概率面_七月算法出品导论.pptVIP

概率相关面试题精讲 七月算法 曹鹏 2015年5月7日 */22 提纲 简介 题外话 面试题总体分析 一些例题 例1 关于独立的理解 例2 构造随机数发生器 例3 不均匀随机数发生器构造均匀 例4 随机变量的和 例5 水库采样 例6 随机排列产生——random_shuffle 例7 带权采样问题 总结 简介 概率 对“独立”事件的理解 古典概率 （计数、除法） 条件概率 期望 随机数产生和利用 （采样）＊ */22 题外话 随机数 随机数生成并不容易 “随机性”和“不可预测性” 固定m，自然数n % m 是“均匀”的，具有一定随机性，但密码学不采用它 一般假设已有一个均匀的随机数生成器 期望的计算 一般转化为方程组 E(A) = E(A1) * p1 + E(A2) * P2 +…+1 */22 面试题总体分析 概率 （简单） 概率、期望的计算： 笔试 随机数 产生：笔试、面试 利用：采样 相关算法 （快排） 面试 */22 例1 关于独立的理解 例1 X1,X2,都是二元随机变量，取值0和1的概率各一半，则X3＝ X1 xor X2,它与X1、X2独立。 分析： 枚举, {000,011,101,110},可见X1＝0，1时各有一半情况X3=0,1。反直觉？ 关于独立： 用定义P(A∩B） ＝ P(A) * P(B) */22 例2 构造随机数发生器 例2 假设一个随机数发生器rand7均匀产生1到7之间的随机整数，如何构造rand10，均匀产生1-10之间的随机整数？ 分析：关键在于，不想要的数可以扔，要保证“等概率”。 方法1 （笨方法） 1-7之间有4个奇数，3个偶数，我们扔掉一个奇数,比如7，这样剩余3个奇数，3个偶数产生的概率相同——我们构造了一个0-1整数的均匀产生器，用它产生4个bit，对应表示整数0..15, 保留1..10就可以了。 */22 例2 续 代码 */22 例2 续2 方法2 （聪明一点） 使用“七进制” ： 我们把1-7减去1，变为0-6。产生一个两位的七进制数，对应0-48，我们把40-48扔掉（因为这只有9个数），其余按照个位数字分类，0-9对应我们要的1-10。 */22 例2 续3 关键问题 保证均匀，才能扔掉。 rand2() + rand2() – 1并不是均匀的1-3 1和3的概率是1/4, 2的概率是1/2 分析： 一个实验成功的概率是p,则不断实验直到一次成功的期望次数是1/p p * 1 + (1 – p) * (x + 1) = x 请计算方法1和2的期望循环次数 112/15和49/20 */22 例3 不均匀随机数发生器构造均匀 例3 一个随机数发生器，不均匀，以概率p产生0，以(1-p)产生1， (0p1),构造一个均匀的随机数发生器 （算法导论） 分析： 产生两次，(0,1)的概率与(1,0)的概率相同都是p * (1 – p)。 */22 例4 随机变量的和 例4 （笔试题） 实数随机变量x和y分别在[0,a]与[0,b]之间均匀分布（a和b是给定的实数），再给一个实数z,问x + y = z的概率？ 分析x和y分布是一个矩形，求直线x + y = z下边在矩形内的面积与矩形本身的面积比。 */22 例5 水库（Reservoir）采样 例5 流入若干个对象（整数），事先不知道个数。如何随机取出k个 （k小于总数）？ 算法：用一个数组a保存k个数 a[0..k -1] 对于第i个元素(i = 1,2,…) 如果i = k： 则a[i -1]存放这个元素 否则：产生随机数x = rand() % i 若x k,则用a[x]存放这个元素（扔掉之前的元素） */22 例5 续 算法优点 不需要预先知道元素个数（可以一个一个流入） 证明，假设目前已经流入n k个元素， 第i( i = k)个元素被选中的可能性 1 * k / (k + 1) * (k + 1) / (k + 2) *…*(n -1) / n = k / n 第i (i k)个元素被选中的可能性 k / i * i / (i + 1) * (i + 1) / (i + 2) *…* (n – 1) / n = k / n */22 例5 续 思考与扩展 k == 1的特殊性 一个若干行的大文件，随机选择一行 一个不知道长度的链表，随机选择一个或者多个元素 带权采样——如果每个元素权重不同，如何办？ 见例7 */22 例6 随机排列产生——random_shuffle 例6 用数组a[0..n -1]随机产生一个全排列 方法1—— 一般不符合要求 产生一个[1,n!]的