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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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)^{ ...

  5. 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 ...

  6. 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 ...

  7. 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 # -*- ...

  8. 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\ ...

  9. 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

  1. Java设计模式之-----策略模式

    首先,我们来看下策略模式的概念.一般的解释如下:     策略模式定义了一系列的算法,并将每一个算法封装起来,而且使它们还可以相互替换.策略模式让算法独立于使用它的客户而独立变化.(原文:The St ...

  2. 4816 江哥的dp题b

    4816 江哥的dp题b  时间限制: 1 s  空间限制: 256000 KB  题目等级 : 黄金 Gold 题解       题目描述 Description 给出两个1-N的随机排列A,B.若 ...

  3. HP “云图”GPU虚拟化工作站解决方案

    HP PCS ”云图”GPU虚拟化工作站解决方案 ——将图形计算从桌面移到数据中心 惠普云图形GPU虚拟化桌面系统是以用户为中心的私有云服务.除了保留了传统桌面虚拟化方案以集中设备为中心统一管理等优点 ...

  4. Core Web API上使用Swagger提供API文档

    在ASP.NET Core Web API上使用Swagger提供API文档   我在开发自己的博客系统(http://daxnet.me)时,给自己的RESTful服务增加了基于Swagger的AP ...

  5. 关于Microsoft Visual Studio 2010系统自带的数据库

    转自:http://blog.sina.com.cn/s/blog_a570cca601012x5w.html 1.Visual studio Tools>命令提示 2.aspnet_regsq ...

  6. MvvmLight ToolKit 教程

    MvvmLightToolKit MvvmLightToolKit的源代码是托管在CodePlex上的,我们 可以从这里获取最新版本的源代码,不仅源码,版本发布的日志,更改了哪些,修复了哪些,以及一些 ...

  7. Linux下C语言编程实现spwd函数

    Linux下C语言编程实现spwd函数 介绍 spwd函数 功能:显示当前目录路径 实现:通过编译执行该代码,可在终端中输出当前路径 代码实现 代码链接 代码托管链接:spwd.c 所需结构体.函数. ...

  8. 数据字典生成工具之旅(6):NVelocity语法介绍及实例

    本章开始将会为大家讲解NVelocity的用法,并带领大家实现一个简单的代码生成器. NVelocity是一个基于.NET的模板引擎(template engine).它允许任何人仅仅简单的使用模板语 ...

  9. 单片机C语言探究--为什么变量最好要赋初值

    有许多书上说,变量最好要赋初值.但是为什么要初值呢?不赋初值可能会出现什么样的意外呢?以下就我在以51单片机为MCU,Keil为编译器看到的实现现象作分析.众所周知,变量是存储在RAM中,掉电后即丢失 ...

  10. 移动端调试利器 JSConsole 介绍

    先看这篇文章 Web应用调试:现在是Weinre和JSConsole,最终会是WebKit的远程调试协议. 我们先不看未来,从此文可见,当下的移动端调试还是 Weinre 和 JSConsole 的天 ...