標籤:

Random遊戲的期望次數分析

遊戲規則:首先取一個上界x(一般取x=1e9),然後在計算器上不斷取x=random(0,x),直到x=0。在這個過程中調用random次數多的人獲勝。

由於要分析期望次數,可假設計算器每次都在[0,x]間取一真隨機數。

分析過程:如我們假設,對於某一初始值x,其期望次數為ax 我們會得到這樣的關係:a_{n}=sum_{x=0}^{n}{frac{a_{x}+1}{n+1} }  (由於我們知道,調用random(0,n),會以frac{1}{n+1} 的概率產生(0,n)間的每個數,因此每個期望的概率要除以(n+1),至於分子上的這個+1,是因為為達此狀態已進行了一步操作)。另外,a_{0} 顯然等於0(此處補充:有人計算出a_{n} =1+sum_{x=1}^{n}{frac{1}{x} } ,zhszhzh,無法在O(1)時間內進行求和)。

將上式進一步化簡,若令S_{n}= sum_{x=0}^{n}{a_{n}} ,則可化簡為nS_{n}=(n+1)(S_{n-1}+1),在此以後我們就可以以O(n)的時間複雜度計算出a_{n}(a_{n}=S_{n}-S_{n-1})。

另外,如果列舉一些結果:

很容易發現,當n>10000後,兩項間的差距總為2.3026(即為In10)。這表示可以將其擬合為一個對數函數。經過計算,得到f(n)=In(n)+1.5772。此函數在n>10000時可以擬合的很好,但n若較小則會有較大偏差。

另外,關於上界x取n時的概率分布,依然可以這樣遞推地構造。若令f(n)為上界取n時的概率圖像,且假設我們已知道f(0),f(1),f(2)……,f(n-1),則f(n)的圖像可以這麼構造:

①將f(0),f(1),f(2)……,f(n-1)的圖像縱坐標除以(n+1),並向右平移一。

②將n個圖像合成為一個總圖像。

③將總圖像無限進行如下操作:

①縱坐標除以(n+1)

②向右平移一

以上。

推薦閱讀:

各種空間
#fight math# 概率論學習心得
論風險:概率論還是決定論
語料庫語言學基礎知識:概率論2(連續變數、聯合分布)

TAG:數學 | 概率論 |