随机变量学习笔记.pdfVIP

随机变量学习笔记 概率密度函数和累积分布函数 对于随机变量X ，⽤概率密度函数f(x) 描述它的取值分布，累积分布函数F(x) 为概率密度函数的前缀积分。即： F(x)=P(X \leq x) F(x)=\int_{-\infty}^x f(x)dx,f(x)=F(x) 注意f(x) \neq P(X=x)，因 P(X=x)=0。 当a \leq X \leq b 时，可以⽤f(x) 来描述X 的期望： E(x)=\int_a^bxf(x)dx 由于f(x) 难以直接计算，通常⽤F(x) 来表⽰。 假设k \geq 0，则有： \begin{aligned} \int_0^k xf(x)dx =\int_0^k \int_0^x f(x) dy dx\\ =\int_0^k \int_y^k f(x) dx dy\\ =\int_0^k F(k)-F(y) dy\\ =kF(k)-\int_0^ F(x) dx\\ \end{aligned} 当0 \leq a \leq b 时，有： \int_a^b xf(x)dx=bF(b)-aF(a)-\int_a^b F(x) dx 计算时通常都会将整个值域计算到，可以简化为： \int_a^b xf(x)dx=b-\int_a^b F(x) dx=a+\int_a^b (1-F(x)) dx 问题 1 (ABC226H Random Kth Max) 有N 个随机变量，第i 个随机变量在[L_i,R_i] 间等概率随机取值，求随机变量中第K ⼤的期望。 钦定x ，算P(X \leq x)。 第 ⼤\leq x ，等价于恰好有t 个\geq x ，其中t 。 先对N 个区间离散化，对每⼀段算出累积分布函数的表达式再积分即可。 具体⽽⾔，设当前计算区间 (l,r)，第i 个随机变量区间对应的⽣成函数为： F_i(x,y)= \begin{cases} y,L_i \geq r\\ 1,R_i \leq l\\ (x-L_i)+(R_i-x)y,L_i \leq l \wedge R_i \geq r \end{cases} 维护⼀个⽀持删除的背包即可。 总共修改次数 O(N)，每次修改复杂度 O(NK)，故总复杂度 O(N^2K)。 问题 2 (CF1153F Serval and Bonus Problem) 在长度 l 的线段上随机取n 个区间，求被⾄少 个区间覆盖的长度期望。 显然每个位置独⽴，考虑钦定算位置x 被⾄少 个区间覆盖的概率。 ⾄少不好算，改成恰好。 \begin{aligned} Ans =\int_0^l \dbinom{n}{k} (2 \dfrac{x}{l} \dfrac{l-x}{l})^k (1-2\dfrac{x}{l} \dfrac{l-x}{l})^{n-k} dx\\ =\dbinom{n}{k} l \int_0^1 [2x (1-x)]^k [1-2x(1-x)]^{n-k} dx\\ \end{aligned} 接下来把后⾯这东西化成 Beta 函数公式的形式，所以(1-x) 不要拆开。 令t=2x(1-x)。 \begin{aligned} Ans =\dbinom{n}{k} l \int_0^1 t^k (1-t)^{n-k} dx\\ =\dbinom{n}{k} l \int_0^1 \sum\limits_{i=0}^{n-k} \dbinom{n-k}{i} (- 1)^it^{i+k} dx\\ =\dbinom{n}{k} l \int_0^1 \sum\limits_{i=0}^{n-k} \dbinom{n-k}{i} (-1)^i 2^{i+k} x^{i+k}(1-x)^{i+k} dx\\ =\dbinom{n}{k} l \sum\limits_{i=0}^{n-k} \dbinom{n-k}{i} (-1)^i 2^{i+k} \int_0^1 x^{i+k}(1-x)^{i+k} dx\\ =\dbinom{n}{k} l \sum\limits_{i=0}^{n-k} \dbinom{n-k}{i} (- 1)^i 2^{i+k} \dfrac{(i+k)!^2}{(2i+2k+1)!}\\ \end{aligned} 对每个 算出来后求和即可。 可以卷积优化，O(n \log n)。 问题 3 (P6130 随机红包) 在长度为 的线段上随机取n-