Salta al contenuto
Note per Studenti Esercizio - album di 20 figurine, acquisti attesi per completarlo

Esercizio - album di 20 figurine, acquisti attesi per completarlo

Teoria: 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 → (sezione sul collezionista di figurine).

Testo. Un album ha 2020 figurine distinte. Ogni acquisto di una bustina con una sola figurina ne dà una scelta uniformemente tra le 2020, indipendentemente dagli acquisti precedenti.

  1. Quanti acquisti servono in media per completare l'album?
  2. Quanti per avere almeno 1515 figurine distinte? E quanti restano da fare dopo averne 1515?
  3. Quanti acquisti servono in media per avere le prime 1010 figurine distinte, e quanto pesano sul totale?
  4. Verificare con una simulazione.

Soluzione

Struttura. Sia TiT_i il numero di acquisti necessari per passare da i−1i-1 a ii figurine distinte. Quando se ne hanno i−1i-1, un acquisto è "nuovo" con probabilità pi=20−(i−1)20=21−i20p_i=\frac{20-(i-1)}{20}=\frac{21-i}{20}, indipendente dal passato: TiT_i è geometrica di parametro pip_i (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 E[Ti]=1pi=2021−iE[T_i]=\frac1{p_i}=\frac{20}{21-i}. Per linearità l'attesa del tempo che passa tra aa e bb distinte si ottiene sommando le E[Ti]E[T_i] relative.

1. Completare l'album. E[T]=∑i=1202021−i=20(120+119+⋯+1)=20H20.E[T]=\sum_{i=1}^{20}\frac{20}{21-i}=20\Big(\frac1{20}+\frac1{19}+\dots+1\Big)=20H_{20}. H20=3,59774H_{20}=3{,}59774, quindi E[T]=20⋅3,59774≈71,95E[T]=20\cdot3{,}59774\approx71{,}95 acquisti.

2. Quindici distinte. Servono T1,…,T15T_1,\dots,T_{15}, cioè i=1..15i=1..15, con E[Ti]=2021−iE[T_i]=\frac{20}{21-i} che va da 2020=1\frac{20}{20}=1 a 206\frac{20}{6}: ∑i=1152021−i=20 (H20−H5)=20 (3,59774−2,28333)=26,29.\sum_{i=1}^{15}\frac{20}{21-i}=20\,(H_{20}-H_5)=20\,(3{,}59774-2{,}28333)=26{,}29. Restano T16,…,T20T_{16},\dots,T_{20}, con E=205+204+203+202+201=4+5+6,667+10+20=1373≈45,67E=\frac{20}5+\frac{20}4+\frac{20}3+\frac{20}2+\frac{20}1=4+5+6{,}667+10+20=\frac{137}3\approx45{,}67 (e 26,29+45,67=71,9526{,}29+45{,}67=71{,}95). Le ultime cinque figurine pesano il 63%63\% del totale.

3. Prime dieci distinte. ∑i=1102021−i=20 (H20−H10)=20 (3,59774−2,92897)=13,38\sum_{i=1}^{10}\frac{20}{21-i}=20\,(H_{20}-H_{10})=20\,(3{,}59774-2{,}92897)=13{,}38 acquisti, il 19%19\% del totale: all'inizio quasi ogni figurina è nuova.

4. Simulazione.

python
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 72

Risultato. E[T]=20H20≈71,95E[T]=20H_{20}\approx71{,}95; 26,2926{,}29 acquisti per quindici distinte e 1373≈45,67\frac{137}3\approx45{,}67 per le ultime cinque.

Verifica Python: somma esatta con Fraction =2791756753879876=71,9548=\frac{279175675}{3879876}=71{,}9548; simulazione con 20 00020\,000 album: 72,2072{,}20.

Versione ripasso

Esercizi su questo argomento

Teoria collegata