概率与期望详解！一次精通oi中的概率期望

@(期望与概率)

基础概念

• 随机变量：有多种可能的取值的变量
  万物都可以当做随机变量，包括常数，方便用 \(\sum\) 统计
• P(A)：事件 A 发⽣的概率
• E(X)：随机变量 X 的期望值，\(E(X)=Sum[ P(X=i)*i ]\)

• 独⽴事件：互相不影响的事件

  期望不相关可积性

  \(E(xy)=E(x)*E(y)\) ，\(x\)和\(y\)互相独立

  常用技巧

• 对于离散变量 X，\(P_{(X=K)}=P_{(X\le K)}-P_{(X\leq K-1)}\)

  期望线性性

\(E(x+y)=E(x)+E(y)\) 任意\(x,y\)
\[E(x+y)=\sum_i \sum_j P(x=i,y=j)(i+j)\]
\[\sum_i \sum_j P(x=i,y=j) i\]

\[=\sum_i i P(x=i)\]

j同理

得到
\[\sum_iiP(x=i)+\sum_jjP(x=j)\]

\[=\sum_i \sum_j P(x=i,y=j) i+\sum_i \sum_j P(x=i,y=j) j\]

\[\sum_i \sum_j P(x=i,y=j)(i+j)\]

\[=E(x+y)\]

最大值不超过Y的期望

在1~s的数中随机：

\[E(y)=\sum_i i P(y=i)\]

\[=\sum_i i (P(y<=i) - P(y<=i-1))\]

\[=\sum_i i((\frac{i}{s})^n-(\frac{i-1}{s})^n)\]

概率为P时期望成功次数

答案：期望为\(\frac{1}{p}\)次后发生

设X为次数

即证明\(E(x)=\frac{1}{p}\)

解一、\[P(x=i)=(1-p)^{i-1}*p\]
解二、\[P(x>=i)-P(x>=(i+1))=(1-p)^{i-1}*p\]

只用管前几次都失败了

\[P(x>=i)= (1-p)^{i-1}\]

\[\sum _{