Este es un ejemplo del problema del colector de cupones. Puede consultar mi respuesta a una pregunta similar aquí. Si tengo una aplicación que muestra una imagen aleatoria de 10, ¿con qué frecuencia debo iniciar la aplicación, en promedio, para ver las 10 imágenes?
Para [matemáticas] n [/ matemáticas], la respuesta es
[matemáticas] n. H_n [/ math] donde [math] H_n [/ math] denota [math] \ sum \ limits_ {i = 1} ^ n \ dfrac {1} {i} [/ math]
Entonces, para [math] 100 [/ math] maní, obtenemos [math] 518.73 [/ math]
Requisitos previos para comprender la siguiente prueba
1) Indicador de variables aleatorias
2) Linealidad de expectativa
3) distribución geométrica
Si desea avanzar desde lo básico, considere la siguiente prueba de la fórmula dada anteriormente. Deje que [math] X_i [/ math] sea la variable aleatoria que cuenta el número de cupones que tenemos que elegir antes de ver un documento previamente desconocido donde [math] i [/ math] denota el número de cupones vistos hasta ahora.
- ¿Alguien puede hacer un poco para este rompecabezas?
- ¿Cuál es la forma más rápida de completar un rompecabezas de 1000 piezas?
- ¿Cuál es la respuesta a este rompecabezas: amazedbypuzzles.blogspot.in?
- ¿Cuál es la solución a este rompecabezas, apodado el rompecabezas más difícil de la historia?
- Mientras se programa un generador de Sudoku, ¿cuál es la mejor lógica o algoritmo para verificar que el rompecabezas de Sudoku creado es un verdadero Sudoku?
Intuitivamente, [math] X_0 = 1 [/ math] porque como todavía no hemos visto ningún cupón, definitivamente veremos un cupón único la primera vez que recojamos un cupón. Ahora, observe que todas las demás variables aleatorias [matemáticas] X_ i [/ matemáticas] para [matemáticas] 1 \ leq i \ leq n [/ matemáticas] son variables aleatorias geométricas con probabilidad de éxito [matemáticas] p = \ dfrac {n – i} {n} [/ math] porque seguimos recogiendo cupones hasta que vemos uno único. Para cada una de estas pruebas, la probabilidad de ver un cupón único es, como se discutió anteriormente, [matemática] p = \ dfrac {n – i} {n} [/ matemática]. El valor esperado de una variable aleatoria geométrica es [matemática] E [X_i] = \ dfrac {1} {p} = \ dfrac {n} {n – i} [/ matemática]
Necesitamos sumar estos valores para todos [math] 0 \ leq i \ leq (n – 1) [/ math]
Por lo tanto, obtenemos [matemáticas] \ suma \ límites_ {i = 0} ^ {n – 1} \ dfrac {n} {n – i} [/ matemáticas]
Como [math] n [/ math] es una constante, podemos llevarlo fuera de la suma [math] n \ cdot \ sum \ limits_ {i = 0} ^ {n – 1} \ dfrac {1} {n – i } [/matemáticas]
Ahora, la suma es equivalente a [math] \ sum \ limits_ {i = 1} ^ {n} \ dfrac {1} {i} [/ math] y, por lo tanto, tenemos la respuesta final igual a [math] n \ cdot \ sum \ limits_ {i = 1} ^ {n} \ dfrac {1} {i} [/ math]