lottery概率问题

问题:1~n编号的彩票,要买全,等概率条件下平均要买几张要求写出算法。

回答:已经买了m张时,买中剩下的概率为1-m/n,则要买的张数为1/(1-m/n)
n=2,s=1+1/(1-1/2);n=3,s=1+1/(1-1/3)+1/(1-2/3)
s=1+1/(1-1/n)+1/(1-2/n)+1/(1-3/n)+……+1/(1-(n-1)/n)=n/n+n/(n-1)+n/(n-2)+……+n/1=sum(n/i),i=1~n
b/a+d/c=(bc+ad)/(ac),本题的本质是要解决n/1+n/2+n/3+----+n/n!,可以先利用同分的思想,即最小公倍数求出所有的的分母的最小公倍数!然后进行分数的求和!注意分子和分母的没有相除之前需要注意范围超过了整形。

#include <iostream>  
using namespace std;  
      
    _int64 gcd(_int64 a,_int64 b)  
    {  
        if(b==0) return a;  
        else return gcd(b,a%b);  
    }  
      
    int main()  
    {  
      
        int i,n,size1,size2;  
        _int64 number,n1,n2;  
        _int64 integer;//整数部分  
        _int64 fenzi;//分子  
        _int64 fenmu;//分母  
        _int64 a[23];//a[n]表示输入为n时,从1到n这些数的最小公倍数  
      
        a[1]=1;  
        for(i=2;i<=22;i++) a[i]=i*a[i-1]/gcd(i,a[i-1]);//两个数的最小公倍数等于这两个数的乘机除以他们的最大公约数  
      
        while(cin>>n)  
        {  
            fenzi=0;  
            for(i=1;i<=n;i++) fenzi += a[n]/i;              
            fenzi *= n;  
            number = gcd(fenzi,a[n]); //分子分母的最大公约数  
            fenzi = fenzi/number; //约分后的分子  
            fenmu = a[n]/number; //约分后的分母  
            integer = fenzi/fenmu; //结果的整数部分  
            fenzi = fenzi-integer*fenmu; //最终结果的分子  
      
            if(fenzi==0) { printf("%I64d\n",integer); continue; }  
      
            size1=size2=0; //size1,size2分别为整数部分的位数和分子的位数  
            n1=integer; n2=fenmu;  
            while(n1!=0) { size1++; n1/=10; }  
            while(n2!=0) { size2++; n2/=10; }  
      
            //按题目要求的格式打印结果  
            for(i=0;i<=size1;i++) printf(" ");  
            printf("%I64d\n",fenzi);  
            printf("%I64d ",integer);  
            for(i=0;i<size2;i++) printf("-");  
            printf("\n");  
            for(i=0;i<=size1;i++) printf(" ");  
            printf("%I64d\n",fenmu);  
        }  
        return 1;  
    }

时间: 2024-11-09 11:49:02

lottery概率问题的相关文章

HDU - 1099 - Lottery - 概率dp

http://acm.hdu.edu.cn/showproblem.php?pid=1099 最最简单的概率dp,完全是等概率转移. 设dp[i]为已有i张票,还需要抽几次才能集齐的期望. 那么dp[n]=0,因为我们已经集齐了. \[dp[i]=(\frac{i}{n}*dp[i]+\frac{n-i}{n}*dp[i+1])+1\] 移项得答案. 然后写个分数类,注意约分. #include<bits/stdc++.h> using namespace std; typedef long

不同概率的抽奖

今天为大家写个小程序. 工作中有遇到一些抽奖的活动,但是你懂得,抽奖物品的概率肯定不是一样,你会发现好的东西很难抽到,经常抽到一些垃圾的东西,嘿嘿,这就是本文要说的,我们要控制抽奖物品的概率.还有顺便说一句,网上这种小程序几乎没有,很多都是等概率的抽奖balabala- 需求很简单,为了更加形象,这里我们列一个表格来显示我们抽奖的物品和对应的概率(没有边框,大家凑合着看看吧,不想改造Octopress的样式了) 序号 物品名称 物品ID 抽奖概率 1 物品1 P1 0.2 2 物品2 P2 0.

Topcoder SRM 144 Lottery

Div1 550 Lottery 题意: 买彩票,给定一些彩票的描述:choice,blanks,sorted,unique,choice代表彩票的每个数码的最大值,blank代表彩票号码由几个数码组成,sorted代表彩票的数码是否是呈升序的,unique代表彩票的数码是否两两不唯一. 根据这些描述,可以求出合法的彩票号码的数量,也就可以求出中奖概率,将彩票按照中奖概率排序. 题解: 组合数学 未排序,不唯一:choice! 每个数码都有choice种选择 排序,唯一:C(choice,bla

在线抽奖大转盘和概率计算

<!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="utf-8"> <title>抽奖效果演示</title> <style> .rotary { position: relative; width: 854px; height: 504px; margin: 0 auto; background: #d71f2e ur

使用接口测试活动的中奖概率(随机事件测试)

抽奖活动的中奖事件是个随机事件,用大量的手动测试来检验中奖概率的正确性显然不可取,除了手工对中奖流程,后续处理的校验外,可以和开发配合,使用接口来测试中奖的概率是否符合预期的设计要求. 1.思路: (1)开发提供中奖的接口,get该接口(此处需要向开发详细了解),每次随机返回以下四个结果: 0--表示未抽中 1--表示抽中1等奖 2--表示抽中2等奖 3--表示抽中3等奖 (2)使用for循环,多次请求该接口,并使用testNG框架中自带的设置多次执行方法和处理多线程的方法,使多个方法并发运行,

前端+php实现概率抽奖

转前端之后,后台工程师大大跑路了只能兼任他的位置写点东西了 前端+后台抽奖代码网上一大堆,引用一位仁兄前面的代码(比较懒抱歉,后面数据处理,奖项判断是否抽完我将会标红,因为前面的代码网上太多了都能找到) 引用部分-start---------------------> 准备工作 首先要准备素材,抽奖的界面用到两张图片,圆盘图片和指针图片,实际应用中可以根据不同的需求制作不同的圆盘图片. 接着制作html页面,实例中我们在body中加入如下代码: <div class="demo&qu

php+lottery.js制作九宫格抽奖实例

php+lottery.js制作九宫格抽奖实例,本抽奖功能效果表现好,定制方便简单,新手学习跟直接拿来用都非常不错,兼容IE.火狐.谷歌等浏览器. 引入抽奖插件lottery.js <script type="text/javascript" src="js/lottery.js"></script> 开始抽奖函数start_lottery() 1 function start_lottery(){ 2 if(flag){ 3 //alert

Codeforces 28C [概率DP]

/* 大连热身D题 题意: 有n个人,m个浴室每个浴室有ai个喷头,每个人等概率得选择一个浴室. 每个浴室的人都在喷头前边排队,而且每个浴室内保证大家都尽可能均匀得在喷头后边排队. 求所有浴室中最长队伍的期望. 思路: 概率dp dp[i][j][k]代表前i个浴室有j个人最长队伍是k的概率. 枚举第i个浴室的人数.然后转移的时候其实是一个二项分布. */ #include<bits/stdc++.h> using namespace std; int jilu[55]; double dp[

概率密度函数估计笔记

概率密度函数估计是贝叶斯决策的基础,有两大类方法:参数法和非参数法.所谓的参数法是指已知参数形式,但不知道参数,我们要对参数进行估计的过程.这里主要介绍点估计的两种方法:一种是最大似然估计,一种是贝叶斯估计. 最大似然估计 假设: 我们要估计的参数 是确定但未知的: 样本之间是独立同分布的(或者是条件独立,即在某一个固定的条件下样本是独立的): 类条件概率密度的分布形式已知: 不同类别之间的参数是独立的. 主要步骤: 求似然函数: : 最大化似然函数 : . 注:,成立的原因是假设条件2,即样本