知识卡片
指示变量把事件转成期望
事件 A 的指示变量 I{A} 在事件发生时为 1,否则为 0,所以 E[I{A}]=Pr(A)。若计数 X 等于若干事件发生的总次数,就可写成 X=ΣI{Aᵢ},进而有 E[X]=ΣPr(Aᵢ);事件之间即使相关,期望仍可逐项相加。
补充教学演示:公平硬币投两次,令 A 为“第一次是正面”,B 为“至少出现一次正面”。两事件相关,但 E[I{A}+I{B}]=Pr(A)+Pr(B)=1/2+3/4=5/4,无须先求二者的联合分布。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第5章 概率分析和随机算法 · 查看原书依据
Linearity of expectation applies even when there is dependence among the random variables.
参考来源
- 位置:《算法导论(第4版)》第 5 章 5.1–5.2 节(`OEBPS/chapter005.xhtml`,文本字符 [10000, 15000);公式图 Art_P245–P255)。
- 结论依据:5.2 节定义事件指示变量为 0/1,给出 E[I{A}]=Pr(A),再用期望线性性求事件计数;线性性不要求事件独立。硬币演算是据此补充的教学示例,不是书中案例或实测结果。
- 原始内容:Linearity of expectation applies even when there is dependence among the random variables.