Skip to content

Homework 1

Syllabus

略.

Balls & Bins

将 balls 和 bins 视为 distinguishable.

考虑每个 ball 被扔进哪个 bin 中, 则样本空间 \(\Omega = \{1, 2, \dots, n\}^{n}\).

假设第 \(k\) 个 bin 是空的, 那么就是将 \(n\) 个 ball 扔进 \(n-1\) 个 bin 中并且每个 bin 都不为空, 方案数为 \(\frac{{n-1 \choose 1}{n \choose 1}(n-1)!}{2!}=\frac{n!(n-1)}{2}\). 然后乘上选出空 bin 的方案数, 总的方案数为 \(\frac{n!n(n-1)}{2}\).

假设事件 \(A\) 表示恰好一个 bin 是空的, 那么我们有

\[\Pr(A)=\frac{\frac{n!n(n-1)}{2}}{n^n}=\frac{n!(n-1)}{2n^{n-1}}=\frac{n!{n \choose 2}}{n^n}\]

如果我们将 balls 视为 indistinguishable 而 bins 视为 distinguishable, 那么求解过程可以转化为 \(x_{1}+x_{2}+\cdots+x_{n}=n\) 的正/非负整数解的方案数了.

Coin Flipping and Symmetry

脑子瓦特了一直在想反过来的事件 more than \(\to\) less than, 然后发现中间缺了个 equal to 不好解决.

这里要反过来的是 head \(\to\) tail. 令事件 \(A=\{\text{more heads in the first }n+1\text{ tosses than the last }n\text{ tosses}\}\), 事件 \(B=\{\text{more tails in the first }n+1\text{ tosses than the last }n\text{ tosses}\}\), 事实上, \(B\) 等价于 "more heads in the last \(n\) tosses than the first \(n+1\) tosses", 然后会发现由于 \(n+1 \not= n\) 所以不可能存在中间情况"heads & tails in the first \(n+1\) tosses equal to the last \(n\) tosses respectively", 也就是说 \(\Omega=A\cup B\), 而 \(A, B\) 又构成对称, 因此 \(\Pr(A)=\Pr(B)=\frac{1}{2}\).

Superhero Basketball

首先我们应该思考事件 "CA was always strictly ahead of S (\(A\))" 的反事件应该是什么, 显然是要么 "S was always strictly ahead of CA" 要么是中间某一个时刻打成了平局, 从结果上看第一种情况是不可能发生的, 那么反事件即 "中间某一时间打成了平局 (\(T\))".

不难发现, 如果 Superman 拿下了第 1 分, 这种情况必然属于事件 \(T\), 而 CA 拿下第 1 分则同时与事件 \(A, T\) 存在交集. 记事件 \(S, C\) 分别表示 S 和 CA 拿下第 1 分, 那么事件 \(T=S\cup(C\cap T)\).

考察 \(C \cap T\), 在前面平局的得分序列中, 将 CA 的得分与 S 的得分互换, 可以发现所有方案与 \(S \cap T\) 的平局得分序列的方案一模一样, 而后面的非平局得分序列与 \(C \cap T, S \cap T\) 都无关, 因此 \(C \cap T\) 实际和 \(S \cap T\) 是对称的, 即 \(\Pr(C \cap T)=\Pr(S \cap T)\).

于是我们有

\[ \begin{align} \Pr(A) &= 1-\Pr(T) \\ &= 1-(\Pr(S)+\Pr(C\cap T)) \\ &= 1-(\Pr(S)+\Pr(S \cap T)) \\ &= 1-2\Pr(S) \end{align} \]

容易求出 \(\Pr(S)=\frac{{n+m-1\choose n}}{{n+m \choose n}}=\frac{m}{m+n}\), 因此最后求得 \(\Pr(A)=1-\frac{2m}{m+n}=\frac{n-m}{n+m}\).

Note

This is yet another famous problem known as the ballot problem.

Expanding the NBA

令事件 \(B_{i}=\{\text{i-th city is the best}\}, A = \{\text{best city is chosen}\}\).

\(i=1, \dots, m\) 时, 显然 \(\Pr(A \mid B_{i})=0\).

\(i>m\) 时, 考虑 \(\Pr(\bar{A} \mid B_{i})\). 由于最好的城市没有被选上, 这说明必然存在 \(j < i\) 使得第 \(j\) 的城市优于前 \(j-1\) 个城市且这 \(j-1\) 个城市中没有类似存在的城市. 这样直接思考比较麻烦, 既然前 \(i\) 个城市中最好的那个没被选上, 我们不妨考虑一下第 2 好的那个.

假设前 \(i\) 个城市中第二好的城市位于 \(k\).

  • \(k\leq m\): 此时必然会选择最好的城市
  • \(m < k < i\): 第二好的城市不一定被选上, 但是最好的城市一定不会被选上

这时情况清楚了, 当且仅当 \(m<k<i\) 时最好的城市不会被选上.

于是有 \(\Pr(\bar{A} \mid B_{i})=\frac{i-m-1}{i-1}\), 因此 \(\Pr(A \mid B_{i})=1-\frac{i-m-1}{i-1}=\frac{m}{i-1}\).

由于 \(\Pr(B_{i})=\frac{1}{N}\), 所以有

\[ \begin{align} \Pr(A) &= \sum_{i=m+1}^{N} \Pr(A \mid B_{i}) \Pr(B_{i}) \\ &= \frac{m}{N} \sum_{i=m+1}^{N} \frac{1}{i-1} \\ &\approx \frac{m}{N} (\ln N - \ln m) \\ &= -\frac{m}{N}\ln \frac{m}{N}. \end{align} \]

\(x=\frac{m}{N}\), 于是 \(\Pr(A)\approx -x\ln x\), 它的最大值在 \(x=\frac{1}{\epsilon}\) 时取到, 为 \(\frac{1}{\epsilon}\).

Note

This problem is a famous example from optimal stopping theory and is commonly known as the secretary problem.

In fact, one may use a dynamic programming approach to see why the policy outlined here is in fact the optimal policy. If you are interested, the details of such an approach can be found in Dynamic Programming and the Secretary Problem by Beckmann.

Passengers on a Plane

经典错排问题, 这里要求用容斥原理解决.

略.

Upperclassmen

简单的条件概率题, 略.


Comments