目录

• 1. 前言
• 2. 定义
• 3. 理解
• 4. 期望方程
• 5. 总结

1. 前言

概率我们很熟，在数学课本里面我们就已经学到过概率的基本定义以及计算方式。

期望我们不熟，他与概率密切相关，计算方式基于概率。

2. 定义

概率的计算方式不必我多说，各位在数学课中都有了解。

而期望，从某种意义上来讲其实就是一个加了权值的概率。

我将使用一个例子来说明期望是什么：

假设某一天小 z 有一场满分为 100 分的数学考试。他妈妈说：“儿子，如果你能够考到 80 分以上（不含 80），那么我将奖励你 100 元；如果你能够考到 60 分以上（不含 60），80 分以下（含 80），那么我将奖励你 50 元；如果你能够考到 30 分以上（不含 30），60分以下（含 60），那么我将奖励你 30 元；否则你将得不到任何奖励。”

但很不幸的是，小 z 数学考试的时候发挥失常，成绩为 \([1,100]\) 内一个等概率的数，那么请问小 z 得到的期望钱数是多少？

备注：本场考试很难

我个人认为这个例子最能够解释期望的定义。

先列一张表格：

分数区间	钱数	概率
\((80,100]\)	100	20%
\((60,80]\)	50	20%
\((30,60]\)	30	30%
\((1,30]\)	0	30%

假设小 z 得到的期望钱数为 \(e\)，那么计算公式如下：

\[e=100 \times 20\% + 50 \times 20\% + 30 \times 30\% + 0 \times 30\%=39 \]

对比上面那个表格我们会发现：期望就是所有事件发生的概率乘上其代价或价值。

所以期望的定义：

设 \(E(x)\) 为 \(x\) 事件的期望，\(x_i(i \in [1,n])\) 为在 \(x\) 事件中可能会发生的 独立 的事件，\(P(x_i)\) 为其概率，\(V(x_i)\) 为其代价或价值，那么：

\[E(x)=P(x_1) \times V(x_1) + P(x_2) \times V(x_2) + ... + P(x_n) \times V(x_n) \]

化简如下：

\[E(x) = \sum_{i=1}^{n}{(P(x_i) \times V(x_i))} \]

也就是概率乘以代价的总和。

这就是期望的定义。

3. 理解

对于一个事件数确定的 \(x\)（知道发生几件事，相对应的概率以及代价），有这样两种理解方式：

1. 定义。
2. 带权平均数。
   假设目前已有事件 \(x_{1...n}\) 以及概率 \(P(1...n)\)（使用下标或者括号是一个意思）和代价 \(V(1...n)\)，而且所有概率都能统一表示成 \(\dfrac{p_i}{k}\) 的形式（也就是通分），那么我们令第一个事件发生 \(p_1\) 次，第二个事件发生 \(p_2\) 次，以此类推，得到一个代价总和 \(val\)，除以 \(k\) 就是期望 \(E(x)\)。

什么意思？还是上面那个例子。

编号	分数区间	钱数	概率
1	\((80,100]\)	100	20%
2	\((60,80]\)	50	20%
3	\((30,60]\)	30	30%
4	\((1,30]\)	0	30%

在这个例子中，我们可以认为事件 1 发生 20 次，事件 2 发生 20 次，事件 3 发生 30 次，事件 4 发生 30 次，总共发生 100 次，那么期望也可以这么算：

\[e = \dfrac{100 \times 20 + 50 \times 20 + 30 \times 30 + 0 \times 30}{100}=39 \]

所以之前提到过，期望从某种意义上就是加了权值的概率。

这个还是有穷状态的 \(x\)，我们知道有哪几件事，他们发生的概率，代价等等。

但是有一些事件，我们根本不知道事件个数为多少，或者个数为正无穷，那么这样我们不知道概率，代价，怎么算期望呢？

4. 期望方程

这个时候就要请出期望方程了。

期望方程首先是一个方程，其次，里面的未知数是期望 \(e\)。

还是使用一个例子。

小 z 在考完数学考试后拿到 100 元钱，非常高兴，在抛硬币。话说这两者有关系吗

假设他从第一次开始抛，请问：抛出连续三次正面的期望次数是多少？

如果你不知道期望方程，那么你一定晕了：这是什么问题啊？事件个数不知道、概率不知道、代价也不知道······万一无穷无尽抛不完呢？这难道也有期望吗？

而期望方程，就是解决这一类问题的。

假设期望次数为 \(e\)。在这道题中，代价为抛出的次数。

小技巧：一般情况下，题目问什么，什么就是期望的代价。

如果第一次抛，小 z 抛到了反面，那么很遗憾，这一次作废了，花费了 1 次，而接下来还要再花 \(e\) 次才能抛出连续三个正面（相当于从头开始抛），那么本次概率乘以代价为 \(\dfrac{1}{2} \times (e+1)\)。

如果第一次为正，第二次为反，那么很遗憾，小 z 还要再从头抛，花费了 2 次，接下来还要花费 \(e\) 次，那么本次概率乘以代价为 \(\dfrac{1}{2} \times \dfrac{1}{2} \times (e+2)\)。

如果前两次都为正，第三次为反，那么小 z 只能认命，从头抛，花费了 3 次，接下来还要花费 \(e\) 次，那么本次概率乘以代价为 \(\dfrac{1}{2} \times \dfrac{1}{2} \times \dfrac{1}{2} \times (e+3)\)。

最后，小 z 抛出了连续三个正面！概率乘以代价为 \(\dfrac{1}{2} \times \dfrac{1}{2} \times \dfrac{1}{2} \times 3\)。

由期望的定义：概率乘以代价的总和 可知：

\[e = \dfrac{1}{2} \times (e+1) + \dfrac{1}{2} \times \dfrac{1}{2} \times (e+2) + \dfrac{1}{2} \times \dfrac{1}{2} \times \dfrac{1}{2} \times (e+3) + \dfrac{1}{2} \times \dfrac{1}{2} \times \dfrac{1}{2} \times 3 \]

解这个方程，得 \(e = 14\)。

所以连续扔出 3 个正面的期望次数为 14 次。

这就是期望方程。

一般我们列期望方程解决期望问题的时候要注意以下几点：

1. 确定这个问题事件数是否可以确定，如果可以确定且方便的情况下直接定义式计算。
2. 事件数无穷时，我们需要考虑到每一种情况，确认其概率以及代价，此时的代价可能会含 \(e\)，这也体现了无穷的特性。
3. 方程不要解错。我才不会告诉你上面那个例题我的方程一开始解错了。

期望方程可以说是期望中的重难点，而很多的期望 dp 也是基于期望方程的。期望 dp 放在另外一篇文章里面讲。

5. 总结

期望定义：

设 \(E(x)\) 为 \(x\) 事件的期望，\(x_i(i \in [1,n])\) 为在 \(x\) 事件中可能会发生的 独立 的事件，\(P(x_i)\) 为其概率，\(V(x_i)\) 为其代价或价值，那么：

\[E(x)=P(x_1) \times V(x_1) + P(x_2) \times V(x_2) + ... + P(x_n) \times V(x_n) \]

化简如下：

\[E(x) = \sum_{i=1}^{n}{(P(x_i) \times V(x_i))} \]

也就是概率乘以代价的总和。

代价理解：

1. 定义。
2. 带权平均数。

列期望方程解决期望问题：

1. 确定这个问题事件数是否可以确定，如果可以确定且方便的情况下直接定义式计算。
2. 事件数无穷时，我们需要考虑到每一种情况，确认其概率以及代价，此时的代价可能会含 \(e\)，这也体现了无穷的特性。
3. 方程不要解错。