自学内容网 自学内容网

选读算法导论5.2 指示器随机变量

为了分析包括包括雇佣分析在内的许多算法,我们将使用指示器随机变量,它为概率和期望之间的转换提供了一个便利的方法,给定一个样本空间S和事件A,那么事件A对应的指示器随机变量:

Xa   =   1 如果A发生
        0 如果A没有发生

E[Xa] = Pr{A}

1.指示器随机变量将所求的随机变量X分解成了许多单个的事件,对于每一个事件一一的求期望,加起来即可。

2.注意随机变量指示器怎么用,实际上就是将求一个随机变量的期望,分解到一个个具体的事件,每一个小事件的期望往往容易求,所有小事件的期望加起来就是总得期望。其实是从另一个角度看问题。

转载于dianlu7964的算法导论5.2 指示器随机变量

下面我通过列举题目通过运用这种方法来更快理解

Bubble Sort - 洛谷

给定n,求所有[1,n]排列中逆序对个数的平均值,以分数形式输出。

还可以转化题意为期望逆序对个数是多少?

单个事件就是单独一个对是逆序对 Pi=\frac{1}{2}

E=\sum Ei

那么总共有几个呢,应该是\binom{n}{2}

E=\binom{n}{2}*\frac{1}{2}=\frac{n*(n-1)}{4}

Game on Tree - 洛谷

给定一棵有根树,结点编号从 11 到 nn。根结点为 11 号结点。

对于每一次操作,等概率的选择一个尚未被删去的结点并将它及其子树全部删去。当所有结点被删除之后,游戏结束;也就是说,删除 11 号结点后游戏即结束。

要求求出删除所有结点的期望操作次数。

单个事件选择i节点可以直接删除树,因为选了祖先节点就不会选i节点了,因此我们选i节点要比祖先节点先选,这个概率是Pi=\frac{1}{depth i}

E=\sum \frac{1}{depthi}

未完待续


原文地址:https://blog.csdn.net/Lanthamum/article/details/142620121

免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!