概率与期望 —— 数学期望

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u011815404/article/details/88973149

【概述】

在概率论和统计学中,一个离散型随机变量的数学期望是试验中每次可能结果的概率乘以其结果的总和。

在信息学竞赛中,期望值问题大多是求离散型随机变量的数学期望,如果 X 是一个离散的随机变量,输出值是 x1,x2,...,xn,输出值对应的概率是 p1,p2,...,pn,那么期望值为:E(X)=\sum_ip_ix_i

数学期望中,有三个公式是经常使用的:

1)线性性质

对于任意随意变量 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 各自独立且都有一个已定义的期望时,有:E(XY)=E(X)E(Y)

2)全概率公式

设集合 Bn 是一个可测集合,则对任意事件 A 有全概率公式:P(A)=\sum_nP(A|Bn)P(Bn),其中 P(A|B)是 B 发生后 A 发生的条件概率

3)全期望公式

p_{ij}=P(X=x_i,Y=y_j),当 X=x_i 时,随机变量 Y 的条件期望为:E(Y|X=x_i)

则全期望公式为:E(Y)=E(E(Y|X))=\sum_iP(X=x_i)E(Y|X=x_i)

【例题】

  • Throwing Balls into the Baskets(LightOJ-1317)(简单求期望)点击这里
  • A Dangerous Maze(LightOJ-1027)(期望的推导+GCD)点击这里

猜你喜欢

转载自blog.csdn.net/u011815404/article/details/88973149