Redian新闻
>
谷歌欲将用户信息商用 还未实施反遭用户报复
avatar
谷歌欲将用户信息商用 还未实施反遭用户报复# PDA - 掌中宝
w*x
1
给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
点数最大化。
比如如果第一次丢就得到1点,很明显需要继续下去
如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
六点
如果第一次丢得到5点,可能要考虑是不是博一下了。
扩展问题是把3次推广到N次。
大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
其他人怎么做。
avatar
z*y
2
高出生率是愚昧人种的表现
没有情趣修养,只能在家操老婆玩
象兔子、老鼠那样的繁殖
在Latino中推行教化
可以转移他们的价值取向
慢慢注入晚生优育的思想
否则他们还是拼了命的生
你们拿这些牲口也是没有办法
avatar
z*s
3
以前每次提到recapture, 必然有人跳出来说需要立法批准。刚才去trackitt上看了一
圈儿,也没看到啥可靠的消息。到底是咋回事?
avatar
a*a
4
贷款用一个银行的帐户(首付都用这个帐户的钱出,提交给lender bank statement也
就这一个帐户)现在想往另外一个银行帐号存大笔的钱,会影响贷款吗?
avatar
p*m
5
近日,谷歌宣布将从11月11日开始在其显示广告中使用用户个人资料页面中的照片、评
论和推荐等信息,而且不会就此向用户支付任何费用。一石激起千层浪。这条消息让广
大谷歌用户感到愤怒,他们开始谋划应对之策。有人甚至建议谷歌用户在其个人资料页
面上采用谷歌执行董事长埃里克·施密特的头像。
为了抗议谷歌的做法,很多谷歌用户开始想出各种“奇招”。例如,将谷歌联合创始人
拉里·佩奇拿着一朵玫瑰的PS裸体照片,放在每个用户的个人资料页面上。
还有人在Twitter上发布消息,建议谷歌用户将其个人资料页面上的头像换成谷歌执行
董事长施密特的登记照。这样一来,谷歌的每个显示广告将会出现施密特的照片,而不
是用户的照片。
类似的做法有可能会在谷歌用户中流行起来。也许突然有一天,所有的谷歌用户均不再
在谷歌个人资料页面上使用自己的照片,而改用其他图像,例如河马、连环杀手、电视
剧中死得很惨的某个人物或俄罗斯前总统。
这样一来,谷歌的显示广告政策很快就会演变成一场闹剧。该公司将被迫收买人心:从
显示广告营收中提取一定比例的提成分给用户。
从另一个方面来说,问题的关键不是谷歌希望利用我们发布的任何信息来赚钱,而是我
们急于告诉全世界我们是谁、我们喜爱什么、不喜欢什么的奇怪心理。
当然,谷歌也给用户提供了“退出”的选择项。这正是它的聪明之处,它不会像
Facebook那样因隐私问题惹官司。
也许,用户采用施密特头像的做法会起到作用,迫使谷歌做出妥协。
avatar
d*o
6
这是quant面试必考题。
apple也问过。

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
j*y
7
把你娃娃的大学入学名额挤掉了你就不会这么说了。
avatar
a*m
8
应该不需要吧。以前发生过。
avatar
f*e
9
多半会。干啥不忍忍?

【在 a****a 的大作中提到】
: 贷款用一个银行的帐户(首付都用这个帐户的钱出,提交给lender bank statement也
: 就这一个帐户)现在想往另外一个银行帐号存大笔的钱,会影响贷款吗?

avatar
w*e
10
这Google是越来越恶心了啊。
avatar
p*2
11

比如如果第一次得3的话,那么还有8/9的概率不低于3, 肯定要博了?

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
j*y
12
而且怕的是教育他们不成,把好学校搞成烂学校,大家的娃娃一起遭殃。
老美说的drag down to the lowest common denominator.
avatar
t*e
13
以前是需要议会通过法案来的。

【在 a********m 的大作中提到】
: 应该不需要吧。以前发生过。
avatar
w*t
14
只要你们买房的首付、closing cost、escrow、半年预留金不需要那个存大钱帐户里的
钱,就完全不用,随便存取。

贷款用一个银行的帐户(首付都用这个帐户的钱出,提交给lender bank statement也
就这一个帐户)现在想往另外一个银行帐号存大笔的钱,会影响贷款吗?
★ Sent from iPhone App: iReader Mitbbs Lite 7.56

【在 a****a 的大作中提到】
: 贷款用一个银行的帐户(首付都用这个帐户的钱出,提交给lender bank statement也
: 就这一个帐户)现在想往另外一个银行帐号存大笔的钱,会影响贷款吗?

avatar
s*e
15
好机智

【在 p*******m 的大作中提到】
: 近日,谷歌宣布将从11月11日开始在其显示广告中使用用户个人资料页面中的照片、评
: 论和推荐等信息,而且不会就此向用户支付任何费用。一石激起千层浪。这条消息让广
: 大谷歌用户感到愤怒,他们开始谋划应对之策。有人甚至建议谷歌用户在其个人资料页
: 面上采用谷歌执行董事长埃里克·施密特的头像。
: 为了抗议谷歌的做法,很多谷歌用户开始想出各种“奇招”。例如,将谷歌联合创始人
: 拉里·佩奇拿着一朵玫瑰的PS裸体照片,放在每个用户的个人资料页面上。
: 还有人在Twitter上发布消息,建议谷歌用户将其个人资料页面上的头像换成谷歌执行
: 董事长施密特的登记照。这样一来,谷歌的每个显示广告将会出现施密特的照片,而不
: 是用户的照片。
: 类似的做法有可能会在谷歌用户中流行起来。也许突然有一天,所有的谷歌用户均不再

avatar
w*e
16
算一下下一步的期望? 如果下一步期望大于当前点数,就再抛一次,否则停止
假设第一步抛了个3,下一步还是3的概率是1/6 * 1/6,其他点 5/6 * 1/6。。。

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
j*y
17
实质是在好住宅区强行插入低收入的affordable housing,效果如何大家都知道。
只不过房子变成大学的教室座位了。
avatar
o*0
18
琢磨着出大餐还是难,正面的消息都不确定,负面的消息总不时透出,估计就是门里等
最安全,最便捷,最有史可依,如07年全C的情形再上演一次吧。
avatar
b*2
19
只要完全不用到另一个account,而且这两个accounts之间在过去三个月内没有任何转帐
, 就没关系.
avatar
z*r
20
这办法不错。另外,哪里可以选择退出啊?

【在 p*******m 的大作中提到】
: 近日,谷歌宣布将从11月11日开始在其显示广告中使用用户个人资料页面中的照片、评
: 论和推荐等信息,而且不会就此向用户支付任何费用。一石激起千层浪。这条消息让广
: 大谷歌用户感到愤怒,他们开始谋划应对之策。有人甚至建议谷歌用户在其个人资料页
: 面上采用谷歌执行董事长埃里克·施密特的头像。
: 为了抗议谷歌的做法,很多谷歌用户开始想出各种“奇招”。例如,将谷歌联合创始人
: 拉里·佩奇拿着一朵玫瑰的PS裸体照片,放在每个用户的个人资料页面上。
: 还有人在Twitter上发布消息,建议谷歌用户将其个人资料页面上的头像换成谷歌执行
: 董事长施密特的登记照。这样一来,谷歌的每个显示广告将会出现施密特的照片,而不
: 是用户的照片。
: 类似的做法有可能会在谷歌用户中流行起来。也许突然有一天,所有的谷歌用户均不再

avatar
w*x
21
谁能给个公式?
avatar
M*c
22
别人自己都不愿意受教育。你硬是让他们上。
avatar
b*d
23
不会有影响.

【在 a****a 的大作中提到】
: 贷款用一个银行的帐户(首付都用这个帐户的钱出,提交给lender bank statement也
: 就这一个帐户)现在想往另外一个银行帐号存大笔的钱,会影响贷款吗?

avatar
d*e
25
f(i, j) := probability of getting a max of i with j tosses
f(i, j) =
f(i-1, j) * j / 6 +
(f(i-1, j-1) + f(i-1, j-2) + ... + f(i-1, 1)) / 6

【在 w****x 的大作中提到】
: 谁能给个公式?
avatar
N*n
26
当年Berkeley黑学生抗议,说engineering school种族歧视,那么大的学院几乎没有黑
人。engineering school表示很委屈,那也得有黑人报名吧?

【在 M*******c 的大作中提到】
: 别人自己都不愿意受教育。你硬是让他们上。
avatar
p*y
27
只要在loan里不会出现这个即将存大笔钱的账户就没事,不要在两个账户间转钱就可以
avatar
z*k
28
别指望这个会有用,google马上就会用识别软件,禁止你们搞这些小花招使坏。
Google以后只要靠它的户口数据库就可以过得滋润,看你们还怎么 Evil 。
avatar
j*g
29
感觉只需要根据倒数第二次的结果决定就行了。
前n-2次必须投,除非有6出现。出现5也要投, 因为后面有2+次, 再出现大于等于5的
概率是 (1-1/3)^2+ > 1/2
倒数第二次如果是 1 2 3 那就接着投, 大于等于他们的概率大于1/2; 如果是5,6就不
投了; 如果是4, 可投可不投, 看心情。 请指正
avatar
w*t
30
黑人就是这样的政策好多年了,改变大吗?

【在 z*y 的大作中提到】
: 高出生率是愚昧人种的表现
: 没有情趣修养,只能在家操老婆玩
: 象兔子、老鼠那样的繁殖
: 在Latino中推行教化
: 可以转移他们的价值取向
: 慢慢注入晚生优育的思想
: 否则他们还是拼了命的生
: 你们拿这些牲口也是没有办法

avatar
v*e
31
如果没参加goolge +就没事了吧
avatar
f*m
32
有道理。
若第n-2次是5,后面两次出现5或6的概率是P((A=5 or 6) 或 (B = 5or 6))=P(A)+P(B
)-PA(AB) = P(A)+P(B)-P(A)P(B)=1/3+1/3-1/9=5/9>1/2。
推广:
若第n-m次(1<=m<=n-1)是k (1<=k<=5),可以用类似上述公式算出余下的m次大于等于k
的概率,若其大于1/2,继续,反之,算了。
大牛指证。
有个小问题,和1/2比较看起来挺直观的,哪位能解释一下数学原因吗?

【在 j********g 的大作中提到】
: 感觉只需要根据倒数第二次的结果决定就行了。
: 前n-2次必须投,除非有6出现。出现5也要投, 因为后面有2+次, 再出现大于等于5的
: 概率是 (1-1/3)^2+ > 1/2
: 倒数第二次如果是 1 2 3 那就接着投, 大于等于他们的概率大于1/2; 如果是5,6就不
: 投了; 如果是4, 可投可不投, 看心情。 请指正

avatar
a*g
33
强扭的瓜不甜啊

【在 N****n 的大作中提到】
: 当年Berkeley黑学生抗议,说engineering school种族歧视,那么大的学院几乎没有黑
: 人。engineering school表示很委屈,那也得有黑人报名吧?

avatar
r*h
34
大于5的概率超过一半,才要重投吧,前n-3次除了6必须投。所以只要做base case n=3
就行了。

【在 j********g 的大作中提到】
: 感觉只需要根据倒数第二次的结果决定就行了。
: 前n-2次必须投,除非有6出现。出现5也要投, 因为后面有2+次, 再出现大于等于5的
: 概率是 (1-1/3)^2+ > 1/2
: 倒数第二次如果是 1 2 3 那就接着投, 大于等于他们的概率大于1/2; 如果是5,6就不
: 投了; 如果是4, 可投可不投, 看心情。 请指正

avatar
d*n
35
这个其实双方都矫情了,一方面,latino在很多地方不能算少数民族了。另一方面,让
latino上大学并不是不允许华人念大学了,华人照样念大学。
我觉得像加州那么多老墨,你无论什么时候都得跟他们相处。大学里多一些latino也好
啊,华人孩子念的也轻松些啊。无非是会让华人念名校的机会少了,这样我觉得没什么
了不起的。华人最喜欢分三六九等,念名校的少了,那些家长不是更可以牛逼一些吗?
华人不是犹太人,那么多念名校的屁用都没有。
avatar
w*x
36
这题的主线是数学期望和back track
avatar
I*e
37
那些深蓝的富town的民主党都不许affordable housing建在自己的town里

【在 j****y 的大作中提到】
: 实质是在好住宅区强行插入低收入的affordable housing,效果如何大家都知道。
: 只不过房子变成大学的教室座位了。

avatar
y*n
38
如果当前点数是k,剩下n次抛的机会,每一次抛的就是一次Bernoulli trial,提高的
概率是 1 - k/6 。 出现0次提高的概率是 C(0, n) * (1-k/6)^0 * (k/6)^(n) = (k/6
)^n, 那么取反则提高的概率是1- (k/6)^n

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
b*t
39
中国人可以学习犹太人啊,进入各个档次的学校,争取当leader,当chair,提高影响
力。

【在 d*****n 的大作中提到】
: 这个其实双方都矫情了,一方面,latino在很多地方不能算少数民族了。另一方面,让
: latino上大学并不是不允许华人念大学了,华人照样念大学。
: 我觉得像加州那么多老墨,你无论什么时候都得跟他们相处。大学里多一些latino也好
: 啊,华人孩子念的也轻松些啊。无非是会让华人念名校的机会少了,这样我觉得没什么
: 了不起的。华人最喜欢分三六九等,念名校的少了,那些家长不是更可以牛逼一些吗?
: 华人不是犹太人,那么多念名校的屁用都没有。

avatar
l*b
40
nice !

/6

【在 y****n 的大作中提到】
: 如果当前点数是k,剩下n次抛的机会,每一次抛的就是一次Bernoulli trial,提高的
: 概率是 1 - k/6 。 出现0次提高的概率是 C(0, n) * (1-k/6)^0 * (k/6)^(n) = (k/6
: )^n, 那么取反则提高的概率是1- (k/6)^n

avatar
a*t
41
这个社会大家是在争资源,名校也是资源,你现在不想争,资源到别人手里了,万一你
孩子以后需要这资源呢?即便他也不要,他孩子呢?
其他华裔争取了,其实你家孩子也得益,所以即便你不想努力,为了自己孩子利益,也
别反对他人的努力。别看不起这点利益,人到中年还不为家庭利益奋斗,真不算啥优良
品质哈。

【在 d*****n 的大作中提到】
: 这个其实双方都矫情了,一方面,latino在很多地方不能算少数民族了。另一方面,让
: latino上大学并不是不允许华人念大学了,华人照样念大学。
: 我觉得像加州那么多老墨,你无论什么时候都得跟他们相处。大学里多一些latino也好
: 啊,华人孩子念的也轻松些啊。无非是会让华人念名校的机会少了,这样我觉得没什么
: 了不起的。华人最喜欢分三六九等,念名校的少了,那些家长不是更可以牛逼一些吗?
: 华人不是犹太人,那么多念名校的屁用都没有。

avatar
c*t
42
难道不是3/4的概率?虽然我概率极差。

【在 p*****2 的大作中提到】
:
: 比如如果第一次得3的话,那么还有8/9的概率不低于3, 肯定要博了?

avatar
r*i
43
你弄错了。这回不是名校的问题,UC系统是公立,SCA 5这是拿公共资源调剂给某一部
分人使用。UC和CSU CAMPUS可以吸纳很多本地学生,加州很多家庭是要等着享受州內学
费的。这些纳税人也应该享受,给加州上了那么多税,孩子上大学便宜点又就近为什么
不去?可是SCA 5等于说,你交税照教,但是权益论不到你享受了,因为你的皮肤颜色
不是这个州的大多数。跟LATINO相处和维护自己的权益是两码事,这回就算不是LATINO
是别的族裔提出这种歧视亚裔的BILL,我们也会照样反对。

【在 d*****n 的大作中提到】
: 这个其实双方都矫情了,一方面,latino在很多地方不能算少数民族了。另一方面,让
: latino上大学并不是不允许华人念大学了,华人照样念大学。
: 我觉得像加州那么多老墨,你无论什么时候都得跟他们相处。大学里多一些latino也好
: 啊,华人孩子念的也轻松些啊。无非是会让华人念名校的机会少了,这样我觉得没什么
: 了不起的。华人最喜欢分三六九等,念名校的少了,那些家长不是更可以牛逼一些吗?
: 华人不是犹太人,那么多念名校的屁用都没有。

avatar
c*t
44
终于明白分歧了。我和你一样算的是提高的概率,但正确应该算的是不会再低的概率(
都是赌徒吧)。
还有一个难点,就是n-1的时候投出了4,还投不投最后一投,这时候很有意思,按独立
事件应该无所谓,但是如果n-2的时候投出了5,则必须投最后一投。
为啥么呢,因为n-2投完5后,选择去投就是因为后两投>=5的几率5/9大于1/2,如果你n-
1投了4而不去再投最后一投,实际上改变了前面选择概率,使其变小于1/2了,也就是
说你前面选错了。

/6

【在 y****n 的大作中提到】
: 如果当前点数是k,剩下n次抛的机会,每一次抛的就是一次Bernoulli trial,提高的
: 概率是 1 - k/6 。 出现0次提高的概率是 C(0, n) * (1-k/6)^0 * (k/6)^(n) = (k/6
: )^n, 那么取反则提高的概率是1- (k/6)^n

avatar
r*i
45
没错,还高墙保安的设好,然后跟中产说你们禁枪,枪支不安全。

【在 I*****e 的大作中提到】
: 那些深蓝的富town的民主党都不许affordable housing建在自己的town里
avatar
p*n
46
计算order statistics的expectation.
如果还剩下N次机会,就是计算N次里面最大点数的期望值,这个值等于6*N/(N+1),如果还
剩一次机会,那最大值的期望是3,两次机会:4,三次4.5......

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
r*i
47
墨裔多生是因为他们信奉天主教,不避孕。天主教家庭,无论那个族裔,普遍都是多孩
的。还推行教化,人家不向你传教就不错了。

【在 z*y 的大作中提到】
: 高出生率是愚昧人种的表现
: 没有情趣修养,只能在家操老婆玩
: 象兔子、老鼠那样的繁殖
: 在Latino中推行教化
: 可以转移他们的价值取向
: 慢慢注入晚生优育的思想
: 否则他们还是拼了命的生
: 你们拿这些牲口也是没有办法

avatar
I*a
48
我觉得是 ((k-1)/6)^n <= 1/2 则继续扔。

/6

【在 y****n 的大作中提到】
: 如果当前点数是k,剩下n次抛的机会,每一次抛的就是一次Bernoulli trial,提高的
: 概率是 1 - k/6 。 出现0次提高的概率是 C(0, n) * (1-k/6)^0 * (k/6)^(n) = (k/6
: )^n, 那么取反则提高的概率是1- (k/6)^n

avatar
d*n
49
这个是无解的,英语世界里的普世原则就是数人头的民主,南非就是最典型的例子。从
长远来说,加州就是墨西哥的北方州。
现在还只是开始,今后苦日子还在后面。当然,墨西哥的人均GDP还是天朝的三倍,老
中也不是不能呆。如今美国很多制作转到墨西哥,将来加州破产了,倒是可以取代中国
制造啊,还会说英语。
你们加州人抗议不抗议的没有用处,下一步老墨就是80%,90%了,早晚的事情,你们要
准备学西班牙语了。
我觉得为了后代的智商,以后得每一代都回中国找配偶,大家还是得push孩子学中文。

LATINO

【在 r**i 的大作中提到】
: 你弄错了。这回不是名校的问题,UC系统是公立,SCA 5这是拿公共资源调剂给某一部
: 分人使用。UC和CSU CAMPUS可以吸纳很多本地学生,加州很多家庭是要等着享受州內学
: 费的。这些纳税人也应该享受,给加州上了那么多税,孩子上大学便宜点又就近为什么
: 不去?可是SCA 5等于说,你交税照教,但是权益论不到你享受了,因为你的皮肤颜色
: 不是这个州的大多数。跟LATINO相处和维护自己的权益是两码事,这回就算不是LATINO
: 是别的族裔提出这种歧视亚裔的BILL,我们也会照样反对。

avatar
f*m
50
那么提高的概率大约多少再决定继续呢,1/2吗?即1- (k/6)^n > 1/2就继续?

/6

【在 y****n 的大作中提到】
: 如果当前点数是k,剩下n次抛的机会,每一次抛的就是一次Bernoulli trial,提高的
: 概率是 1 - k/6 。 出现0次提高的概率是 C(0, n) * (1-k/6)^0 * (k/6)^(n) = (k/6
: )^n, 那么取反则提高的概率是1- (k/6)^n

avatar
d*n
51
你信吗?犹太人,日耳曼人,日本人,哪个民族的成功经验都是公开的,可中国人就是
中国人。
加州的华人议员不是都向着老墨嘛。其实,老中也就比阿三白了点,论恶心程度,很多
人不比阿三差。

【在 b********t 的大作中提到】
: 中国人可以学习犹太人啊,进入各个档次的学校,争取当leader,当chair,提高影响
: 力。

avatar
i*e
52
给个数学公式。这道题应该也可以用递推来解,但还没想清楚怎么弄。
Define:
n = number of trials.
m = max value of all trials.
P(m, n) = (1/6^n) * Sum(k = 1 .. n) C(n, k) * (m - 1)^(n - k)
Therefore,
Expected value of max value after n trials:
E = Sum(k = 1 .. 6) k * P(k, n)
E(Max when Trials = 1) = 3.5
E(Max when Trials = 2) = 4.4722
E(Max when Trials = 3) = 4.9583
E(Max when Trials = 4) = 5.2446
所以,只要看期望值,就知道需不需要再扔筛子了。
avatar
Q*k
53
只能说你的愿望是美好的。。。

【在 z*y 的大作中提到】
: 高出生率是愚昧人种的表现
: 没有情趣修养,只能在家操老婆玩
: 象兔子、老鼠那样的繁殖
: 在Latino中推行教化
: 可以转移他们的价值取向
: 慢慢注入晚生优育的思想
: 否则他们还是拼了命的生
: 你们拿这些牲口也是没有办法

avatar
c*m
54
用Expected value 做好像比较有道理
n = number of trials
E(max, n = 1) = 3.5 这个没有问题
所以当还有两次机会的时候,如果投了4,5,6就可以停了
于是
E(max, n = 2) = 1/6 * 6 + 1/6 * 5 + 1/6 * 4 + 1/2 * E(max, n = 1)
= 17/4 = 4.25
所以当还有三次机会的时候,如果投了5,6就可以停了
同理,可以计算
E(max, n = 3) = 1/6 * 6 + 1/6 * 5 + 2/3 * E(max, n = 2) = 14/3 = 4.67
E(max, n = 4) = 1/6 * 6 + 1/6 * 5 + 2/3 * E(max, n = 3) = 89/18 < 5
E(max, n = 5) = 1/6 * 6 + 1/6 * 5 + 2/3 * E(max, n = 4) = 277/54 > 5
所以一共有超过6次(包括6次)机会时,只有拿到了6才停。
不知道对不对,望大家指正。

【在 i**********e 的大作中提到】
: 给个数学公式。这道题应该也可以用递推来解,但还没想清楚怎么弄。
: Define:
: n = number of trials.
: m = max value of all trials.
: P(m, n) = (1/6^n) * Sum(k = 1 .. n) C(n, k) * (m - 1)^(n - k)
: Therefore,
: Expected value of max value after n trials:
: E = Sum(k = 1 .. 6) k * P(k, n)
: E(Max when Trials = 1) = 3.5
: E(Max when Trials = 2) = 4.4722

avatar
I*e
55
不交税的墨西哥非法移民的孩子可以上加州的公立大学,交税的亚裔的孩子上不了。难
道有人会觉得这样公平?

LATINO

【在 r**i 的大作中提到】
: 你弄错了。这回不是名校的问题,UC系统是公立,SCA 5这是拿公共资源调剂给某一部
: 分人使用。UC和CSU CAMPUS可以吸纳很多本地学生,加州很多家庭是要等着享受州內学
: 费的。这些纳税人也应该享受,给加州上了那么多税,孩子上大学便宜点又就近为什么
: 不去?可是SCA 5等于说,你交税照教,但是权益论不到你享受了,因为你的皮肤颜色
: 不是这个州的大多数。跟LATINO相处和维护自己的权益是两码事,这回就算不是LATINO
: 是别的族裔提出这种歧视亚裔的BILL,我们也会照样反对。

avatar
i*e
56
你的是对的,只不过你的是算最后一次扔的点数,而我的是算全部扔的最大点数。
感觉题目说的是前者,lz 请确认一下。
另外,之前我那个方程还可以简化成
P(m, n) = (1/6^n) * (k^m - (k - 1)^m)

【在 c**m 的大作中提到】
: 用Expected value 做好像比较有道理
: n = number of trials
: E(max, n = 1) = 3.5 这个没有问题
: 所以当还有两次机会的时候,如果投了4,5,6就可以停了
: 于是
: E(max, n = 2) = 1/6 * 6 + 1/6 * 5 + 1/6 * 4 + 1/2 * E(max, n = 1)
: = 17/4 = 4.25
: 所以当还有三次机会的时候,如果投了5,6就可以停了
: 同理,可以计算
: E(max, n = 3) = 1/6 * 6 + 1/6 * 5 + 2/3 * E(max, n = 2) = 14/3 = 4.67

avatar
r*i
57
看样子是外州的吧,这个事不管成不成,我们也得发出自己的声音。你在网上声援了没
有?去吧,点击一下又不费什么功夫,肯定不比在这里打一大篇字费事。

【在 d*****n 的大作中提到】
: 这个是无解的,英语世界里的普世原则就是数人头的民主,南非就是最典型的例子。从
: 长远来说,加州就是墨西哥的北方州。
: 现在还只是开始,今后苦日子还在后面。当然,墨西哥的人均GDP还是天朝的三倍,老
: 中也不是不能呆。如今美国很多制作转到墨西哥,将来加州破产了,倒是可以取代中国
: 制造啊,还会说英语。
: 你们加州人抗议不抗议的没有用处,下一步老墨就是80%,90%了,早晚的事情,你们要
: 准备学西班牙语了。
: 我觉得为了后代的智商,以后得每一代都回中国找配偶,大家还是得push孩子学中文。
:
: LATINO

avatar
m*k
58
设f(N)为最多可以抛N次的情况下,最大值的期望。
那么显然f(N+1) =
1/6 * 6 (第一次抛点数为6, 不用继续抛了) +
1/6 * max{5, f(N)} (第一次抛点数为5) +
1/6 * max{4, f(N)} (第一次抛点数为4) +
1/6 * max{3, f(N)} (第一次抛点数为3) +
1/6 * max{2, f(N)} (第一次抛点数为2) +
1/6 * f(N) (第一次抛点数为1, 肯定接着抛

f(1) = 1/6 (1+2+...+6).

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
d*n
59
给个地址我给你们投一票。但是还是得说,等加州90%老墨的时候,希望这个法律能保
护老中。加州没有希望,希腊气候也好,一样是欧洲的垃圾国家。
我们这里的严冬会延缓一下墨西哥化,不过也是早晚的事情。

【在 r**i 的大作中提到】
: 看样子是外州的吧,这个事不管成不成,我们也得发出自己的声音。你在网上声援了没
: 有?去吧,点击一下又不费什么功夫,肯定不比在这里打一大篇字费事。

avatar
w*x
60
给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
点数最大化。
比如如果第一次丢就得到1点,很明显需要继续下去
如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
六点
如果第一次丢得到5点,可能要考虑是不是博一下了。
扩展问题是把3次推广到N次。
大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
其他人怎么做。
avatar
r*i
61
https://www.facebook.com/SayNoToSCA5
谢谢,顺便邀请一下你的朋友们吧。等加州墨裔到90%的时候,我们的孩子都成长起来
了,希望他们有自保能力。

【在 d*****n 的大作中提到】
: 给个地址我给你们投一票。但是还是得说,等加州90%老墨的时候,希望这个法律能保
: 护老中。加州没有希望,希腊气候也好,一样是欧洲的垃圾国家。
: 我们这里的严冬会延缓一下墨西哥化,不过也是早晚的事情。

avatar
d*o
62
这是quant面试必考题。
apple也问过。

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
p*2
63

比如如果第一次得3的话,那么还有8/9的概率不低于3, 肯定要博了?

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
w*e
64
算一下下一步的期望? 如果下一步期望大于当前点数,就再抛一次,否则停止
假设第一步抛了个3,下一步还是3的概率是1/6 * 1/6,其他点 5/6 * 1/6。。。

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
w*x
65
谁能给个公式?
avatar
j*g
66
感觉只需要根据倒数第二次的结果决定就行了。
前n-2次必须投,除非有6出现。出现5也要投, 因为后面有2+次, 再出现大于等于5的
概率是 (1-1/3)^2+ > 1/2
倒数第二次如果是 1 2 3 那就接着投, 大于等于他们的概率大于1/2; 如果是5,6就不
投了; 如果是4, 可投可不投, 看心情。 请指正
avatar
f*m
67
有道理。
若第n-2次是5,后面两次出现5或6的概率是P((A=5 or 6) 或 (B = 5or 6))=P(A)+P(B
)-PA(AB) = P(A)+P(B)-P(A)P(B)=1/3+1/3-1/9=5/9>1/2。
推广:
若第n-m次(1<=m<=n-1)是k (1<=k<=5),可以用类似上述公式算出余下的m次大于等于k
的概率,若其大于1/2,继续,反之,算了。
大牛指证。
有个小问题,和1/2比较看起来挺直观的,哪位能解释一下数学原因吗?

【在 j********g 的大作中提到】
: 感觉只需要根据倒数第二次的结果决定就行了。
: 前n-2次必须投,除非有6出现。出现5也要投, 因为后面有2+次, 再出现大于等于5的
: 概率是 (1-1/3)^2+ > 1/2
: 倒数第二次如果是 1 2 3 那就接着投, 大于等于他们的概率大于1/2; 如果是5,6就不
: 投了; 如果是4, 可投可不投, 看心情。 请指正

avatar
r*h
68
大于5的概率超过一半,才要重投吧,前n-3次除了6必须投。所以只要做base case n=3
就行了。

【在 j********g 的大作中提到】
: 感觉只需要根据倒数第二次的结果决定就行了。
: 前n-2次必须投,除非有6出现。出现5也要投, 因为后面有2+次, 再出现大于等于5的
: 概率是 (1-1/3)^2+ > 1/2
: 倒数第二次如果是 1 2 3 那就接着投, 大于等于他们的概率大于1/2; 如果是5,6就不
: 投了; 如果是4, 可投可不投, 看心情。 请指正

avatar
w*x
69
这题的主线是数学期望和back track
avatar
y*n
70
如果当前点数是k,剩下n次抛的机会,每一次抛的就是一次Bernoulli trial,提高的
概率是 1 - k/6 。 出现0次提高的概率是 C(0, n) * (1-k/6)^0 * (k/6)^(n) = (k/6
)^n, 那么取反则提高的概率是1- (k/6)^n

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
l*b
71
nice !

/6

【在 y****n 的大作中提到】
: 如果当前点数是k,剩下n次抛的机会,每一次抛的就是一次Bernoulli trial,提高的
: 概率是 1 - k/6 。 出现0次提高的概率是 C(0, n) * (1-k/6)^0 * (k/6)^(n) = (k/6
: )^n, 那么取反则提高的概率是1- (k/6)^n

avatar
c*t
72
难道不是3/4的概率?虽然我概率极差。

【在 p*****2 的大作中提到】
:
: 比如如果第一次得3的话,那么还有8/9的概率不低于3, 肯定要博了?

avatar
c*t
73
终于明白分歧了。我和你一样算的是提高的概率,但正确应该算的是不会再低的概率(
都是赌徒吧)。
还有一个难点,就是n-1的时候投出了4,还投不投最后一投,这时候很有意思,按独立
事件应该无所谓,但是如果n-2的时候投出了5,则必须投最后一投。
为啥么呢,因为n-2投完5后,选择去投就是因为后两投>=5的几率5/9大于1/2,如果你n-
1投了4而不去再投最后一投,实际上改变了前面选择概率,使其变小于1/2了,也就是
说你前面选错了。

/6

【在 y****n 的大作中提到】
: 如果当前点数是k,剩下n次抛的机会,每一次抛的就是一次Bernoulli trial,提高的
: 概率是 1 - k/6 。 出现0次提高的概率是 C(0, n) * (1-k/6)^0 * (k/6)^(n) = (k/6
: )^n, 那么取反则提高的概率是1- (k/6)^n

avatar
p*n
74
计算order statistics的expectation.
如果还剩下N次机会,就是计算N次里面最大点数的期望值,这个值等于6*N/(N+1),如果还
剩一次机会,那最大值的期望是3,两次机会:4,三次4.5......

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
I*a
75
我觉得是 ((k-1)/6)^n <= 1/2 则继续扔。

/6

【在 y****n 的大作中提到】
: 如果当前点数是k,剩下n次抛的机会,每一次抛的就是一次Bernoulli trial,提高的
: 概率是 1 - k/6 。 出现0次提高的概率是 C(0, n) * (1-k/6)^0 * (k/6)^(n) = (k/6
: )^n, 那么取反则提高的概率是1- (k/6)^n

avatar
f*m
76
那么提高的概率大约多少再决定继续呢,1/2吗?即1- (k/6)^n > 1/2就继续?

/6

【在 y****n 的大作中提到】
: 如果当前点数是k,剩下n次抛的机会,每一次抛的就是一次Bernoulli trial,提高的
: 概率是 1 - k/6 。 出现0次提高的概率是 C(0, n) * (1-k/6)^0 * (k/6)^(n) = (k/6
: )^n, 那么取反则提高的概率是1- (k/6)^n

avatar
i*e
77
给个数学公式。这道题应该也可以用递推来解,但还没想清楚怎么弄。
Define:
n = number of trials.
m = max value of all trials.
P(m, n) = (1/6^n) * Sum(k = 1 .. n) C(n, k) * (m - 1)^(n - k)
Therefore,
Expected value of max value after n trials:
E = Sum(k = 1 .. 6) k * P(k, n)
E(Max when Trials = 1) = 3.5
E(Max when Trials = 2) = 4.4722
E(Max when Trials = 3) = 4.9583
E(Max when Trials = 4) = 5.2446
所以,只要看期望值,就知道需不需要再扔筛子了。
avatar
c*m
78
用Expected value 做好像比较有道理
n = number of trials
E(max, n = 1) = 3.5 这个没有问题
所以当还有两次机会的时候,如果投了4,5,6就可以停了
于是
E(max, n = 2) = 1/6 * 6 + 1/6 * 5 + 1/6 * 4 + 1/2 * E(max, n = 1)
= 17/4 = 4.25
所以当还有三次机会的时候,如果投了5,6就可以停了
同理,可以计算
E(max, n = 3) = 1/6 * 6 + 1/6 * 5 + 2/3 * E(max, n = 2) = 14/3 = 4.67
E(max, n = 4) = 1/6 * 6 + 1/6 * 5 + 2/3 * E(max, n = 3) = 89/18 < 5
E(max, n = 5) = 1/6 * 6 + 1/6 * 5 + 2/3 * E(max, n = 4) = 277/54 > 5
所以一共有超过6次(包括6次)机会时,只有拿到了6才停。
不知道对不对,望大家指正。

【在 i**********e 的大作中提到】
: 给个数学公式。这道题应该也可以用递推来解,但还没想清楚怎么弄。
: Define:
: n = number of trials.
: m = max value of all trials.
: P(m, n) = (1/6^n) * Sum(k = 1 .. n) C(n, k) * (m - 1)^(n - k)
: Therefore,
: Expected value of max value after n trials:
: E = Sum(k = 1 .. 6) k * P(k, n)
: E(Max when Trials = 1) = 3.5
: E(Max when Trials = 2) = 4.4722

avatar
i*e
79
你的是对的,只不过你的是算最后一次扔的点数,而我的是算全部扔的最大点数。
感觉题目说的是前者,lz 请确认一下。
另外,之前我那个方程还可以简化成
P(m, n) = (1/6^n) * (k^m - (k - 1)^m)

【在 c**m 的大作中提到】
: 用Expected value 做好像比较有道理
: n = number of trials
: E(max, n = 1) = 3.5 这个没有问题
: 所以当还有两次机会的时候,如果投了4,5,6就可以停了
: 于是
: E(max, n = 2) = 1/6 * 6 + 1/6 * 5 + 1/6 * 4 + 1/2 * E(max, n = 1)
: = 17/4 = 4.25
: 所以当还有三次机会的时候,如果投了5,6就可以停了
: 同理,可以计算
: E(max, n = 3) = 1/6 * 6 + 1/6 * 5 + 2/3 * E(max, n = 2) = 14/3 = 4.67

avatar
m*k
80
设f(N)为最多可以抛N次的情况下,最大值的期望。
那么显然f(N+1) =
1/6 * 6 (第一次抛点数为6, 不用继续抛了) +
1/6 * max{5, f(N)} (第一次抛点数为5) +
1/6 * max{4, f(N)} (第一次抛点数为4) +
1/6 * max{3, f(N)} (第一次抛点数为3) +
1/6 * max{2, f(N)} (第一次抛点数为2) +
1/6 * f(N) (第一次抛点数为1, 肯定接着抛

f(1) = 1/6 (1+2+...+6).

【在 w****x 的大作中提到】
: 给一个筛子, 最大可以抛3次, 每次可以选择是否继续丢, 给一个策略让最后筛子的
: 点数最大化。
: 比如如果第一次丢就得到1点,很明显需要继续下去
: 如果第一次丢得到6点,很明显没必要继续下去,因为后面再丢的两次最大也不会超过
: 六点
: 如果第一次丢得到5点,可能要考虑是不是博一下了。
: 扩展问题是把3次推广到N次。
: 大牛很倒霉,碰到了这道题,大概只有15分钟但是还是弄出第一问来了, 看看论坛上
: 其他人怎么做。

avatar
f*m
81
哪位能给解释一下这一步怎么得来的?
(m - 1)^(n - k)
in
P(m, n) = (1/6^n) * Sum(k = 1 .. n) C(n, k) * (m - 1)^(n - k)
多谢。

【在 i**********e 的大作中提到】
: 给个数学公式。这道题应该也可以用递推来解,但还没想清楚怎么弄。
: Define:
: n = number of trials.
: m = max value of all trials.
: P(m, n) = (1/6^n) * Sum(k = 1 .. n) C(n, k) * (m - 1)^(n - k)
: Therefore,
: Expected value of max value after n trials:
: E = Sum(k = 1 .. 6) k * P(k, n)
: E(Max when Trials = 1) = 3.5
: E(Max when Trials = 2) = 4.4722

avatar
a*6
82
如果是要maximize期望,下面这个DP(倒过来就是back track)就可以了
n : 假设总共最多扔n次
f(i, m) : 在第m次扔到i时,往下继续的最优解 (0 <= m <= n)
initialize: f(i, n) = i ( i = 1, 2, ..., 6 )
recursion : f(i, m) = max(i, (f(1, m+1) + f(2, m+1) + ... + f(6, m+1))/6)
--initialize的含义是:如果是最后一轮只能扔到什么算什么
--recursion的含义是:前面几轮可以在不继续扔(f(i, m) = i)或者继续扔间做个决策
第一次如果扔到x,就按以上DP的解f(x, 1)决定后面的策略
如果最优策略是继续且第二轮扔到y就参考f(y, 2),依次类推

【在 w****x 的大作中提到】
: 这题的主线是数学期望和back track
avatar
b*a
83
我来给个closed-form的吧
无非就是比目前扔到的和剩下k次扔到最大的期待值的大小
假设剩下k次可以扔:
Pr( max(k 次的结果) =< M) = Pr( 1次结果 =< M ) ^ k
Pr( 1次的结果=所以
Pr( max(k 次的结果) =< M) = (M/6)^k
这样得出 Pr( max(k次的结果) = M ) = (M/6)^k - ((M-1)/6)^k
所以策略就是比较上次的值和 sum(M * (M/6)^k - ((M-1)/6)^k)之间的区别。
avatar
a*6
84
你算的每一步都是对的,不过这个closed-form结论可能不太对
至少不能证明最终你的策略在期望下能取到的最大值
因为他要“最后筛子的点数最大化”而你算的是“扔k次中的最大”,不能说扔完k次发
现最后一个太小,然后后悔了取之前的最大值

【在 b********a 的大作中提到】
: 我来给个closed-form的吧
: 无非就是比目前扔到的和剩下k次扔到最大的期待值的大小
: 假设剩下k次可以扔:
: Pr( max(k 次的结果) =< M) = Pr( 1次结果 =< M ) ^ k
: Pr( 1次的结果=: 所以
: Pr( max(k 次的结果) =< M) = (M/6)^k
: 这样得出 Pr( max(k次的结果) = M ) = (M/6)^k - ((M-1)/6)^k
: 所以策略就是比较上次的值和 sum(M * (M/6)^k - ((M-1)/6)^k)之间的区别。

avatar
y*g
85
算得是最后骰子的点数。这个解法是有问题的,得从后往前算。
策略是:接受第一次投出的结果,如果这个结果要好于后面n-1次投出结果的期望。
如果只能投一次,expect winning E(1 dice)=3.5是没有问题的。如果能投两次,
should base on the
previous strategy.
应该是这么算的:
投一次期望是3.5 所以如果投出4或者以上就算赢了。
投两次 第一次如果投出4,5,6就继续,否则再投。
E(2 dice)=1/6(4+5+6)《如果投一次就停 + 1/2(3.5)《投了第二次=4.25
以此类推
E(3 dice)=1/6(5+6)+2/3(4.25)=4 2/3
E(n dice)=1/6*(Sum{i in 123456 such that i>E(n-1 dice)})+(1-1/6*(#{i in
123456 such that i>E(n-1 dice)}))*E(n-1 dice)
or
E(n dice)=E(max{first roll,expect winning from n-1 dice})

【在 i**********e 的大作中提到】
: 给个数学公式。这道题应该也可以用递推来解,但还没想清楚怎么弄。
: Define:
: n = number of trials.
: m = max value of all trials.
: P(m, n) = (1/6^n) * Sum(k = 1 .. n) C(n, k) * (m - 1)^(n - k)
: Therefore,
: Expected value of max value after n trials:
: E = Sum(k = 1 .. 6) k * P(k, n)
: E(Max when Trials = 1) = 3.5
: E(Max when Trials = 2) = 4.4722

avatar
j*2
86
这题在矿工界就跟binary tree inorder traversal在码工界一样。
avatar
y*n
87
说说我的想法,这道题对我来说比较难,现场一定不能摆平。
首先,深度怀疑某个直接公式能解决这个问题。
因为后面的决策会影响前面决策。
比如:当前得到5,之后还有两次机会{Point=5;Times=2}。
那么我们必须搞清楚,如果扔出4来{Point=4;Times=1}是不是要继续。
也就是说:{Point=4;Times=1}的决策会影响到{Point=5;Times=2}的决策。
而{Point=5;Times=2}又会影响到{Point=5;Times=3}的决策。
所以,我认为这道题应该用DP由后向前推。
算出来,如果还有一次机会,小于哪个point,则retry。
由此推导出,如果还剩两次机会,小于哪个point,则retry...
这是我的代码,空间O(times),时间O(times^2)。请指正。
另外,我计算的结果如果当前是5还有两次机会,变大,变小,不变的概率都是1/3
const int MaxPoint = 6;
const int MaxTimes = 10;
static int[] RetryBars = new int[MaxTimes];
static bool NeedRetry(int times, int point)
{
if (RetryBars[times] < 1)
{
double retryRate = 1;
double largePoss = (double)(MaxPoint - point) / MaxPoint;
double equalPoss = (double)1 / MaxPoint;
for (int i = times - 1; i >= 0; i--)
{
retryRate = retryRate * (GetRetryBar(i) - 1) / MaxPoint;
largePoss += retryRate * (MaxPoint - point) / MaxPoint;
equalPoss += retryRate / MaxPoint;
}
return (1 - largePoss - equalPoss) < largePoss;
}
else
return point < RetryBars[times];
}
static int GetRetryBar(int times)
{
int retryBar = RetryBars[times];
if (retryBar < 1)
{
if (times == 0)
retryBar = 1;
else
{
retryBar = GetRetryBar(times - 1);
while (NeedRetry(times, retryBar))
retryBar++;
}
RetryBars[times] = retryBar;
}
return retryBar;
}
avatar
r*n
88
这题真心没这么复杂
T(n) = 1/6 \sum_{k=1}^6 max( T(n-1), k )
T(0) = 0

【在 y****n 的大作中提到】
: 说说我的想法,这道题对我来说比较难,现场一定不能摆平。
: 首先,深度怀疑某个直接公式能解决这个问题。
: 因为后面的决策会影响前面决策。
: 比如:当前得到5,之后还有两次机会{Point=5;Times=2}。
: 那么我们必须搞清楚,如果扔出4来{Point=4;Times=1}是不是要继续。
: 也就是说:{Point=4;Times=1}的决策会影响到{Point=5;Times=2}的决策。
: 而{Point=5;Times=2}又会影响到{Point=5;Times=3}的决策。
: 所以,我认为这道题应该用DP由后向前推。
: 算出来,如果还有一次机会,小于哪个point,则retry。
: 由此推导出,如果还剩两次机会,小于哪个point,则retry...

avatar
m*g
89
谁能给详细讲讲为啥E(2)=4.25?
下面的逻辑没看懂。。。
E(2 dice)=1/6(4+5+6)《如果投一次就停 + 1/2(3.5)《投了第二次=4.25
avatar
y*n
90
对不起,这个公式我看不懂。
能转换成代码吗?

【在 r*********n 的大作中提到】
: 这题真心没这么复杂
: T(n) = 1/6 \sum_{k=1}^6 max( T(n-1), k )
: T(0) = 0

avatar
b*e
91
顶这个,这个是正解。

【在 y***g 的大作中提到】
: 算得是最后骰子的点数。这个解法是有问题的,得从后往前算。
: 策略是:接受第一次投出的结果,如果这个结果要好于后面n-1次投出结果的期望。
: 如果只能投一次,expect winning E(1 dice)=3.5是没有问题的。如果能投两次,
: should base on the
: previous strategy.
: 应该是这么算的:
: 投一次期望是3.5 所以如果投出4或者以上就算赢了。
: 投两次 第一次如果投出4,5,6就继续,否则再投。
: E(2 dice)=1/6(4+5+6)《如果投一次就停 + 1/2(3.5)《投了第二次=4.25
: 以此类推

avatar
f*t
92
应该是还剩下k次机会时,如果当前的点数大于k次的期望,就终止,否则继续,然后k-
1次机会是依然如此比较。
avatar
f*t
93
期望是指能拿到的最大点数的期望
avatar
y*g
94
可能我写的有点confusing
就是说如果投两次 投完第一次 如果是4,5,6,那么已经高于剩下一次机会能投出点
数的期望3.5 就不用继续投剩下的那一次了
投出4,5,6的概率各是1/6
剩下的1/2的概率继续投第二次 第二次的期望又是3.5
所以总的期望是1/6(4+5+6)+1/2×3.5

【在 m*********g 的大作中提到】
: 谁能给详细讲讲为啥E(2)=4.25?
: 下面的逻辑没看懂。。。
: E(2 dice)=1/6(4+5+6)《如果投一次就停 + 1/2(3.5)《投了第二次=4.25

avatar
y*g
95
是的 等价于E(n dice)=E(max{first roll,expect winning from n-1 dice})

【在 r*********n 的大作中提到】
: 这题真心没这么复杂
: T(n) = 1/6 \sum_{k=1}^6 max( T(n-1), k )
: T(0) = 0

avatar
y*n
96
终于搞懂了,也明白了我的理解与几位大侠之间的区别。
这道题的确有个很有趣的地方。
假设有3次retry机会,那么按照策略最后值的情况分别如下:
1:1/18
2:1/18
3:1/18
4:1/6
5:1/3
6:1/3
这时如果我们算平均期望值是4.6667,明显小于5。
但是,这种情况最后值>5,=5,<5的概率都是1/3,此刻是不是要继续赌?
保险起见,可以不赌。
更好玩儿的情况,如果还有4次机会,最后值的情况分别如下:
1:3.7%
2:3.7%
3:3.7%
4:11.1%
5:38.9%
6:38.9%
平均期望值是4.9444,小于5。
但是这种情况,大于5的概率是38.9%,小于5的概率是22.2%。
我的算法是赌概率,几位大侠的算法是赌期望值。
这道题不错,理解了很多东西。
avatar
t*3
97
if N>=10, 只要没有得到6,就继续扔。得到6就停止。
else 只要没有得到5或者6,就继续扔。 直到得到5或者6就停止。
avatar
o*u
98
有人报下答案吗?
我算出来的是:假设有3次机会分别记为1,2,3。
if(1.value()>=5) return 1.value();
2.roll();
if(2.value()>=4) return.value();
3.roll();
return 3.value();
如果有n次机会,在倒数第三次之前,值小于6的,都重丢。
如果是m面骰子,还没想好,感觉是dp,写不来。
avatar
k*r
99
为什么不能简单的按 p[k][n]=p[k][n-1]+(1-p[k][n-1])*(6-k)/6 来递推?
这里p[k][n]表示当前点数为k,未来最大允许n次抛骰子的情况下,得到最终点数大于k
的概率。
avatar
s*5
100
菜鸟觉得大牛们是不是把这个题想得太复杂了?
我的策略很简单,前n-3次机会一直扔,得到6就停
如果n-3是5, 还有3次机会,还赌不赌6? 结论是赌.我试了1百万次
get win 421089
get equal 282586
get lose 296325
如果n-2是5, 还有2次机会,还赌不赌6?
get win 305234
get equal 249926
get lose 444840
这里很有意思,应该还是赌,win+equal是大于lose的,就是说不会输。
如果n-2是4, 还有2次机会,还赌不赌? 结论是赌.
get win 556362
get equal 193845
get lose 249793
程序太简单,就不献丑了。
avatar
y*n
101
1. 你的统计数据有问题,不如把程序贴出来。
2. 当你计算n-3时,有没有参考n-2的决策?如果没有,那就有问题
3. 此题不能完全用win/loss的概率来解读。
比如:%40概率赢$100,但%20概率输$500,赌还是不赌?

【在 s*********5 的大作中提到】
: 菜鸟觉得大牛们是不是把这个题想得太复杂了?
: 我的策略很简单,前n-3次机会一直扔,得到6就停
: 如果n-3是5, 还有3次机会,还赌不赌6? 结论是赌.我试了1百万次
: get win 421089
: get equal 282586
: get lose 296325
: 如果n-2是5, 还有2次机会,还赌不赌6?
: get win 305234
: get equal 249926
: get lose 444840

avatar
s*5
102
1, 程序附在后面, 里面的p q r 是随机生成的。
2, 没有,但这个题是当前决策啊,n-3影响n-2
3, 你说的情况应该要算期望,但这个题的意思不就是想要到一个最大的结果么。
例如我们俩之骰子,我已经扔了个5
你有3次机会A,B,C可以掷,
只要max(A,B,C) = 6就赢$100,
max(A,B,C) = 5 我们平手
max(A,B,C) < 5 你输给我$100 , 我想你一定会干的,而且你希望和我玩的次数越多越
好,对吧?
那么你如果只有两次机会了,你还会干嘛?其实不会了,因为你输的可能大。但我如果
说我们平手你照样拿$100, 那么你又会同意一直玩下去。
我就是这么理解的,code 如下:
public class Dice{
public static void main(String[] args){
final int N = 1000000;
int win = 0;
int lose = 0;
int equal = 0;

for (int i = 0; i < N; ++i ){

int p = (int)(Math.random() * 6 + 1);
int q = (int)(Math.random() * 6 + 1);
int r = (int)(Math.random() * 6 + 1);
//System.out.println(p + " and " + q );
if (p > 5 || q > 5 || r > 5)
{win++;}
else if (p == 5 || q == 5 || r == 5)
{equal++;}
else
{lose++;}
}

System.out.println("get win " + win);
System.out.println("get equal " + equal);
System.out.println("get lose " + lose);
}


}

【在 y****n 的大作中提到】
: 1. 你的统计数据有问题,不如把程序贴出来。
: 2. 当你计算n-3时,有没有参考n-2的决策?如果没有,那就有问题
: 3. 此题不能完全用win/loss的概率来解读。
: 比如:%40概率赢$100,但%20概率输$500,赌还是不赌?

avatar
T*t
103
This is not that difficult, if you can use T(n-1) to represent T(n)
It will be difficult to represent T(n) in terms of n with just one formula.
I don't know if you can do that or not.
If that's the only way, the interviewer should tell you that. Otherwise,
one will stuck there forever, or think it's impossible.
The expected value of the last roll is 3.5, so if you get 3, you try again;
if you get 4, you don't try.
This strategy gives u: on 1, 2, 3, on average you get 3.5, so the total
average is (3.5X3 + 4 + 5 + 6)/6 = 4.25, this is the expected value for the
last two rolls.
So if you are at the first roll, you stop if you get 5 or 6, otherwise you
continue.
This strategy gives u: on 1, 2, 3, 4, on average you get 4.25, so the total
average is (4.25X4 + 5 + 6)/6 = 4.6667.
If there are n rolls left, and you already know the average for (n-1) is T(n
-1), then you just need to represent the above idea in a mathematical form,
which might not be very straightforward, or concise.
When T(n) is above 5, you'll only stop if you get a 6.
avatar
y*n
104
你前面说:“你有3次机会A,B,C可以掷” 此时你以为有三次机会。
此时如果再扔个5呢?还剩两次机会。
你后面说:“那么你如果只有两次机会了,你还会干嘛?其实不会了”
你自己会放弃两次机会。
也就是说,如果还剩三次机会(5,5,6),(5,1,6),(5,6,5)...
都是不可能发生的,但是你的算法把它们统计进去了。
如果现在是4,还有一次机会,赌不赌呢?按照概率不能赌。
所以(2,4,6),(3,4,1), (4,4,5)都是不可能发生的,你也统计了。
所以说,n-1影响n-2,n-2又影响n-3....
再者,你只统计了win/loss,但你没计算win几个点,loss几个点。

【在 s*********5 的大作中提到】
: 1, 程序附在后面, 里面的p q r 是随机生成的。
: 2, 没有,但这个题是当前决策啊,n-3影响n-2
: 3, 你说的情况应该要算期望,但这个题的意思不就是想要到一个最大的结果么。
: 例如我们俩之骰子,我已经扔了个5
: 你有3次机会A,B,C可以掷,
: 只要max(A,B,C) = 6就赢$100,
: max(A,B,C) = 5 我们平手
: max(A,B,C) < 5 你输给我$100 , 我想你一定会干的,而且你希望和我玩的次数越多越
: 好,对吧?
: 那么你如果只有两次机会了,你还会干嘛?其实不会了,因为你输的可能大。但我如果

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。