UA MATH564 概率论 QE练习题 信封问题
UA MATH564 概率論 QE練習題 信封問題
- 2015年1月的第二題
- 2015年5月的第一題
這一篇介紹QE理論中出現了兩個信封問題相關的題目:2015年1月的第二題和2015年5月的第一題。信封問題最原始的設定是有nnn個信封和nnn個信件,把nnn個信件隨機裝入nnn個信封中。關于這個問題有個非常重要的結論,用PmP_mPm?表示恰好有mmm個信件被放入了正確的信封的概率,則
Pm=1m!∑j=0n?m(?1)jj!P_m = \frac{1}{m!}\sum_{j=0}^{n-m} \frac{(-1)^j}{j!}Pm?=m!1?j=0∑n?m?j!(?1)j?
這個式子的推導也非常容易,根據Waring公式(參考UA MATH564 概率論 計算至少有一個發生的概率:Waring公式)
Pm=∑k=mn(?1)k?mCkmSkP_m= \sum_{k=m}^n (-1)^{k-m}C_k^mS_kPm?=k=m∑n?(?1)k?mCkm?Sk?
假設事件AiA_iAi?表示第iii個信件被裝在正確的信封中,則記號SkS_kSk?表示
Sk=∑1≤i1<i2<?<ik≤nP(Ai1∩Ai2∩?∩Aik)=Cnk(n?k)!n!=1k!S_k = \sum_{1 \le i_1 < i_2 < \cdots < i_k \le n} P(A_{i_1} \cap A_{i_2} \cap \cdots \cap A_{i_k}) = C_n^k \frac{(n-k)!}{n!} = \frac{1}{k!}Sk?=1≤i1?<i2?<?<ik?≤n∑?P(Ai1??∩Ai2??∩?∩Aik??)=Cnk?n!(n?k)!?=k!1?
這個概率的計算比較簡單,從nnn個信件中抽kkk個,這kkk個的位置是確定的,所以基本事件數目等于另外(n?k)(n-k)(n?k)個的全排列,基本事件總數等于nnn的全排列。因此
Pm=∑k=mn(?1)k?mCkmSk=∑k=mn(?1)k?mk!m!(k?m)!1k!=1m!∑j=0n?m(?1)jj!P_m= \sum_{k=m}^n (-1)^{k-m}C_k^mS_k = \sum_{k=m}^n (-1)^{k-m}\frac{k!}{m!(k-m)!}\frac{1}{k!} = \frac{1}{m!}\sum_{j=0}^{n-m} \frac{(-1)^j}{j!}Pm?=k=m∑n?(?1)k?mCkm?Sk?=k=m∑n?(?1)k?mm!(k?m)!k!?k!1?=m!1?j=0∑n?m?j!(?1)j?
2015年1月的第二題
Part a
這一問比較簡單,不限制每個袋子容納的球的數目,則基本事件總數為nnn^nnn,每個球都不在對應編號的袋子里的基本事件數目為(n?1)n(n-1)^n(n?1)n,因此概率為
nn?(n?1)nnn\frac{n^n - (n-1)^n}{n^n}nnnn?(n?1)n?
Part b
這一問就是典型的信封問題,每個袋子只能容納一個球,每個球都不在對應編號的袋子里的概率,根據信封問題的公式,就是
P0=∑j=0n(?1)jj!P_0 = \sum_{j=0}^{n} \frac{(-1)^j}{j!}P0?=j=0∑n?j!(?1)j?
但!考試的時候是不能這樣寫的。這里提供兩種推導的思路,分別從概率論與組合學的角度入手,概率論方法的核心是用示性函數的期望表示事件的概率,把復雜概率化歸為簡單概率計算;組合學方法的核心是容斥原理。
概率論方法
引入Bernoulli隨機變量XiX_iXi?,Xi=1X_i = 1Xi?=1表示編號為iii的球被放在對應編號的袋子中,則
P0=E[∏i=1n(1?Xi)]=E[1?∑i=1nXi+(?1)m∑1≤i1<?<im≤nXi1?Xim?+(?1)nX1?Xn]P_0 = E \left[ \prod_{i=1}^n (1-X_i) \right] \\= E \left[ 1- \sum_{i=1}^n X_i + (-1)^{m}\sum_{1 \le i_1 < \cdots < i_m \le n} X_{i_1}\cdots X_{i_m} \cdots +(-1)^n X_1\cdots X_n \right]P0?=E[i=1∏n?(1?Xi?)]=E[1?i=1∑n?Xi?+(?1)m1≤i1?<?<im?≤n∑?Xi1???Xim???+(?1)nX1??Xn?]
假設事件AiA_iAi?表示編號為iii的球被裝在對應編號的袋子中
E[Xi1?Xim]=P(Ai1∩Ai2∩?∩Aim)=(n?m)!n!E[X_{i_1}\cdots X_{i_m}] = P(A_{i_1} \cap A_{i_2} \cap \cdots \cap A_{i_m}) = \frac{(n-m)!}{n!}E[Xi1???Xim??]=P(Ai1??∩Ai2??∩?∩Aim??)=n!(n?m)!?
帶入可得
P0=∑j=0n(?1)jj!P_0 = \sum_{j=0}^{n} \frac{(-1)^j}{j!}P0?=j=0∑n?j!(?1)j?
組合學方法
沿用上述記號,根據容斥原理,至少有一個球在對應編號的袋子里的基本事件總數為
#?i=1nAi=∑i=1n#Ai+(?1)m+1∑1≤i1<?<im≤n#?j=1mAij+(?1)n+1#?i=1nAi\# \bigcup_{i=1}^n A_i = \sum_{i=1}^n \#A_i +(-1)^{m+1} \sum_{1 \le i_1 < \cdots < i_m \le n}\# \bigcap_{j=1}^m A_{i_j} + (-1)^{n+1}\#\bigcap_{i=1}^n A_{i} #i=1?n?Ai?=i=1∑n?#Ai?+(?1)m+11≤i1?<?<im?≤n∑?#j=1?m?Aij??+(?1)n+1#i=1?n?Ai?
其中
#?j=1mAij=(n?m)!\# \bigcap_{j=1}^m A_{i_j} = (n-m)!#j=1?m?Aij??=(n?m)!
基本事件總數為n!n!n!,因此概率為
P0=n!?#?i=1nAin!=∑j=0n(?1)jj!P_0 = \frac{n! - \# \bigcup_{i=1}^n A_i}{n!} = \sum_{j=0}^{n} \frac{(-1)^j}{j!}P0?=n!n!?#?i=1n?Ai??=j=0∑n?j!(?1)j?
2015年5月的第一題
這道題其實就是對上一題中概率論方法定義的Bernoulli隨機變量的深入討論。注意到Xi~Ber(1/n)X_i \sim Ber(1/n)Xi?~Ber(1/n),因此
E[Xi2]=12×1n+02×n?1n=1nE[X_i^2] = 1^2 \times \frac{1}{n} + 0^2 \times \frac{n-1}{n} = \frac{1}{n}E[Xi2?]=12×n1?+02×nn?1?=n1?
XiXjX_iX_jXi?Xj?也服從Bernoulli分布,
P(XiXj=1)=P(Xi=1,Xj=1)=(n?2)!n!=1n(n?1)E[X1Xj]=1n(n?1)P(X_iX_j = 1) = P(X_i = 1,X_j = 1) = \frac{(n-2)!}{n!} = \frac{1}{n(n-1)} \\ E[X_1X_j] = \frac{1}{n(n-1)}P(Xi?Xj?=1)=P(Xi?=1,Xj?=1)=n!(n?2)!?=n(n?1)1?E[X1?Xj?]=n(n?1)1?
有了這兩個結論,剩下兩個計算就十分容易了
E[Sn2]=E(∑i=1nXi)2=∑i=1nEXi2+2∑1≤i<j≤nEXiXj=1+2×Cn21n(n?1)=2E[Sn]=∑i=1nEXi=1Var(Sn)=E[Sn2]?(E[Sn])2=1E[S_n^2] = E \left( \sum_{i=1}^n X_i \right)^2 = \sum_{i=1}^n EX_i^2 + 2\sum_{1 \le i < j \le n} EX_iX_j = 1 + 2 \times C_n^2 \frac{1}{n(n-1)} = 2 \\ E[S_n] = \sum_{i=1}^n EX_i = 1 \\ Var(S_n) = E[S_n^2] - (E[S_n])^2 = 1E[Sn2?]=E(i=1∑n?Xi?)2=i=1∑n?EXi2?+21≤i<j≤n∑?EXi?Xj?=1+2×Cn2?n(n?1)1?=2E[Sn?]=i=1∑n?EXi?=1Var(Sn?)=E[Sn2?]?(E[Sn?])2=1
總結
以上是生活随笔為你收集整理的UA MATH564 概率论 QE练习题 信封问题的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: UA MATH571A QE练习 R语言
- 下一篇: UA MATH571A QE练习 R语言