[学习笔记]概率&期望
概率的性质
- 非负性:对于每一个事件$A,0\;\leq\;P(A)\;\leq\;1$.
- 规范性:对于必然事件$S,P(S)=1$;对于不可能事件$A,P(A)=0$.
- 容斥性:对于任意两个事件$A,B,P(A\;\cup\;B)=P(A)+P(B)-P(A\;\cap\;B)$.
- 互斥事件的可加性:设$A_1,A_2,...A_n$是互斥的$n$个事件,则$P(A_1\;\cup\;A2\;\cup\;...\;\cup\;A_n)=P(A_1)+P(A_2)+...+P(A_n)$.如果$A,B$互为对立事件,则事件$A,B$一定是互斥的,而$A\;\cup\;B$为必然事件,所以,$P(A\;\cup\;B)=P(A)+P(B)=1$,即对立事件概率之和为$1$.
- 独立事件的可乘性:如果事件$A$是否发生对事件$B$发生的概率没有影响,同时事件$B$是否发生对事件$A$发生的概率也没有影响,则称$A,B$是相互独立的事件.有$P(A\;\cap\;B)=P(A)\;\times\;P(B)$,即两个相互独立事件同时发生的概率等于每个事件发生的概率的积.推广到$n$个相互独立的事件,则:$P(A_1\;\cap\;A_2\;\cap\;...\;\cap\;A_n)=P(A_1)\;\times\;P(A_2)\;\times\dots\times\;P(A_n)$.
- 独立重复试验的"伯努利大数定理":如果在一次试验中某事件发生的概率为$p$,不发生的概率为$q$,则在$n$次试验中该事件至少发生$m$次的概率等于$(p+q)^n$的展开式中从$p^n$到包括$p^mq^{n-m}$为止的各项之和.如果在一次试验中某事件发生的概率为$p$,那么在$n$次独立重复试验中这个事件恰好发生$k$次$(0$$\leq$$k$$\leq$$n)$的概率为:$C_n^k$$\times$$p^k$$\times$$(1-p)^{n-k}$.
期望的性质
- 期望的线性性:对于任意随机变量$X,Y$以及常量$a,b$,有:$E(aX+bY)=aE(X)+bE(Y)$.当两个随机变量$X,Y$独立且各自都有一个已定义的期望时,有:$E(XY)=E(X)E(Y)$.
- 期望的和等于和的期望.
例题
- 取球
有$r$个红球,$b$个蓝球在一个袋子中.两个玩家轮流从袋子中取球,每个人每次可以取$1-n$个球,但在他把球拿出袋子之前,他并不知道所取球的颜色.每次球被取出袋子后,它们的颜色被公布给所有人.取走最后一个红球的人输.
在两个玩家都采取最优策略时,先手的胜率是多少?
$1\;\leq\;r,b\;\leq\;100,1\;\leq\;n\;\leq\;10$.
$f[r][b]$表示还剩$r$个红球和$b$个蓝球时的胜率.
$f[r][b]=max\{\sum_{j=1}^{min(r-1,i)}(\frac{C_r^j\;\times\;C_b^{i-j}}{C_{r+b}^i}\;\times\;(1-f[r-j][b-i+j]))\}(i\in[1,n])$
(取$i$个球,有可能为$j$个红球,$i-j$个蓝球,红球不能全取光).
- 取球II
有$r$个红球,$b$个蓝球在一个袋子中.两个玩家轮流从袋子中取球,每个人每次可以取$1-n$个球,但在他把球拿出袋子之前,他并不知道所取球的颜色.每次球被取出袋子后,它们的颜色被公布给所有人.取走最后一个红球的人输.
现在已知有人在游戏开始前取走了$m$个球,并且谁也不知道球的颜色.
在两个玩家都采取最优策略时,先手的胜率是多少?
$1\;\leq\;r,b\;\leq\;100,1\;\leq\;n\;\leq\;10,0\;\leq\;m\;\leq\;r-1$.
首先,先取$i$个球,再取$j$个球和先取$j$个球,再取$i$个球所对应的的剩余情况的概率分布是一样的.
$g[r][b][m]$表示在$r$个红球和$b$个蓝球中取走$m$个球后还剩下红球的概率.
$g[r][b][m]=\frac{r}{r+b}\;\times\;g[r-1][b][m-1]+\frac{b}{r+b}\;\times\;g[r][b-1][m-1]$.
$f[r][b]$表示剩余$r$个红球,$b$个蓝球,其中取走了$m$个未知的球的胜率.
$f[r][b]=max\{\sum_{j=1}^{min(r-1,i)}(\frac{C_r^j\;\times\;C_b^{i-j}}{C_{r+b}^i}\;\times\;(1-f[r-j][b-i+j])\;\times\;\frac{1-g[r-j][b-i+j][m]}{g[r][b][m]})\}$$(i\in[1,n])$.
- 取球III$[bzoj1416][NOI2006]$
有$n$种颜色的球,第$i$种初始有$a_i$个.每一轮等概率随机取出一个球,放回相同颜色的$k$个球.
给定$m$组$x_i,y_i$,你需要求出同时满足第$x_i$轮取出的球颜色为$y_i$的概率.
$n,m\;\leq\;10^5,a_i\;\leq\;10^4$.
每轮增加的球数是固定的,所以第$i$轮时,总球数是固定的,因此取到颜色$j$的概率是颜色$j$的数量/总球数,那么只需求第$i$轮颜色$j$的期望数量.
$f[i][j]=f[i-1][j]+\frac{f[i-1][j]}{sum[i-1]}\;\times\;(k-1)=f[i-1][j]\;\times\;(1+\frac{k-1}{sum[i-1]})$.
容易发现若干轮后所有球的期望数量的比例不变,因此$m$轮之外的取球是没有意义的.
[学习笔记]概率&期望的更多相关文章
- Deep Learning(深度学习)学习笔记整理系列之(七)
Deep Learning(深度学习)学习笔记整理系列 zouxy09@qq.com http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04 ...
- GMM高斯混合模型学习笔记(EM算法求解)
提出混合模型主要是为了能更好地近似一些较复杂的样本分布,通过不断添加component个数,能够随意地逼近不论什么连续的概率分布.所以我们觉得不论什么样本分布都能够用混合模型来建模.由于高斯函数具有一 ...
- Miller_Rabbin&&Pollard_Rho 学习笔记
占坑,待填 I Intro 首先我们考虑这样一个问题 给定一个正整数\(p(p<=1e8)\),请判断它是不是质数 妈妈我会试除法! 于是,我们枚举$ \sqrt p$ 以内的所有数,就可以非常 ...
- min-max容斥学习笔记
min-max容斥学习笔记 前置知识 二项式反演 \[ f(n)=\sum_{i=0}^n\binom{n}{i}g(i)\Leftrightarrow g(n)=\sum_{i=0}^n(-1)^{ ...
- 学习笔记之机器学习(Machine Learning)
机器学习 - 维基百科,自由的百科全书 https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0 机器学习是人工智能的一个分 ...
- OpenCV 学习笔记 07 目标检测与识别
目标检测与识别是计算机视觉中最常见的挑战之一.属于高级主题. 本章节将扩展目标检测的概念,首先探讨人脸识别技术,然后将该技术应用到显示生活中的各种目标检测. 1 目标检测与识别技术 为了与OpenCV ...
- 深度学习-tensorflow学习笔记(2)-MNIST手写字体识别
深度学习-tensorflow学习笔记(2)-MNIST手写字体识别超级详细版 这是tf入门的第一个例子.minst应该是内置的数据集. 前置知识在学习笔记(1)里面讲过了 这里直接上代码 # -*- ...
- OI数学 简单学习笔记
基本上只是整理了一下框架,具体的学习给出了个人认为比较好的博客的链接. PART1 数论部分 最大公约数 对于正整数x,y,最大的能同时整除它们的数称为最大公约数 常用的:\(lcm(x,y)=xy\ ...
- OI知识点|NOIP考点|省选考点|教程与学习笔记合集
点亮技能树行动-- 本篇blog按照分类将网上写的OI知识点归纳了一下,然后会附上蒟蒻我的学习笔记或者是我认为写的不错的专题博客qwqwqwq(好吧,其实已经咕咕咕了...) 基础算法 贪心 枚举 分 ...
随机推荐
- IIS Enabling HTTP Keep-Alives
IIS 6.0 from:https://www.microsoft.com/technet/prodtechnol/WindowsServer2003/Library/IIS/ea116535-8e ...
- Ubuntu的Mysql指南
安装MySQL sudo apt-get install mysql-server 这个应该很简单了,而且我觉得大家在安装方面也没什么太大问题,所以也就不多说了,下面我们来讲讲配置. 配置MySQL ...
- Java7并发编程实战(一) 线程的中断
控制线程中断的方法一般常规是定义一个布尔值,然后while(布尔值) 去执行,当想停止该线程时候,把布尔值设为false. 这里我们来看第二种,Interrupt 该例子模拟一个线程从1打印到10,然 ...
- WP8.1中C++的winodws运行时组件位移操作的差异
最近学习WP8.1应用开发,想把C语言的SM3国密算法移植到手机app中.由于把C语言的代码转换成C#代码工作量较大,因此只能用winodws运行时组件来实现. SM3国密算法是一种HASH算法,具体 ...
- infer.net 入门2 用一个侦探故事来讲解,通俗易懂
The results look OK, but how do you know that you aren’t missing something. Would a more sophisticat ...
- WPF 3D模型 3D场景
1.首先得说明的是这并不是真正的3D,模型被导出为一系列的单个图片,例如一个3D户型图,以某个视角旋转360°,渲染出一系列连续的单个图片文件. 2.在Image.MouseMove事件中添加相应代码 ...
- 基于DDD的.NET开发框架 - ABP的Entity设计思想
返回ABP系列 ABP是“ASP.NET Boilerplate Project (ASP.NET样板项目)”的简称. ASP.NET Boilerplate是一个用最佳实践和流行技术开发现代WEB应 ...
- jquery 选择器大全
jquery 选择器大体上可分为4 类: 1.基本选择器 2.层次选择器 3.过滤选择器 4.表单选择器 其中过滤选择器可以分为: 1.简单过滤选择器 2.内容过滤选择器 3.可见性过滤选择器 4.属 ...
- 转一篇Unity的相机动画控制
最近真是忙,连研究细看的时间都没有了,原帖地址:https://alastaira.wordpress.com/2013/11/08/smooth-unity-camera-transitions-w ...
- 最小/大费用最大流模板(codevs1914)
void addedge(int fr,int to,int cap,int cos){ sid[cnt].fr=fr;sid[cnt].des=to;sid[cnt].cap=cap;sid[cnt ...