跳转至

07 赠券收集问题

约 861 个字 预计阅读时间 4 分钟

问题背景

一套赠券共有 \(N\) 种,商家在每件商品中随机放入一张赠券。假设每件商品中放入各种赠券的概率相同,那么集齐全套赠券平均需购买多少件商品?

方法一:德摩根定律

定义随机变量 \(X\) 为“集齐全套赠券需购买的商品件数”,\(E(X)=\sum\limits_{i=1}^N i\cdot P(X=i)\)。记 \(B_i\)为事件“购买 \(i\) 件商品后集齐全套赠券”,记 \(A_i^j\)为事件“购买 \(i\) 件商品后收集到第 \(j\) 种赠券”。则有

\[ \begin{aligned} P(A_i^j)=&1-P(\overline{A_i^j})=1-\left(1-\frac{1}{N}\right)^i\\ P(B_i)=&P(A_i^1\cap A_i^2\cap\cdots\cap A_i^N)\\ =&1-P(\overline{A_i^1\cap A_i^2\cap\cdots\cap A_i^N})\\ =&1-P(\overline{A_i^1}\cup\overline{A_i^2}\cup\cdots\cup\overline{A_i^N})\\ =&1-(\sum\limits_{j=1}^N P(\overline{A_i^j})-\sum\limits_{1\leq j_1<j_2\leq N}P(\overline{A_i^{j}}\cap\overline{A_i^{k}})+\cdots+(-1)^{N-1}P(\overline{A_i^1}\cap\overline{A_i^2}\cap\cdots\cap\overline{A_i^N}))\\ \end{aligned} \]

分析括号中的第二项,对任意固定的\(j,k\)\(1 \leq j < k \leq N\)\(\overline{A_i^{j}}\cap\overline{A_i^{k}}\)表示购买 \(i\) 件商品后未收集到第 \(j\) 种和第 \(k\) 种赠券,有\(P(\overline{A_i^{j}}\cap\overline{A_i^{k}})=\left(1-\frac{2}{N}\right)^i\)

同理,对任意\(1 \leq j_1 < j_2 < \cdots < j_k \leq N\)\(\overline{A_i^{j_1}}\cap\overline{A_i^{j_2}}\cap\cdots\cap\overline{A_i^{j_k}}\)表示购买 \(i\) 件商品后未收集到第 \(j_1\) 种、第 \(j_2\) 种、\(\cdots\)、第 \(j_k\) 种赠券,有\(P(\overline{A_i^{j_1}}\cap\overline{A_i^{j_2}}\cap\cdots\cap\overline{A_i^{j_k}})=\left(1-\frac{k}{N}\right)^i\)。因此,有

\[ \begin{aligned} P(B_i)=&1-(\sum\limits_{j=1}^N P(\overline{A_i^j})-\sum\limits_{1\leq j_1<j_2\leq N}P(\overline{A_i^{j}}\cap\overline{A_i^{k}})+\cdots+(-1)^{N-1}P(\overline{A_i^1}\cap\overline{A_i^2}\cap\cdots\cap\overline{A_i^N}))\\ =&1-\left(\sum\limits_{j=1}^N \left(1-\frac{1}{N}\right)^i-\sum\limits_{1\leq j_1<j_2\leq N}\left(1-\frac{2}{N}\right)^i+\cdots+(-1)^{N-1}\left(1-\frac{N}{N}\right)^i\right)\\ =&1-\left(\begin{pmatrix}N\\1\end{pmatrix}\left(1-\frac{1}{N}\right)^i-\begin{pmatrix}N\\2\end{pmatrix}\left(1-\frac{2}{N}\right)^i+\cdots+(-1)^{N-1}\begin{pmatrix}N\\N\end{pmatrix}\left(1-\frac{N}{N}\right)^i\right)\\ =&1-\sum\limits_{j=1}^N (-1)^{j-1}\begin{pmatrix}N\\j\end{pmatrix}\left(1-\frac{j}{N}\right)^i\\ =&\sum\limits_{j=0}^N (-1)^{j}\begin{pmatrix}N\\j\end{pmatrix}\left(1-\frac{j}{N}\right)^i \end{aligned} \]

所以其期望为:

\[\sum\limits_{i=1}^N i\cdot P(X=i)=\sum\limits_{i=1}^N i\cdot\sum\limits_{j=0}^N (-1)^{j}\begin{pmatrix}N\\j\end{pmatrix}\left(1-\frac{j}{N}\right)^i\]

方法二:几何分布

记随机变量 \(X\) 为“集齐全套赠券购买的商品件数”,定义随机变量 \(Y\) 为“从收集到 \(k-1\) 种赠券到 \(k\)种赠券购买的商品件数”,则有:

\[X = Y_1 + Y_2 + \cdots + Y_N\]

我们考察\(Y_k\)\(Y_k = j\) 意味着先购买的 \(j-1\) 件商品中的赠券均为已收集到的 \(k-1\) 种中的一种,第 \(j\) 件商品中有未收集到的 \(N-k+1\) 种赠券中的一种。可知,\(Y_k\) 服从参数为 \(\frac{N-k+1}{N}\) 的几何分布

分布回忆

Alt text

所以,根据几何分布的性质,有\(E(Y_k) = \frac{N}{N-k+1}\)。因此,\(E(X) = \sum\limits_{k=1}^N E(Y_k) = \sum\limits_{k=1}^N \frac{N}{N-k+1} = N\sum\limits_{k=1}^N \frac{1}{k}\)

显然,方法二的计算量要小于方法一。而且,方法二的思路更加简单,更加容易理解。