了。
2.14
给定 \(01\) 序列,一个指针每次开始随机指向一个位置,然后这个指针随机移动到一个位置,改变这个位置的值,代价为两个位置之间的距离,求将整个序列全部变成 \(0\) 或 \(1\) 的期望代价是多少。
这个题难度在于简化状态。
注意期望的和等于和的期望。
我们这样设计这个 dp,我们设 \(f_{0/1,0/1,c}\) 表示指针是否在 \(i\) ,\(j\) 是否和 \(i\) 一样,剩下位置有多少个和 \(i\) 一样。发现当 \(b+c=n-1\) 时整个序列全 \(0\) 或全 \(1\)。我们首先枚举一下 \(i\) 和 \(j\) 分别是什么,因为转移有环,我们对每一个 dp 进行高斯消元,这个题就做完了。