Esercizio - album di 20 figurine, acquisti attesi per completarlo
Testo. Un album ha figurine distinte. Ogni acquisto di una bustina con una sola figurina ne dà una scelta uniformemente tra le , indipendentemente dagli acquisti precedenti.
- Quanti acquisti servono in media per completare l'album?
- Quanti per avere almeno figurine distinte? E quanti restano da fare dopo averne ?
- Quanti acquisti servono in media per avere le prime figurine distinte, e quanto pesano sul totale?
- Verificare con una simulazione.
Soluzione
Struttura. Sia il numero di acquisti necessari per passare da a figurine distinte. Quando se ne hanno , un acquisto è "nuovo" con probabilità , indipendente dal passato: è geometrica di parametro (Distribuzione geometricaGeo(p) è il numero della prova in cui arriva il primo successo in prove indipendenti: P(X = n) = (1−p)^(n−1) p per n ≥ 1, P(X > n) = (1−p)^n (lunga attesa), media 1/p, varianza (1−p)/p², ed è senza memoria.Distribuzione geometrica →) e . Per linearità l'attesa del tempo che passa tra e distinte si ottiene sommando le relative.
1. Completare l'album. , quindi acquisti.
2. Quindici distinte. Servono , cioè , con che va da a : Restano , con (e ). Le ultime cinque figurine pesano il del totale.
3. Prime dieci distinte. acquisti, il del totale: all'inizio quasi ogni figurina è nuova.
4. Simulazione.
import random
def acquisti(n):
viste, c = set(), 0
while len(viste) < n:
viste.add(random.randrange(n)); c += 1
return c
print(sum(acquisti(20) for _ in range(20000)) / 20000) # circa 72Risultato. ; acquisti per quindici distinte e per le ultime cinque.
Verifica Python: somma esatta con Fraction ; simulazione con album: .
Versione ripasso
- = acquisti per passare da a distinte: geometrica di parametro , (Distribuzione geometricaGeo(p) è il numero della prova in cui arriva il primo successo in prove indipendenti: P(X = n) = (1−p)^(n−1) p per n ≥ 1, P(X > n) = (1−p)^n (lunga attesa), media 1/p, varianza (1−p)/p², ed è senza memoria.Distribuzione geometrica →); si sommano per linearità (Linearità del valore atteso e variabili indicatriciLa linearità $E[X+Y]=E[X]+E[Y]$ vale sempre, anche senza indipendenza; con le variabili indicatrici ($E[I_A]=P(A)$) trasforma un conteggio in una somma di probabilità. Applicazioni: attesa del primo successo $1/p$, collezionista di figurine $nH_n$, punti fissi di una permutazione (media $1$), record (media $H_n$), inversioni ($n(n-1)/4$), attesa condizionata, identità di Wald $E[S_N]=E[N]E[X]$.Linearità del valore atteso e variabili indicatrici →).
- Album completo: .
- Prime distinte: ; ultime cinque: ( del totale). Prime : .
- Verifica: frazione esatta ; simulazione .
- Errore tipico: usare (si somma con fisso) o dimenticare che il parametro cambia a ogni passo.