1. 程式人生 > >指示器隨機變數學習

指示器隨機變數學習

目錄

介紹

給定事件\(A\),設指示器隨機變數\(X_A=I\{A\}\)表示\(A\)是否發生,則
在一次實驗中,\(A\)的期望次數就是\(X_A\)的期望值,故
\[E(X_A)=P(A)\]

指示器隨機變數的優勢:

  • 方便期望與概率之間的轉換;
  • 期望線性和性質與隨機變數之間是否獨立無關;

例題分析

指示器隨機變量表示的事件考慮一個因素
1,拋\(n\)次硬幣,正面朝上的期望數;
注意:拋n次硬幣和拋n個硬幣本質是一樣的。
普通解法:算正面朝上1、2、3...次的概率
\[E(X)=\sum_{k=1}^n k* {n \choose k} p^k (1-p)^{n-k}\]

簡便解法:指示器隨機變數按實驗進行的階段分解設定
\(X\)為正面朝上的總數,\(X_k\)表示第\(k\)次實驗,發生了正面朝上事件;
\[E(X)=\sum_{k=1}^n E(X_k) = n*p\]

2,拋\(n\)次骰子,和的期望數;
普通解法:算和為1、2、3...的概率
簡便解法:
\(X\)為和,\(X_k\)為第\(k\)次拋骰子的數。
\[E(X)=n*3.5\]

3,一個隨機的\(n\)排列,求滿足\(a[i]=i\)的元素數目期望;
普通解法:算數目為1、2、3...的概率;
簡便解法:
\(X\)為元素數目,\(X_k\)為第\(k\)個元素滿足條件的事件;
\[E(X)=n*\frac{1}{n}=1\]

4,依次面試\(n\)個人,如果第\(i\)個人比前面所有人都優秀,則錄用這個應聘者。無論是否錄用,面試都繼續。求錄用總數的期望;
普通解法:算錄用1、2、3...次的概率,複雜不求解
簡便解法:
\(X\)為錄用總數,\(X_k\)為第\(k\)個應聘者被錄用的事件。
\[E(X)=\sum_{k=1}^n E(X_k)=\sum_{k=1}^n \frac{1}{k} \approx \ln n\]

5,禮券收集問題
要收齊\(n\)種券需要的期望券數;
普通解法:算券數為n、n+1、n+2...的概率
簡便解法:
\(X\)為券總數,\(X_k\)表示事件:在第\(k\)種券收集齊後,到收集第\(k+1\)

種券需要的券數;
\[E(X)=\sum_{k=0}^{n-1} E(X_k)=\sum_{k=0}^{n-1} \frac{n}{n-k}\approx n\ln n\]

練習1:
\(n\)個球投\(m\)個箱子,求空箱子的期望數,有\(2\)個球的箱子的期望數;
\(X\)表示有\(2\)個球的箱子的數目,\(X_k\)表示第\(k\)個箱子有\(2\)個球;
\[E(X)=\sum_{k=1}^m E(X_k) = m* {n \choose 2}(\frac{1}{m})^2 (\frac{m-1}{m})^{n-2} \]

練習2:
\(n\)個人在樓底進入電梯,樓上有\(m\)層,每個乘客在任一樓層下電梯的概率相同。求電梯上無人時,停靠次數的期望;
\[E(X)=m*(1-(\frac{m-1}{m})^n)\]

練習3:
Chinese restaurant process中桌子的期望數;

指示器隨機變量表示的事件考慮兩(多)個因素
1,一個隨機的\(n\)排列,求逆序對的數目期望;
普通解法:算數目為1、2、3...的概率;
簡便解法:指示器隨機變量表示的事件考慮了兩(多)個因素
\(X\)為逆序對的數目,\(X_{ij}\)表示\(a[i] \gt a[j], i \lt j\)的事件;
\[E(X)=\sum_{i=1}^n \sum_{j=i+1}^{n-1} E(X_{ij})= \frac{n(n-1)}{2} *\frac{1}{2}=\frac{n(n-1)}{4}\]

2,\(n\)個人,\(k\)個人同生日的對數的期望數;
普通解法:算對數為1、2、3...的概率
簡便解法:
\(X\)為同生日的對數,\(X_{i_1, i_2, ...,i_k}\)表示這\(k\)個人同生日;
\[E(X)={n \choose k} E(X_{i_1, i_2, ...,i_k})={n \choose k} *(\frac{1}{365})^{k-1}\]

參考

《演算法導論》第5章

生日問題

1,\(n\)個人,存在一對人同生日的概率:
\[p(n)=1-\prod_{k=1}^n \frac{365-k+1}{365}\]
當生日是分佈均勻時,僅需23個人,有同生日的比率就高達50%;
現實中,生日的分佈是不均勻的,這導致有同生日的比率更高了;

2,\(n\)個人,存在一個人與我同生日的概率:
\[q(n)=1-\prod_{k=1}^n\frac{365-1}{365}\]
當生日是分佈均勻時,需250個人,與我同生日的比率才到達50%;

3,所有人排隊進入房間,第幾號人進來後,房間內第一次產生一對人同生日的概率最大;
考慮\(p(n)\)的遞推公式:
\(n\)個人開獎=前\(n-1\)個人已經開獎+前\(n-1\)個人沒開獎且恰好第n個人開獎;
故答案就是找\(p(n)-p(n-1)\)最大時的\(n\)