zoukankan      html  css  js  c++  java
  • 【概率】Uva 10900

    写完这题赶紧开新题...

    话说这题让我重新翻了概率论课本,果然突击完了接着还给老师了,毫无卵用。

    很多人拿这位大神的题解作引,在这我也分享给大家~

    对于其中的公式在这里做一点简要的说明。因为自己也是理解了一会儿才明白的。

    TIPs: 

    1、设d[i]为答对第i道题拥有奖金的期望值

    2、对于第i+1道题,我们可以有两种选择:答,不答;

    如果不答,那么奖金便到2i为止;

    如果答,答错的话,奖金当然为0;答对的话,奖金会变为P*d[i+1](这是一个期望值,也可以说是平均值,或者可以这样理解,选择答题的话获得奖金的期望=(1-P)*0 + P*d[i+1],答错没奖金,答对的话奖金当然就是它咯)

    现在问题来了,此处的P为答对第i+1题的概率,这个概率会是多少呢。

    首先我们考虑一个问题,什么情况下你会选择答题?

    还用想啊当然是答题的奖金期望比不答的多咯!这也就是:

    P*d[i+1] > 2i(注意此处答对第i+1题的奖金期望并不是2i+1)

    转化一下就是,这个P>2i/d[i+1]的时候,答对题目拿奖金的概率就会比较大,我们会选择答题;

    令ep=2i/d[i+1],考虑tmp的范围:

    当ep<t时,因为选手答对题的概率在(t,1)间均匀分布,所以选手答对题目的概率会很大,那么我们会让选手答题,答题的概率为(1-max(t,ep))/(1-t);

    当ep>t时,选手答对与答错的判断不确定,选择答题的概率为(1-max(t,ep))/(1-t);

    注意此处的max(t,ep),如果ep<t的话答题的概率为(1-t)/(1-t);而如果ep>t,根据均匀分布的分布函数我们可以知道答题的概率为(1-ep)/(1-t),故可以化为一个式子(1-max(t,ep))/(1-t);

    而之前讨论的答对题目的概率P,因为ep<P<1,根据均匀分布的数学期望可知EP=(1+ep)/2; 

    3、那么我们现在可以求答对第i题后奖金的期望值d[i]了:

    我们选择不答的概率为(ep-t)/(1-t),此时拿奖金2i

    我们选择答题的概率为(1-ep)/(1-t),此时拿奖金(1+ep)/2 * d[i+1];

    故d[i]=(ep-t)/(1-t) * 2i + (1-ep)/(1-t) * ((1+ep)/2*d[i+1]);

    4、这题需要逆推,一共i道题,那么d[i]=2i

    最后求d[0]即可。

    代码就不附了吧...

  • 相关阅读:
    MCV 和 MTV框架基本信息
    Django的一些操作与视图函数
    Django模板渲染
    python--jQuery
    MEF初体验之五:Lazy Exports
    MEF初体验之四:Imports声明
    MEF初体验之三:Exports声明
    MEF初体验之二:定义组合部件和契约
    MEF初体验之一:在应用程序宿主MEF
    WPF学习(12)动画
  • 原文地址:https://www.cnblogs.com/LLGemini/p/4639262.html
Copyright © 2011-2022 走看看