当前位置: 首页 > news >正文

[算法学习笔记](超全)概率与期望

引子

先来讲个故事······

话说在神奇的OI大陆上,有一只paper mouse

有一天,它去商场购物,正好是11.11,商店有活动

它很荣幸被选上给1832抽奖

在抽奖箱里,有3个蓝球,12个红球

paper mouse能抽3次

蒟蒻的paper mouse就疑惑了:抽到至少1个蓝球的概率是多少???

Answer:

总共有15个球

只抽到1个蓝球的概率是\frac{C_{3}^{1}*C_{12}^{2}}{C_{15}^{3}}\approx0.435165(很好理解吧,在4个蓝球里取一个,再在11个红球里面取3个,总共是在15个里面取4个)

抽到2个蓝球的概率是\frac{C_{3}^{2}*C_{12}^{1}}{C_{15}^{3}}\approx0.079121

抽到3个蓝球的概率是\frac{C_{3}^{3}*C_{12}^{0}}{C_{15}^{3}}\approx0.002198

所以总概率就是三者之和,即0.435165+0.079121+0.002198=0.516484\approx\frac{129}{250}

我们也可以反过来分析:如果paper mouse运气爆棚,一个蓝球都没有抽到

那么其对立事件就一定会有至少一个蓝球

所以概率就是:1-\frac{C_{12}^{3}}{C_{15}^{3}}\approx1-0.483516=0.516484\approx\frac{129}{250}

也就是说,paper mouse有接近\frac{1}{2}的概率给心爱的1832送上礼物······

概率

概率就是随机事件出现的可能性大小

For example,上面的故事里就涉及到概率

若某种事件重复了N次,其中A事件出现了M次,出现A事件的概率就是\frac{M}{N}

同时,0\leq \frac{M}{N}\leq 1,用P()表示

即:P(A)=\frac{M}{N}

1.1 条件概率与全概率

条件概率公式:

如果事件A发生的概率为P(A),事件B单独发生的概率为P(b)

若B必须在A发生之后发生,则B发生的概率就是条件概率,P(B)=P(A|b)=\frac{P(AB)}{P(b)}

(是不是还比较好理解?真正shit的才刚刚开始)

全概率公式:

如果事件 B1, B2,⋯, Bn 构成一个完整的样本空间,且两两互斥,P(Bi) > 0。 则对于任意事件 A 有:P(A)=\sum_{i=1}^{n}P(A|B_i)P(B_i),这就是全概率公式

思想就是:P(A)不是很好求,但是把P(A)拆开计算P(A|Bi)P(Bi)就相对好算一些

举个例子:

paper mouse去表白1832了
他每次写情书,1832都有0.5的概率看见
而第一次看见,1832有0.2的概率同意他
第二次看见时,1832有0.5的概率同意他
第三次看见时,1832一定会同意他的请求 

求paper mouse获得1832爱情的概率

通过全概率公式:

事件A是paper mouse陷入爱河

事件集合B是:B={B_0,B_1,B_2,B_3},B_i表示paper mouse表白了i次

P(A)=P(AB_0)+P(AB_1)+P(AB_2)+P(AB_3)

            = P(A|B_0)P(B_0) + P(A|B_1)P(B_1) + P(A|B_2)P(B_2)+ P(A|B_3)P(B_3)

            =0+C_{3}^{1}*0.5^{3}*0.2+C_{3}^{2}*0.5^{3}*0.5+C_{3}^{3}*0.5^{3}*1

            =0.3875

所以paper mouse表白成功的概率高达0.3!(喜)

期望

炸裂的东西来了

先看看期望的定义

1.1 期望定义

如果随机变量只取得有限个值或无穷能按一定次序一一列出,其值域为一个或若干个有限或无限区间,这样的随 机变量称为离散型随机变量。

离散型随机变量的一切可能的取值 Xi 与对应的概率 P(Xi) 乘积之和称为该离散型随机变量的数学期望,记为 E(X) ,简称期望。

怎么样?是不是蛮有意思的?

换一种通俗但不精确的方式阐述一下(涉及下定义内容,非xxs请谨慎观看):

期望就是    某件事发生的概率集合中的每一个数    对其对应值的乘积    的和

一个普通骰子,众所周知有六面,对应1~6

每一面转到的概率就是 \frac{1}{6},所以:

E(X)=\frac{1}{6}*1+\frac{1}{6}*2+\frac{1}{6}*3+\frac{1}{6}*4+\frac{1}{6}*5+\frac{1}{6}*6

            =\frac{1}{6}*(1+2+3+4+5+6)

            =3.5

所以也可以这么说:

数学期望可以理解为某件事情大量发生之后的平均结果。

来个难点的:

设一张彩票为 2 元,每售 100000 张开奖,假每张彩票有一个对应的六位数号码,奖次如下:

  • 安慰奖:奖励 4 元,中奖概率0.1
  • 幸运奖:奖励 20 元,中奖概率 0.01
  • 手气奖:奖励 200 元,中奖概率 0.001
  • 一等奖:奖励 2000 元,中奖概率 0.0001
  • 特等奖:奖励 20000 元,中奖概率 0.00001

那公司到底是亏还是赚呢?

我们来简单计算一下,对于每一位购买彩票的用户,公司可能支出为: 

0.14+0.01*20+0.001*200+0.0001*2000+0.00001*20000=1.2

所以公司期望赚0.8元

1.2 期望的线性性质

设 X, Y 是任意两个随机变量,则有

  • E(X + Y ) = E(X) + E(Y )
  • E(aX + bY ) = aE(X) + bE(Y ) 

证明略

再举个栗子:

同时仍一颗骰子的期望为3.5

同时扔两颗骰子的概率是3.5+3.5=7

1.3 条件期望与全期望公式

一个经典xxs的题:

A班平均分为x分,B班平均分为y分

求A、B两个班的平均分

显而易见的:A、B班的平均分不能直接(x+y)/2

而是:(x*a+ y*b)/(x+y),其中a表示A班人数,b表示B班人数

期望也差不多。

友好的看一下全期望公式:

设 X 是一个离散型随机变量, 当 X = xi 时,随机变量 Y 可能包含多种情况 y1, y2,⋯, yk,随机变量 Y 的条件 数学期望为:

E(Y|X=x_i)=\sum ^{k}_{j=1}y_j × P(Y = y_j |X = x_i)

对于随机变量 X 有很多取值 x1, x2,⋯, xa,Y 有很多取值 y1, y2,⋯, yb。

全期望公式:

E(Y)=E(E(Y|X))

            =\sum ^{a}_{i=1}P(X = x_i)E(Y|X = x_i)

            = \sum^{a}_{i=1}P(X=x_i)\sum^{b}_{j=1}y_j*P(Y=y_j|X=x_i)

            =\sum^{a}_{i=1}\sum^{b}_{j=1}y_j*P(X=xi)*P(Y= y_i|X=x_i)

            =\sum^{a}_{i=1}\sum^{b}_{j=1}y_j×P(X=x_i,Y=y_j)

            =E(Y)

例如,一项工作由甲一个人完成,平均需要 4 小时,而乙有 0.4 的概率来帮忙,两个人完成平均只需要 3 小时。

若用 X 表示完成这项工作的人数,而 Y 表示完成的这项工作的期望时间(单位小时)

由于这项工作要么由一 个人完成, 要么由两个人完成,那么这项工作完成的期望时间

E(Y)=P(X=1)*E(Y|X=1)+P(X=2)*E(Y|X=2)=(1-0.4)*4-0.4*3=3.6​​​​​​​

(例题下次更新)

相关文章:

[算法学习笔记](超全)概率与期望

引子 先来讲个故事 话说在神奇的OI大陆上,有一只paper mouse 有一天,它去商场购物,正好是11.11,商店有活动 它很荣幸被选上给1832抽奖 在抽奖箱里,有3个篮蓝球,12个红球 paper mouse能抽3次 蒟蒻的p…...

SpringCloud相关

文章目录 Gateway动态路由灰度策略 FeignRibbon SpringCloud五大组件分别对应(1)服务注册与发现(2)客服端负载均衡(3)断路器(4)服务网关(5)分布式配置 Gatewa…...

在 Linux 和 Windows 系统下查看 CUDA 和 cuDNN 版本的方法,包括使用 nvcc 命令

一直都比较头疼cuda与cudnn版本查看问题,两个系统不一样也不好查看,命令不通用 Linux 查看 CUDA 版本 方法一: nvcc --version或 nvcc -V如果 nvcc 没有安装,那么用方法二。 方法二: 去安装目录下查看&#xff…...

4.10每日一题(二元函数极值相关重要性质,反复学习)

...

idea项目中java类名出现带 j 小红点,如何解决?

目录 一、问题描述 二、问题解决方案 1、寻找异常问题 2、解决方案 2.1常规操作方法 2.2 快速操作方法 一、问题描述 一打开idea的java项目,发现所有的文件边上都有带J的大红点 虽然,在 git bash 中进行编译时无异常。 但是视觉上给人的感受就是…...

生产环境_移动目标轨迹压缩应用和算法处理-Douglas-Peucker轨迹压缩算法

场景: 我目前设计到的场景是:即在地图应用中,对GPS轨迹数据进行压缩,减少数据传输和存储开销,因为轨迹点太频繁了,占用空间太大,运行节点太慢了,经过小组讨论需要上这个算法&#x…...

HINSTANCE是什么?

HINSTANCE 就是 HMODULE:...

uniapp小程序定位;解决调试可以,发布不行的问题

遇见这个问题;一般情况就两种 1、域名配置问题; 2、隐私协议问题 当然,如果你的微信小程序定位接口没开启;定位也会有问题; 第一种,小程序一般是腾讯地图;所以一般都会用https://apis.map.qq.co…...

C++学习 --pair

目录 1, 什么是pair 2, 创建pair 2-1, 标准数据类型 2-2, 自定义数据类型 3, 查询元素 3-1, 标准数据类型 3-2, 自定义数据类型 1, 什么是pair 数据以键值对形式存放的容器&…...

Android Frgment中onActivityResult无效的问题

前言 最近在fragment中使用二维码扫描 发现拿不到onActivityResult返回 查了资料说是启动模式 或者是返回值为负数 断点调试 发现根本没走onActivityResult方法 问题 onActivityResult 在附属Activity中被拦截了 所以没有触发该方法 解决 在Fragment所依赖的Activity中执…...

【C#二开业务冠邑】通过界面查看数据来源

前言 重构框架(CS【C#】转BS【Java】)时,突然发现公司的代码和数据库,有部分都没有写注释,嘎嘎,这不非常影响开发效率,于是乎,开始帮公司整理表结构和数据来源,也从而加…...

使用大语言模型 LLM 做文本分析

本文主要分享 传统聚类算法 LLM与嵌入算法 嵌入算法聚类 LLM的其他用法 聚类是一种无监督机器学习技术,旨在根据相似的数据点的特征将其分组在一起。使用聚类成簇,有助于解决各种问题,例如客户细分、异常检测和文本分类等。尽管传统的聚…...

Windows本地搭建rtmp推流服务

前言 开发时偶尔需要使用rtmp直播流做视频流测试,苦于网上开源的rtmp视频流都已经失效,无奈只好尝试在本地自己搭建一个rtmp的推流服务,方便测试使用。 一、工具准备 Nginx:使用nginx-rtmp-win64推流工具FFmpeg:官方…...

机器学习二元分类 二元交叉熵 二元分类例子

二元交叉熵损失函数 深度学习中的二元分类损失函数通常采用二元交叉熵(Binary Cross-Entropy)作为损失函数。 二元交叉熵损失函数的基本公式是: L(y, y_pred) -y * log(y_pred) - (1 - y) * log(1 - y_pred)其中,y是真实标签&…...

Postgresql运维信息(一)

1. 运维系统视图 PostgreSQL 提供了一系列系统视图和函数,可以用于获取数据库的运维统计信息。这些信息对于监控和优化数据库性能非常有用。以下是一些常用的 PostgreSQL 运维统计信息: 1.1. pg_stat_activity 这个系统视图包含了当前数据库连接的活动…...

Jupyter Notebook的下载安装与使用教程_Python数据分析与可视化

Jupyter Notebook的下载安装与使用 Jupyter简介下载与安装启动与创建NotebookJupyter基本操作 在计算机编程领域,有一个很强大的工具叫做Jupyter。它不仅是一个集成的开发环境,还是一个交互式文档平台。对于初学者来说,Jupyter提供了友好的界…...

快速入门:构建您的第一个 .NET Aspire 应用程序

##前言 云原生应用程序通常需要连接到各种服务,例如数据库、存储和缓存解决方案、消息传递提供商或其他 Web 服务。.NET Aspire 旨在简化这些类型服务之间的连接和配置。在本快速入门中,您将了解如何创建 .NET Aspire Starter 应用程序模板解决方案。 …...

主流开源大语言模型的微调方法

文章目录 模型ChatGLM2网址原生支持微调方式 ChatGLM3网址原生支持微调方式 Baichuan 2网址原生支持微调方式 Qwen网址原生支持微调方式 框架FireflyEfficient-Tuning-LLMsSuperAdapters 模型 ChatGLM2 网址 https://github.com/thudm/chatglm2-6b 原生支持微调方式 https…...

Django DRF权限组件

在Django的drf框架内的权限组件,如果遇到多个权限认证类,是需要所有的权限类都要通过验证,才能访问视图。 一、简单示例 1、per.py 自定义权限类 from rest_framework.permissions import BasePermission import randomclass MyPerssion(B…...

leetcode每日一题31

搜索旋转排序数组 那……二分法呗 数组中的数可以相同 比 33. 搜索旋转排序数组 多了一个「有重复元素」,导致无法根据 num > nums[0] 来判断 num 在哪一半,比如 [1,1,1,1,1,2,1,1,1] 旋转数组两头相等,元素 1 可能在左半边可能在右半边 …...

浅谈 React Hooks

React Hooks 是 React 16.8 引入的一组 API,用于在函数组件中使用 state 和其他 React 特性(例如生命周期方法、context 等)。Hooks 通过简洁的函数接口,解决了状态与 UI 的高度解耦,通过函数式编程范式实现更灵活 Rea…...

Cursor实现用excel数据填充word模版的方法

cursor主页:https://www.cursor.com/ 任务目标:把excel格式的数据里的单元格,按照某一个固定模版填充到word中 文章目录 注意事项逐步生成程序1. 确定格式2. 调试程序 注意事项 直接给一个excel文件和最终呈现的word文件的示例,…...

Flask RESTful 示例

目录 1. 环境准备2. 安装依赖3. 修改main.py4. 运行应用5. API使用示例获取所有任务获取单个任务创建新任务更新任务删除任务 中文乱码问题: 下面创建一个简单的Flask RESTful API示例。首先,我们需要创建环境,安装必要的依赖,然后…...

stm32G473的flash模式是单bank还是双bank?

今天突然有人stm32G473的flash模式是单bank还是双bank?由于时间太久,我真忘记了。搜搜发现,还真有人和我一样。见下面的链接:https://shequ.stmicroelectronics.cn/forum.php?modviewthread&tid644563 根据STM32G4系列参考手…...

智慧工地云平台源码,基于微服务架构+Java+Spring Cloud +UniApp +MySql

智慧工地管理云平台系统,智慧工地全套源码,java版智慧工地源码,支持PC端、大屏端、移动端。 智慧工地聚焦建筑行业的市场需求,提供“平台网络终端”的整体解决方案,提供劳务管理、视频管理、智能监测、绿色施工、安全管…...

微信小程序 - 手机震动

一、界面 <button type"primary" bindtap"shortVibrate">短震动</button> <button type"primary" bindtap"longVibrate">长震动</button> 二、js逻辑代码 注&#xff1a;文档 https://developers.weixin.qq…...

QT3D学习笔记——圆台、圆锥

类名作用Qt3DWindow3D渲染窗口容器QEntity场景中的实体&#xff08;对象或容器&#xff09;QCamera控制观察视角QPointLight点光源QConeMesh圆锥几何网格QTransform控制实体的位置/旋转/缩放QPhongMaterialPhong光照材质&#xff08;定义颜色、反光等&#xff09;QFirstPersonC…...

并发编程 - go版

1.并发编程基础概念 进程和线程 A. 进程是程序在操作系统中的一次执行过程&#xff0c;系统进行资源分配和调度的一个独立单位。B. 线程是进程的一个执行实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位。C.一个进程可以创建和撤销多个线程;同一个进程中…...

Kubernetes 网络模型深度解析:Pod IP 与 Service 的负载均衡机制,Service到底是什么?

Pod IP 的本质与特性 Pod IP 的定位 纯端点地址&#xff1a;Pod IP 是分配给 Pod 网络命名空间的真实 IP 地址&#xff08;如 10.244.1.2&#xff09;无特殊名称&#xff1a;在 Kubernetes 中&#xff0c;它通常被称为 “Pod IP” 或 “容器 IP”生命周期&#xff1a;与 Pod …...

云原生周刊:k0s 成为 CNCF 沙箱项目

开源项目推荐 HAMi HAMi&#xff08;原名 k8s‑vGPU‑scheduler&#xff09;是一款 CNCF Sandbox 级别的开源 K8s 中间件&#xff0c;通过虚拟化 GPU/NPU 等异构设备并支持内存、计算核心时间片隔离及共享调度&#xff0c;为容器提供统一接口&#xff0c;实现细粒度资源配额…...