Symulacja dyskretna (3) Zapoznanie z oprogramowaniem symulacyjnym Arena 14.0
Matematyka dyskretna
Transcript of Matematyka dyskretna
Matematyka DyskretnaAndrzej Szepietowski 25 czerwca 2002 roku
Rozdzia 1
Funkcje boolowskie1.1 Algebra BooleaPrzykadem algebry Boolea jest zbir dwuelementowy:
z trzema operacjami: alternatyw, koniunkcj i negacj. a a a Alternatywa, ktr b dziemy te nazywa po prostu sum , jest operacj dwuargumentow, a e z c a a a oznaczan przez: a lub i okrelon przez tabel : s a e p 0 0 1 1 q 0 1 0 1
p+q 0 1 1 1
Koniunkcja (lub iloczyn) jest drug operacj dwuargumentow, oznaczan przez: a a a a lub
i okrelon przez tabel : s a e p 0 0 1 1 q 0 1 0 1
3
0 0 0 1
!
%$
" #
" #
4
Rozdzia 1. Funkcje boolowskie
Podobnie jak w arytmetyce, kropk b dziemy opuszcza , je eli nie b dzie to prowadzi e e c z e c do niejednoznacznoci. s Operacje alternatywy i koniunkcji mo na te zdeniowa za pomoc nast puj cych z z c a e a wzorw: Negacja jest operacj jednoargumentow, oznaczan przez: a a a lub
i okrelon przez tabel : s a e
p 0 1
1 0
Algebr e mo emy interpretowa jako logik zdaniow. Zmienne s zdaniami, z c e a a ktre mog przyjmowa wartoci prawda lub fasz. Je eli oznaczymy prawd przez i a c s z e fasz przez , to powy ej zdeniowane operacje odpowiadaj znanym operacjom z logiki z a zda . n Lemat 1.1 Operacje alternatywy, koniunkcji i negacji speniaj nast puj ce tosamoci: a e a z s (a) (b) (c) (d) (e) (f) (g) (h) (i)
(alternatywa i koniunkcja s przemienne), a (alternatywa i koniunkcja s a
czne), a
(alternatywa jest rozdzielna wzgl dem koniunkcji), e (koniunkcja jest rozdzielna wzgl dem alternatywy), e , , ,
,
,
,
,
,
,
(prawa pochaniania), (prawa deMorgana),
,
(prawo podwjnego przeczenia).
Najprostsze dowody powy szych to samoci polegaj na sprawdzeniu, ze zachodz one z z s a a dla ka dego mo liwego podstawienia za zmienne wartoci 1 lub 0. Na przykad, udowodz z s nimy to samoc: z s Wszystkie mo liwe podstawienia zebrane s w tabeli: z a
# "
0 " # ) "# # # " " ( ' & & $ % " $ # " ! #
1.1. Algebra Boolea p 0 0 1 1 q 0 1 0 1
5
Poniewa trzecia kolumna jest identyczna z pierwsz , wi c rwnoc z a e s jest prawdziwa dla ka dego podstawienia, czyli jest to samoci . z z s a Innym przykadem algebry Boolea jest zbir wszystkich podzbiorw jakiego zbioru s z operacjami okrelonymi w nast puj cy sposb: s e a jest sum mnogociow a s a jest iloczynem
jest uzupenieniem zbioru,
,
1 jest zbiorem
,
0 jest zbiorem pustym .
Tak e te operacje speniaj to samoci z lematu 1.1. z a z s Udowodnimy, dla przykadu, to samoc z s . Je eli element nale y do z z zbioru , to nale y tak e do sumy z z . Je eli za nie nale y do , to nie nale y z s z z tak e do iloczynu z , a wi c nie nale y do zadnego skadnika sumy e z , czyli nie . Tak wi c zbiory i e zawieraj dokadnie te same elementy, a nale y do z a wi c s rwne. e a Oprcz trzech podstawowych, w algebrze Boolea deniuje si inne operacje. Dla nas e wa na b dzie operacja xor (ang. exclusive or) albo alternatywa wykluczajca. xor jest z e a operacj dwuargumentow, oznaczan przez: a a a
i okrelon przez tabel : s a e p 0 0 1 1 q 0 1 0 1
0 1 1 0
Operacja ta jest nazywana alternatyw wykluczajc , poniewa w logice zdaniowej a a a z zdanie jest prawdziwe, je eli albo , albo jest prawdziwe, ale nie jest prawdziwe, z gdy i naraz s prawdziwe. Operacja a ma nast puj ce wasnoci: e a s
(a)
Lemat 1.2
(jest przemienna),
0 0 1 1
"
6 (b) (c) (d)
Rozdzia 1. Funkcje boolowskie
,
, .
,
cznoc operacji zapewnia, ze mo emy opuszcza nawiasy w wyra eniach typu a s z c z , bez spowodowania niejednoznacznoci. s Operacj xor mo na zdeniowa poprzez alternatyw, koniunkcj i negacj: e z c e e e
W algebrze podzbiorw operacja xor odpowiada rnicy symetrycznej: z
1.2 Wyra enia boolowskie zPodobnie jak wyra enia arytmetyczne, mo emy budowa wyra enia boolowskie. Wyraz z c z zeniami boolowskimi s stae i oraz zmienne boolowskie (typu boolean). Bardziej a zo one wyra enia mo na budowa za pomoc operatorw boolowskich i nawiasw. Jez z z c a zeli i s dwoma wyra eniami boolowskimi, to wyra eniami boolowskimi s tak e a z z a z nast pujce wyra enia: e a z
1.2.1 Wyra enia boolowskie w j zyku Pascal z eW j zyku Pascal wyra eniami boolowskimi s stae true i false oraz zmienne tye z a pu boolean. Wyra enia boolowskie mo na te budowa z wyra e arytmetycznych za z z z c z n pomoc tak zwanych operatorw relacyjnych. Je eli U i W s dwoma wyra eniami aryta z a z metycznymi, to wyra eniem boolowskim jest wyra enie: z z U op W, gdzie op oznacza dowolny operator relacyjny. Operatory relacyjne s zestawione w tabeli: a operator = < > = znaczenie rwne mniejsze wi ksze e r ne z mniejsze lub rwne wi ksze lub rwne e
"
(f) zbir
z dziaaniami xor i koniunkcji tworzy ciao.
(e) Jeeli z
, to
$
% "
(jest czna), a
(xor jest rozdzielne wzgl dem koniunkcji), e ,
1.3. Funkcje boolowskie
7
Wyra enia boolowskie mo na tak e budowa za pomoc operatorw boolowskich i naz z z c a wiasw. Je eli U i W s dwoma wyra eniami boolowskimi, to wyra eniami boolowskimi z a z z s tak e nast puj ce wyra enia: a z e a z
Przykadami wyra e boolowskich w j zyku Pascal s : z n e a
gdzie b jest zmienn typu boolean, a x zmienn liczbow . a a a Wyra enia boolowskie wyst puj w j zyku Pascal w instrukcjach warunkowych lub z e a e w p tlach while i repeat. e
1.3 Funkcje boolowskie
gdzie
. Mamy cztery funkcje boolowskie jednej zmiennej:
funkcj sta e a
rwn 0, a ,
identycznoc s negacj e
,
funkcj sta e a
rwn 1. a
Wartoci tych funkcji zestawiono w tabeli: s x 0 1
0 0
Funkcje boolowskie
U or W (suma lub alternatywa), U and W (koniunkcja), not W (negacja), U xor W (exclusive or lub alternatywa wykluczajca), a (U) (wyra enie U wzi te w nawias). z e
true or b, b and not(x>=0), (00 do begin {C} x:=x-1; y:=y+y end; {B} writeln(y) end.
a f 20
Trzeci punkt kontrolny
jest wewnatrz p tli, tu przed instrukcja x:=x-1, z asercja: e z
0 e f 2v
Punkt
na ko cu programu, tu przed instrukcja writeln, z asercja: n z
W tym programie te sa trzy punkty kontrolne. Punkt z cja readln, z asercja:
na poczatku, zaraz za instruk
X 4 X
S
X
X X X X X X
' $
6 S eF7% 0
' $
X X i
X h X
X X
X X
8 6 4 ' 2 5(&$
8
Rozdzia 1. Poprawnoc programw s
Dowd poprawnoci programu polega teraz na dowodzie tych samych czterech implis kacji, ktre znajduja si w podrozdziale 10.5. e Aby udowodni , ze program zawsze si zatrzyma, wystarczy jako licznik przyja c e c zmienna , ktra przyjmuje wartoci nieujemne i zmniejsza swoja wartoc przy ka dym s s z kolejnym odwiedzeniu punktu .
1.7 CzekeryW przypadku gdy udowodnimy, ze jaki program dziaa poprawnie, wwczas mamy pew s noc, ze dla ka dych danych wejciowych uzyskany wynik b dzie dobry. Inna metoda s z s e sprawdzania, ze program dziaa poprawnie, sa czekery. Zamiast dowodzi , ze program c zawsze zadziaa dobrze, czekery sprawdzaja, czy zadziaa on dobrze w konkretnych przy padkach. Do zadania algorytmicznego projektowane sa dwa programy. Program gwny , ktry rozwiazuje zadanie, oraz program , zwany czekerem lub werykatorem, ktry z po ka dym zadziaaniu programu sprawdza, czy odpowied programu jest poprawz na. Zakada si przy tym, ze dziaanie czekera jest du o prostsze ni dziaanie programu e z z . W dodatku program mo e by traktowany jak czarna skrzynka, gdzie nie mamy z c wgladu w to, jak program dziaa, tylko dostajemy ostateczne odpowiedzi. Przyjrzyjmy si pomysowi czekerw na przykadach. e We my znowu algorytm Euklidesa, ale teraz wygodniej jest wzia wersj , gdzie proz c e e oraz i , takie ze gram bierze par liczb i i zwraca trzy liczby: . Zeby sprawdzi , czy program dobrze obliczy dane wyjciowe, wystarczy c s sprawdzi , czy dzieli i , oraz czy c
Inny przykad to czeker dla programu obliczajacego zaokraglenie w gr pierwiastka e kwadratowego z liczby naturalnej . Przykad takiego programu przedstawiono w rozdziale 3.5. Je eli program gwny oblicza dla wartoci wejciowej wartoc wyjciowa z s s s s , to zadanie czekera polega na sprawdzeniu dwch rzeczy, czy
1.8 Zadania1. Udowodnij poprawnoc programu (przedstawionego w podrozdziale 6.6), ktry dla s danych liczb , oblicza oraz liczby cakowite , speniajace rwnoc s .
S uvt
' $ e(&%
oraz czy
' $ e(&3
S
P
GP ) Ey $ '
S v
' $ e(&%
S
6 ' $ $ 24 ' G
' $
' $
P
P H'
F$
Rozdzia 1
Rachunek prawdopodobienstwa1.1 Zdarzenia Podstawowym poj ciem rachunku prawdopodobienstwa jest przestrze zdarze elemene n n tarnych, ktr najcz sciej b dziemy oznacza przez . W tej ksi zce ograniczymy si do a e e c a e przypadkw, gdy jest zbiorem skonczonym. Dzi ki temu b dziemy mogli ograniczy e e c si to prostych rozwa a . e z n Elementy przestrzeni nazywamy zdarzeniami elementarnymi. Przestrze zdarze cz sto zwi zana jest z jakim eksperymentem losowym (probabin n e a s listycznym). Przykad 1.1 a) Przypucmy, ze rzucamy monet . Przestrze zdarze elementarnych s a n n moe by wtedy okrelona jako z c s , gdzie oznacza wypadnicie ora, a e reszki. b) W przypadku rzutu dwoma (rozrnialnymi) monetami przestrze zdarze elemenz n n tarnych moe by okrelona jako z c s , gdzie oznacza, ze wypady dwa ory; , ze na pierwszej monecie wypad orze, a na drugiej reszka; , ze na pierwszej reszka, a na drugiej orze; a , ze na obu monetach wypady reszki. c) Przypucmy, ze mamy urn z szecioma ponumerowanymi kulami, i ze kule o nus e s merach 1 i 2 s biae, a kule o numerach 3,4,5 i 6 s czarne. Przestrze zdarze a a n n elementarnych moe by zdeniowana jako z c . d) Przy rzucie kostk a .
e) Przy rzucie dwiema (rozrnialnymi) kostkami z . Zdarzenie odpowiada wynikowi, gdzie na pierwszej kostce wypado oczek, a na drugiej . f) Przy rzucie monet i kostk a a na przykad opisuje wynik, gdzie na monecie wypad orze, a na kostce 6 oczek. 3
3 1 ( & % " 3 1 ( & % " 5S6TSS26S6T4S45#!
A 3 I A I " F E 9 SRQC4!PHG@DC4BA@8
' ' ' ' $ $" #3210)(#%#!
%" 53517)(6&5420
3
C E @DC4BA9
;
4
Rozdzia 1. Rachunek prawdopodobienstwa g) W przypadku rzutu (rozrnialnymi) monetami przestrze zdarze elementarnych z n n moe by okrelona jako zbir wszystkich elementowych ci gw z wartociami z c s a s lub . h) Przypucmy, ze mamy urn z dwoma kulami biaymi i trzema czarnymi, i ze losus e jemy dwie kule z tej urny. Oznaczmy te kule przez , , , i . Przestrzeni a zdarze elementarnych moe tu by albo zbir dwuelementowych podzbiorw zbion z c ru kul, lub zbir dwuelementowych ci gw bez powtrze . Zaley to od tego, czy a n z b dziemy rozpatrywa zdarzenia, w ktrych rozrniamy wylosowane kule, czy nie e c z rozrniamy. z
Mo na te rozpatrywa przestrzenie zdarze nie zwi zane z eksperymentem: z z c n a Przykad 1.2 Przestrzeni zdarze elementarnych moe by : a n z c a) Zbir liter lub sw wyst puj cych w jakim tekcie, ksi zce lub licie. e a s s a s b) Zbir moliwych hase potrzebnych do uzyskania dost pu do danych lub systemu. z e Jeeli zbir moliwych hase jest zbyt may, to atwo mona zama zabezpieczenia. z z z c c) Zbir moliwych wylicze algorytmu probabilistycznego (algorytmu, ktry korzysta z n z funkcji losuj cej). a Dowolny podzbior nazywamy zdarzeniem. Pami tajmy, ze rozwa amy tyle z ko sko czone przestrzenie zdarze elementranych. W przypadku, gdy nie jest zbiorem n n sko czonym, konieczna jest inna denicja zdarzenia. Cay zbir nazywamy zdarzeniem n pewnym, a zbir pusty zdarzeniem niemoliwym. Zdarzenia roz czne, z a , nazywamy wykluczaj cymi si . Zdarzenie a e nazywamy zdarzeniem przeciwnym do zdarzenia . Przykad 1.3 a) W przykadzie 1.1b, z rzutem dwoma monetami, mamy zdarze . Zbir n jest zdarzeniem polegaj cym na a tym, ze na pierwszej monecie wypad orze. b) W przykadzie 1.1e, z rzutem dwoma kostkami, mamy zdarze . Zbir n jest zdarzeniem, ze suma oczek na obu kostkach wynosi 5. c) W przykadzie 1.1c, z kulami, bia . a
oznacza zdarzenie, ze wylosowano kul e
d) Rzut czteroma monetami, przykad 1.1g z , zdarzenie, ze na pierwszej i trzeciej monecie wypady ory to , a zdarzenie, ze na pierwszej i trzeciej monecie wypado to samo to .
E " 6B(9 #%S 9& #&S 9% 0(2)"0 E E E 9
4!
T4 4 4 (
' 1 0( 2& 2% " ' ' $ $
%
24$ 0 $% "
% R3 "
,
1.2. Prawdopodobie stwo n
5
1.2 PrawdopodobienstwoDenicja 1.4 Prawdopodobie stwo, lub rozkad prawdopodobie stwa, jest funkcj okrelon n n a s a na zbiorze zdarze (w naszym przypadku na zbiorze wszystkich podzbiorw ). Kaden z mu zdarzeniu przypisujemy liczb rzeczywist e a , jego prawdopodobie stwo. n Funkcja ta musi spenia warunki: c Aksjomaty prawdopodobienstwa A1) A2) dla kadego z
,
,
A3) Jeeli zdarzenia z
i
s roz czne, to a a
.
Zbir zdarze elementarnych wraz z okrelonym na nim prawdopodobienstwem b dziemy n s e nazywa przestrzeni probabilistyczn . W przypadku, gdy przestrze n zdarze elemenc a a n tarnych jest zbiorem sko czonym, wystarczy okreli prawdopodobie stwa dla zdarze n s c n n elementarnych. Musz by tylko spenione dwa warunki: a c A4) A5) dla ka dego z ,
,
Prawdopodobie stwo dowolnego zdarzenia jest wtedy rwne n
atwo mo na sprawdzi , ze tak zdeniowane prawdopodobienstwo spenia aksjomaty z c denicji 1.4. W przypadku, gdy przestrze zdarze elementarnych jest zbiorem wszystkich mo n n z liwych wynikw jakiego eksperymentu, najcz sciej przyjmuje si , ze funkcja prawdos e e podobie stwa przypisuje, ka demu zdarzeniu elementarnemu tak sam wartoc. Mamy n z a a s wtedy do czynienia z klasyczn denicj prawdopodobie nstwa. W tej ksi zce b dziemy a a a e najcz sciej u ywa klasycznej denicji, a w razie odst pstwa od tej umowy, b dziemy to e z c e e specjalnie zaznacza . c Denicja 1.5 Rozkad prawdopodobie stwa, w ktrym kade zdarzenie elementarne n z ma takie samo prawdopodobie stwo n
nazywamy rozkadem jednostajnym.
Przykad 1.6 a) Dla rzutu dwoma monetami (przykad 1.1b moemy okreli prawz s c dopodobie stwo wedug klasycznej denicji: mamy wtedy n
1 $ E #% )( 9
E 9
E
1 $ E 5#% )( 9
9 E 9
E 9
$ %E 9
F F " E 9
#" !
1 $ E S2% '& 9
E 9
1 $ E 52% '& D9
" E 9 6E 9
" ! E D9 SE 9
6
Rozdzia 1. Rachunek prawdopodobienstwa Ale oczywicie funkcja prawdopodobie stwa moe by dowoln funkcj speniaj c s n z c a a a a warunki A4 i A5. Na przykad
. b) W przykadzie 1.2a, ze zbiorem wszystkich liter w tekcie, prawdopodobie stwo s n moe by zdeniowane jako cz stoci wyst powania poszczeglnych liter w tym z c e s e tekcie. Na podstawie cz stoci wyst powania liter mona zgadywa w jakim j zyku s e s e z c e napisany jest tekst. Podobnie mona rozpatrywa cz stoc wyst powania sw w z c e s e tekcie i na tej podstawie zgadywa autorstwo tekstu. s c W nast puj cym twierdzeniu zebrano kilka prostych wnioskw wynikajcych z ake a a sjomatw prawdopodobie stwa. n Twierdzenie 1.7 b) Jeeli z c) d)
a)
, to
oraz
Przykad 1.8 (kontynuacja przykadu 1.3d) z czteroma monetami). Jeeli zaoymy rozz z kad jednostajny, to prawdopodobie stwo ze na pierwszej i trzeciej monecie wypad orze n wynosi , a prawdopodobie stwo, ze na pierwszej i trzeciej monecie wypadnie to samo n wynosi . Podobnie w przypadku, gdy rzucamy monetami (przykad 1.1g). Przestrze n zdarz elementarnych zawiera e ci gw, z czego a sprzyja zdarzeniu, ze na pierw szej i trzeciej monecie wypadnie orze, a sprzyja zdarzeniu, ze na pierwszej i trzeciej monecie jest to samo. Tak wi c otrzymamy takie same prawdopodobie stwa jak w przye n padku rzutu czteroma monetami.
c) Mamy A3 mamy d) wynika bezporednio z c). s
9 EE 9 9 %$ E E E 9 EE 9 E 999 9 )EE E 9 GE 9 9 E 9 $ E 9E E 9 9 E 9 E 9 E 9 E 9 E 9
.
oraz
oraz
, a poniewa z
E 9
Dowd: a) Z aksjomatu A3 mamy speniaj c rwnoc a a s b) Je eli z , to
, a 0 jest jedyn liczb a a
, a wi c z aksjomatu A3 e a wi c z aksjomatu e , z wniosku 1.7b
&
E 9$ %E
9
$ E S% ) 9
$ E 9 E 9 I E 9 $%E 9 E 9 E 9 E 9 E 9 E 9 E 9 I E 9 E 9
%
&
$ E 6& )( D9
%
$ )
%
$ E S1 ) 9
lub
$ )(
%S& 9 E
1% E 524S& 9
$ E 6( % ) 9
$ E 5% '( 9
% " ( "
1.3. Prawdopodobie stwo warunkowe i zdarzenia niezale ne n z
7
Dowd przez indukcj : e Dla twierdzenie zachodzi w sposb trywialny. Za my, ze twierdzenie jest prawdziwe dla dowolnej rodziny zbiorw. Rozpatrzmy z
z aksjomatu A3 i z zao enia indukcyjnego wynika z
Dowd przez indukcj : Dla e twierdzenie zachodzi w sposb trywialny. Za my, z ze twierdzenie jest prawdziwe dla dowolnej rodziny zbiorw. Z twierdzenia 1.7c i z zao enia indukcyjnego mamy z
1.3 Prawdopodobienstwo warunkowe i zdarzenia niezale ne zDenicja 1.11 Prawdopodobie stwo warunkowe zajcia zdarzenia n s zaszo zdarzenie oznaczane przez okrelamy jako s
pod warunkiem, ze
Ma to sens tylko wtedy gdy
.
$E9
I E
9
Twierdzenie 1.10 Dla dowolnej rodziny zbiorw mamy
(niekoniecznie parami roz cznych) a
$E %D
9
E
9 QE 9
E 9 I $$$
$ E E 9 9 E F 9 E F 9
E
I
9
Poniewa z
$
QE 9
C A
Twierdzenie 1.9 Niech dla kadej pary indeksw z
b dzie rodzin parami roz cznych zdarze ( e a a n ). Wtedy
"
)
$$$
E 9
T
"
8
Rozdzia 1. Rachunek prawdopodobienstwa
Mo emy powiedzie , ze jest to prawdopodobie stwo zajcia zdarzenia w sytuacji, gdy z c n s mamy pewnoc, ze zaszo zdarzenie . Przy klasycznej denicji, gdy prawdopodobie ns stwo oznacza cz stoc wyst pienia, to prawdopodobienstwo e s a oznacza jaka cz sc e elementw zbioru nale y do zbioru . z
Dlatego mo na mwi , ze w takim przypadku zdarzenia z c Denicja 1.13 Mwimy, ze zdarzenia i
Przykad 1.14 (Kontynuacja przykadu 1.1c, z szecioma kulami). Zdarzenie s wylosowania kuli biaej i zdarzenie wylosowania kuli z parzystym numerem s niezalene, poniewa a z z oraz . Po prostu cz stoc e s wyst powania kuli biaej wrd kul o parzystych numerach (1 na 3) jest taka sama jak e s cz stoc wyst powania kuli biaej wrd wszytkich kul (2 na 6). e s e s
, to mwimy, ze s one parami niezale ne, a z Je eli mamy wi cej zdarze z e n je eli ka de dwa zdarzenia s niezale ne, to znaczy gdy z z a z dla ka dej pary z .
Przykad 1.16 (Kontynuacja przykadu 1.1b, z rzutem dwoma monetami). Niech b dzie e zdarzeniem, ze na pierwszej monecie wypad orze, , ze na drugiej monecie wypad orze, a , ze na obu monetach wypado to samo. Mamy
Jak wida zdarzenia te s parami niezalene, poniewa dla kadej pary indeksw c a z z z mamy . Ale zdarzenia te nie s niezalene, a z poniewa z
A " I
$
( " E
$ " E 9 E 9 E 9 E 9 " ( E 9 E 9 E 9
9 E 9 E 9 E % " E 9 E 9 E 9
$ %E
9
Denicja 1.15 Zdarzenia mamy
& " E F 9 & " E 9 ' ' $% 23 #)(2 #%#! $ $" $ E 9 E 9 E 9 $ E F 9 E E 9 9 E 9 E 9 E 9 E F 9
Je eli z , to mwimy, ze zdarzenie jest niezale ne od zdarzenia z . W takim przypadku zajcie zdarzenia nie zale y od tego, czy zaszo zdarzenie . s z Je eli i s zdarzeniami o niezerowych prawdopodobienstwach i jest niezale ne z a z od , to jest niezale ne od . Rzeczywicie z s poci ga a , a to pociga a
i
s niezale ne. a z
s niezalene, jeeli a z z
, s niezalene jeeli dla kadego podzbioru a z z z
E 9 DE 9 E
9
Wniosek 1.12
.
E F 9
E 9 E F 9 E 9 E F 9 E 9
$$$
$$$
C A
9
E 9 E 9
$ $ $ 2# "
& I C
1.4. Prawdopodobie stwo cakowite n Przykad 1.17 W przypadku rzutu wypad orze. Wtedy zdarzenia
9
monetami, niech oznacza, ze na -tej monecie s niezalene. atwo sprawdzi , ze a z c
dla kadego , z
,
dla kadej pary z
,
dla kadej trjki z
,
, itd.
prawdopodobie stwo, ze wypadn same ory, wynosi n a
1.4 Prawdopodobienstwo cakowite Twierdzenie 1.18 (wzr na prawdopodobienstwo cakowite.) Niech b d zdarzeniami takimi, ze: e a , dla kadego z , dla
,
(zdarzenia s parami roz czne), a a
(zdarzenia daj w sumie ca przestrze ). a a n
Wtedy prawdopodobie sto dowolnego zdarzenia n
wynosi
dla
wi c na mocy twierdzenia 1.9 mamy e
Z wniosku 1.12 mamy ; co daje tez twierdzenia. e W przypadku dwch zdarze uzupeniajcych si n a e i wzr z twierdzenia 1.18 wygl da nast puj co: a e a (1.1)
$ E 9 E F 9 E 9 E F 9 E 9 E 9 E F 9 E 9 9 E 9
C A
$ %E
E 9 QE 9
Ponadto
$ %E
9
Dowd Mamy
$$$
A
E 9 E F 9
E 9 C A " ( "! E 9 C A % " 2 E 9 A
% "
I C A " I I A T" I
$ $$
E 9
H
QE 9
,
10
Rozdzia 1. Rachunek prawdopodobienstwa
Przykad 1.19 Wyobramy sobie urn z trzema kulami: 1 bia i 2 czarnymi. Przypucmy, z e a s ze pierwsza osoba wylosowaa jedn kul i schowaa j . Jakie jest prawdopodobie stwo, a e a n ze druga osoba wylosuje kul bia ? Niech e a oznacza, ze pierwsza osoba wylosowaa bia kul , wtedy a e oznacza, ze wylosowaa czarn kul . Niech a e oznacza, ze druga osoba wylosowaa bia kul . a e Mamy , , oraz . Razem daje to
A jakie jest prawdopodobie stwo, ze po drugim losowaniu w urnie zostanie biaa kula? n Zajdzie to wtedy, gdy obie osoby wylosuj kul czarn . Z wniosku 1.12 mamy a e a
Jak wida prawdopodobie stwo wylosowania biaej kuli jest takie samo dla pierwszego, c n drugiego i trzeciego losuj cego. a Poniewa przestrze zdarze jest tutaj maa, wi c mona nasz wynik sprawdzi bezpoz n n e z c srednio. Oznaczmy kule przez , i . Niech przestrze zdarze elementarnych b dzie n n e
Czyli w tym przypadku, rwnie druga osoba ma tak sam szans wylosowania kuli z a a e biaej co pierwsza. Przykad 1.20 Wyobramy sobie dwie urny z kulami. W pierwszej urnie jest jedna kula z biaa i jedna czarna, a w drugiej urnie dwie biae i jedna czarna. Rzucamy monet . Jeeli a z wypadnie orze, to losujemy kul z pierwszej urny, jeeli reszka, to losujemy z drugiej e z urny. Jakie jest prawdopodobie stwo, ze wylosujemy kul bia ? Niech oznacza wyloson e a wanie kuli biaej, a wypadnicie ora na monecie, wtedy e oznacza, ze na monecie wypada reszka. Mamy oraz -jest to prawdopodobie stwo wylosowania kuli biaej pod warunkiem, n ze wypad orze i losowalimy z pierwszej urny. s -jest to prawdopodobie stwo wylosowania kuli biaej pod warunn kiem, ze wypada reszka i losowalimy z drugiej urny. s Korzystaj c teraz ze wzoru (1.1) mamy a
E ' 42 9& E 2& ' % @ E %' ' 9
Zakadamy, ze kady z tych wynikw jest rwnie prawdopodobny. Wida teraz, ze zdarze z c nia: , oraz s rwno prawdopodobne. a Rozwamy teraz przypadek, gdy w urnie jest kul z czego biaych. Znowu zakadaz my, ze kady wynik dwch losowa jest rwnie prawdopodobny. Mamy z n , , oraz . Razem daje to
E 9 " S E F 9 E 9
% " E F 9
$ E ' % 2 9& E $" # 9& E #&2 9% E $ " ' %D9 E 2$ )9 E ' $ " @ ' ' ' ' '& " % 9 ' ' $ #& 2% "
9
& & % " % " E 9 E F 9 E
& & % % " % " " E 9 E F 9 ! E 9 " E 9 & % &
" " " E 9 5 E " E F 9 S 9 E 9 9 9 E
E $ " 2 9& E $ " ' % @ ' 9
E"
% ! E 9 E 9 "
' 9 4E #&$ 9" E 2'%$" 0!
9
& % PE F 9 % " 2 E F 9
1.5. Zmienna losowa
11
Zastanwmy si teraz jak powinna wygl da przestrze probabilistyczna w tym przykae a c n dzie. Niech zawiera wszystkie moliwe wyniki eksperymentu. z
Aby by w zgodzie z intuicj i naszymi poprzednimi wyliczeniami rozkad prawdopodoc a bie stwa powinien by nast puj cy: n c e a
Rozkad jednostajny nie jest w tym przykadzie dobry, bo mielibymy prawdopodobie s n . stwo, wypadnicia ora rwne e
1.5 Zmienna losowaDenicja 1.21 Zmienna losowa jest to dowolna funkcja z przestrzeni zdarze elemenn tarnych w zbir liczb rzeczywistych . Trzeba tutaj przypomnie , ze w tej ksia ce rozwa amy tylko skonczone przestrzenie zdac z z rze elementarnych. W przypadku, gdy jest zbiorem niesko nczonym denicja zmiennej n losowej jest inna. Przykad 1.22 a) Rozwamy rzut monet , z a sowa jest okrelona tabel s a
(przykad 1.1a). Zmienna lo-
b) Rozwamy rzut dwoma monetami, (przykad 1.1b) z i b d dwoma zmiennymi losowymi okrelonymi w tabeli e a s
Zmienna okrela wynik rzutu na pierwszszej monecie, s , jeeli wypad z orze, i , jeeli wypada reszka. W podobny sposb zmienna losowa z okrela wynik rzutu na drugiej monecie. s
E 9
"
"
"
"
OO
OR
RO
4!
" E 9 "
E 9 E 9
Inny przykad to zmienna
okrelona tabel s a O R
"
O
R
RR
3"
3 "
3"
E 9
1 2% ( " " (
(O,1b)
(O,2b)
(R,1b)
(R,2b)
(R,3c)}
$. Niech
E 2& 9 E 24 9 E $ " 9 E 24 9 E $ " @ ' $% $% 9
$
% " % & % % E 9 " % " "
" E 9
12
Rozdzia 1. Rachunek prawdopodobienstwa c) Rozwamy rzut monetami, (przykad 1.1g). Dla kadego , z z zmienn a ; , jeeli na -tej monecie wypad orze, oraz z jeeli wypada reszka. z
d) Rozwamy losowanie jednej kuli z urny zawieraj cej siedem ponumerowanych kul. z a . Niech zmienna losowa bedzie zdeniowana jako
a zmienna losowa
jako
( jest reszt z dzielenia numeru kuli przez 2, a a 3). Wartoci tych dwch zmiennych zebrane s w tabeli. s a
reszt z dzielenia przez a
1 1 1
2 0 2
3 1 0
4 0 1
5 1 2
6 0 0
7 1 1
1 2 1 1
2 2 0 -2
3 1 0 2
4 1 0 -1
5 3 2 0
6 0 0 0
e) Rozwamy rzut dwoma kostkami (przykad 1.1e) z . Niech oznacza wynik rzutu na pierwszej kostce, wynik rzutu na drugiej kostce. Wtedy zmienna okrela sum oczek na obu kostkach. s e
Zauwa my, ze je eli liczba nie nale y do zbioru wartoci z z z s zmiennej , to zda rzenie jest zdarzeniem niemo liwym. Prawdopodobienstwo zdarzenia z wynosi
nazywamy funkcj g stoci (rozkadu) prawdopodobie stwa zmiennej losowej a e s n
E 9 E 9
Denicja 1.23 Funkcj e
.
E 9
$
E 9 F
$ E 9
Maj c zmienn losow a a a
i liczb rzeczywist e a
deniujemy zdarzenie
3 5I QCA @F @DC4BA@ I " E 9
Moemy teraz okreli inne zmienne losowe, na przykad z s c , . Ich wartoci zebrano w tabeli s
7 2 1 1
" E 9 ,
jako
I A " A I
E 9
$ '&
5% ( E 9
( E 9
E 9 E 9 % E 9 E 9 E 9 E 9 E 9 E 9 E 9
A
E 9
E 9
E 9 E 9
%
1 " @ S3546)(6&S%20
E 9
okrelamy s ,
E 9
1.5. Zmienna losowa Przykad 1.24 (Kontynuacja przykadu 1.22d) Dla zmiennej rzenia
13
Zmienna losowa
posiada wi c rozkad e
Poniewa , jak zao ylimy jest zbiorem sko czonym, to zbir wartoci z z s n s zmienz n mamy . Tak wi c funkcja e nej te jest sko czony. Dla g stoci przyjmuje wartoci niezerowe tylko dla sko czenie wielu argumentw. Zauwa e s s n z my, ze je eli z , to zdarzenia i wykluczaj si . Mamy przy a e tym Lemat 1.25 Jeeli z jest funkcj g stoci zmiennej losowej a e s , to
. rozumiemy jako sko czon sum po zbiorze wartoci n a e s
Zauwa my, ze ostatnia podwjna suma jest sum po wszystkich elementach z a grupowanych wedug wartoci zmiennej . Mamy wi c s e
W dalszej cz sci przedstawiajc funkcj g stoci zmiennej losowej e a e e s wa a tylko te , dla ktrych z c .
b dziemy roze
Przykad 1.26
a) Zmienna losowa
z przykadu 1.22a posiada rozkad -1 1
$ E 9
% " % " E 9
$" ! E 9
E 9
E 9
E 9
E 9
E 9
Dowd. Sum e zmiennej .
" E 9
dla kadego z
.
E D9
(
E 9 E 9 E 9
(
& E 9
Podobnie zmienna
ma rozkad
0
1
%
&
0
1
2
% E 51S #% 9
mamy trzy niepuste zda-
" " #@ 6(20 E 9
% E 9
E 053S& ! #& 9
" E 9
E
9
po-
14
Rozdzia 1. Rachunek prawdopodobienstwa b) Niech oznacza sum wartoci oczek w rzucie dwoma kostkami, przykad 1.22e. e s G stoc rozkadu prawdopodobie stwa zmiennej losowej przedstawia nast puj ca e s n e a tabela:
Maj c funkcj g stoci rozkadu zmiennej a e e s zdarze opisywanych za pomoc zmiennej . n a Przykad 1.27
pami tajmy, ze zdarzenia e
W przypadku dwch zmiennych losowych i okrelonych na tej samej przestrzeni s zdarze elementarnych mamy tak zwany czny rozkad prawdopodobie nstwa, ktrego n a g stoc jest okrelona jako e s s
0 1
b) Dla zmiennych i z przykadu 1.22d czny rozkad prawdopodobie stwa a n przedstawiony jest w tabeli:
Lemat 1.29 Niech , b dzie g stoci acznego rozkadu zmiennych e e s a
"
%
"
0 1
"
"
0
( " " ( ( ( " "
0
1
1
2
Przykad 1.28 a) czny rozkad zmiennych losowych a jest przedstawiony w tabeli
i
"
i
jest innym zapisem zdarzenia
E 9 E 9 9 E 9
i
$ ( )
" 3& 3 #( 2& & #% 2 9 3& E1
$ %E
b) Dla zmiennej
3 2& " 2& % 2& #( #1 2& 3 2& 1 2( #& #% 2& " E 9 3 3& 3& 3& 3 3 3& 3& 3& 3 2 3 4 5 6 7 8 9 10 11 12 a) Dla zmiennej losowej lub oraz z przykadu 1.26b mamy
mo emy okrela prawdopodobie stwa z s c n
z przykadu 1.24. mamy
" 1 & % E 9 #& 9 E ! " E "
s roz czne. a a
&
&
9 2E 9 %
E
9
.
, z przykadu 1.22b
i
. Wtedy
2% E
" !
& " "
%
"
& T % ! E"
! " E" "
" 9 E#& & 9 9 E 9
(i
Przykad 1.30 Sumuj c wiersze tabeli z przykadu 1.28b mona otrzyma g stoc roza z c e s kadu zmiennej , a sumuj c kolumny g stoc rozkadu a e s .
E 9
E
9
$ %E
9
E 9 E 9 E 9 E 9
E 9 E E 9 E 9 E 9 E 9 9
E 9 E 9 E 9 E 9
Podobnie mo na pokaza , ze z c
Z drugiej strony
poniewa z
Dowd Zauwa my, ze z
a)
b)
1.5. Zmienna losowa
0
1
i
2
&
"
"
"
0 1
(
"
%
%
&
"
%
Przykad 1.31 Wemy zmienne z
Podobnie jak dla jednej zmiennej, maj c g stoc cznego rozkadu prawdopodobiena e s a stwa dwch zmiennych i mo na oblicza prawdopodobie stwa zdarze opisywaz c n n nych przez te zmienne.
E 9
oraz
i
i
i
lub
" !
z przykadu 1.30. Wtedy
i
lub
i
i
lub
i
9 E
9
15
16
Rozdzia 1. Rachunek prawdopodobienstwa
1.6 Niezale no c zmiennych losowych z s
lub inaczej, gdy gdzie zmiennej
oznacza g stoc rozkadu cznego, e s a .
g stoc zmiennej e s
,a
g stoc e s
Przykad 1.33 Zmienne losowe i z przykadu 1.28a s niezalene, natomiast a z zmienne i z przykadu 1.28b nie s niezalene. a z Oczywicie mo e by wi cej zmiennych losowych okrelonych na jednej przestrzeni s z c e s a Dla trzech zmiennych losowych , , czny rozkad prawdopodobie nstwa, zdeniowany jest jako i i
Podobnie jak poprzednio atwo mo na pokaza , ze z c
Podobnie mamy w przypadku
zmiennych losowych
$ %E
9 E 9 E 9 E 9
Denicja 1.34 Zmienne losowe mamy
,
,
s niezalene jeeli dla kadej trjki liczb , a z z z
i
$E
$ $ $ 9
$E
W oglnym przypadku zmiennych losowych podobie stwa okrelony jest jako n s
ich czny rozkad prawdoa
$$$
$ $ $ 9 E $ $ $ 9
$$$
E
oraz na przykad
$E 9 E 9 $ %E 9 E 9 E 9 E 9
i
E 9
E 9
Mamy przy tym
E 9 E 9 E 9 E 9 E 9 E 9 $ %E
9 E 9
Denicja 1.32 Zmienny losowe mamy i
i
s niezalene jeeli dla kadej pary liczb , a z z z
9
i
1.6. Niezale noc zmiennych losowych z s
17
Przykad 1.36 Wr my do przykadu z rzutem monetami, przykad 1.22c. Dla kadego c z zmienna losowa jest rwna jeeli na -tej monecie wypad orze, i 1 jeeli na -tej z z monecie wypada reszka. Zmienne s niezalene. a z
Twierdzenie 1.37 Niech i b d niezalenymi zmiennymi losowymi, a e a z nymi podzbiorami zbioru liczb rzeczywistych. Wtedy zdarzenia
oraz s niezalene. a z
Dowd Poniewa zbir wartoci zmiennej z s elementy zbioru . Niech
jest sko czony, mo emy wypisa wszystkie n z c
dla jakiego s dla jakiego s
oraz
Poniewa sumowane zdarzenia wykluczaj si wzajemnie mamy z a e i
E
i
$ %E
9
9
czyli
istniej a
takie, ze
oraz
E E 9
6C #A
E 9
E 9 ! F E 9 ! F
Mamy zatem
$
Podobnie niech
$
E D9 T $ $ $ E 9 T0 $ $ $
E 9 F F E 9
Poka emy teraz, ze je eli zmienne losowe i z z zdarzenia opisywane przez te zmienne. Dokadniej
s niezale ne, to niezale ne s te a z z a z
i
dowol-
A
$E
9
$ $ $ A
E 9
Denicja 1.35 Zmienne losowe zachodzi
s niezalene jeeli dla kadej -tki liczb a z z z
$$$
DC4A
E
9
E 9
F
$$$ A
18
Rozdzia 1. Rachunek prawdopodobienstwa
ale
1.7 Warto c oczekiwana, srednia sDenicja 1.38 Wartoc oczekiwana (rednia) zniennej losowej s s
to liczba
Przykad 1.39 Dla zmiennej losowej
z przykadu 1.24 wartoc oczekiwana wynosi s
Je eli zmienna posiada jednostajny rozkad prawdopodobie nstwa, to jej wartoc oczez s kiwana jest zwyk sredni arytmetyczn jej wartoci. a a a s
W oglnym przypadku wartoc oczekiwana jest nazywana sredni wa on . s a z a
$
E 9
E 9
Dowd Je eli pogrupujemy wyrazy sumy z , to otrzymamy
E 9 E 9
$ %E
9
E 9
Lemat 1.40
wedug wartoci zmiennej s
$ %E
9 E 9
$ E 9
$ " % % &" % E 9
$ E 9 E 9
F F F F " " E 9
Teza twierdzenia wynika z prostego faktu, ze
$
E 9 E 9
E 9
E 9
E 9 E 9
oraz
E 9 E 9
E 9 DE 9
E
E 9
9 E
9
a poniewa z
E 9
i
s niezale ne a z
1.7. Wartoc oczekiwana, srednia s
19
Przykad 1.41 Przypucmy, ze mamy informacj , ze w jakiej grupie studenckiej poowa s e s studentw otrzymaa ocen 5 z matematyki dyskretnej, jedna trzecia otrzymaa ocen 4, e e a jedna szsta ocen 3. Jaka jest srednia ocena w tej grupie? Przyjmujemy, ze grupa jest e przestrzeni losow , a zmienna losowa jest ocen studenta. Wtedy wartoc oczekiwana a a a s zmiennej
jest sredni ocen w tej grupie. a a
istnieje zdarzenie elementarne Wniosek 1.42 Dla kadej zmiennej losowej z takie, ze oraz . Podobnie istnieje zdarzenie takie, ze oraz .
Dowd: Udowodnimy tylko pierwsz cz sc twierdzenia, drug mo na udowodni w poa e a z c dobny sposb. z dodatnim prawdopodobienstwem mamy Przypucmy, ze dla ka dego s z . Ale to prowadzi do sprzecznoci s
W przypadku klasycznej denicji wniosek 1.42 opisuje prosty fakt, ze zawsze istnieje przynajmniej jedna wartoc mniejsza od lub rwna wartoci sredniej oraz wartoc wi ksza s s s e od lub rwna sredniej. W poni szym twierdzeniu zebrano podstawowe wasnoci wartoci oczekiwanej. z s s Twierdzenie 1.43
a)
.
d) Jeeli z Dowd: a)
, to
$ %E 9 E 9
E 9
c)
$ %E
9
E 9
E 9
E 9 E
9
E
9
b)
$ %E
9
E
9 E 9
E 9
EE 9 E 9 9
E
E 9 E 9
c) Jeeli zmienne z
i
s niezalene, to a z .
b) Jeeli z
jest liczb rzeczywist , to a a
.
.
E 9
$ %E
E 9 I E 9
9 E 9
E 9 E 9 E 9 E 9 E 9 E 9 E 9 E
$
"
& 3 3 & % " ( 2% " & " ( " 1 E 9 3
E 9 E 9 E 9
E 9
E 9
E 9 E 9
E 9
9
9
"
"
E 9
E 9
E 9
E 9
20
Rozdzia 1. Rachunek prawdopodobienstwa
Twierdzenie 1.44 Wartoc oczekiwana sumy s
zmiennych
jest rwna
Twierdzenie 1.45 Jeeli zmienne z iloczynu rwna si e
s niezalene, to wartoc oczekiwana ich a z s
Twierdzenie 1.46 (Nierwnoc Markowa) Jeeli zmienna losowa s z nieujemne, to dla dowolnej liczby rzeczywistej
przyjmuje waretci s
Dowd:
Przykad 1.47 Nierwnoc Markowa wyraa doc prosty fakt. Przypucmy, ze okrela s z s s s liczb pieni dzy posiadan przez studenta. Jeeli wartoc srednia zmiennej wynosi 100 e e a z s zotych, to tylko poowa studentw moe mie 200 lub wi cej zotych. Przypucmy bowiem z c e s ze cz sc studentw posiada 200 (lub wi cej) zotych. Wtedy udzia tej bogatej e e cz sci studentw w sredniej wynosi co najmniej e ,i wartoc srednia nie moe wynosi 100 zotych, jeeli zmienna nie przyjmuje wartoci s z c z s ujemnych.
"
" %
%
Zauwa my, ze nierwnoc Markowa jest u yteczna tylko kiedy z s z , to mamy trywialne oszacowanie bowiem
. Je eli z
d) Je eli dla ka dego , z z
E 9
$ %E 9 $$$ $E %D 9 E 9 $$$ "( E 9 E 9 E 9 E 9 $ %E 9 E 9 E 9 E 9 E 9 E 9
, to
.
E 9
!
$E
&
" E $ 1 ) 0 % " $ 9
E 9
9
$
I E 9 " I E
E 9
$
!
E 9 I E
E 9
!
i
E 9
Pogrupujmy skadniki sumy wedug wartoci zmiennych s
i
.
9
E 9
9
E 9
E 9
!
E 9 I
" # ' $
E 9 1
1.7. Wartoc oczekiwana, srednia s
21
Poka emy teraz jak mo na wykorzysta prawdopodobie stwo do rozwa a kombinaz z c n z n torycznych. Udowodnimy nast puj ce: e a Twierdzenie 1.48 Wierzchoki dowolnego grafu mona pokolorowa dwoma kolarami z c (biaym i czarnym) w taki sposb, ze przynajmniej poowa kraw dzi ma swoje ko ce w e n rnych kolorach. z Zanim przejdziemy do dowodu wyjanjmy kilka rzeczy: s
Dla krawdzi e mwimy, ze wierzchoki i s koncami krawdzi lub, ze a e kraw d czy i . e z a Graf cz sto przedstwiamy na rysunku jako zbir punktw po czonych ukami. Na e a przykad rysunek 1.1 przedstawia graf ze zbiorem wierzchokw i zbiorem krawdzi e
Rysunek 1.1: Przykad grafu
atwo jest pokolorowa ka dy graf tak, aby ka da krawd miaa oba konce w jedc z z e z nym kolorze. Wystarczy wszystkie wierzchoki pokolorowa tym samym kolorem. Graf c z rysunku 1.1 mo na pokolorowa tak, aby ka da krawd bya dwukolorowa. Trzeba z c z e z pokolorowa na biao wierzchoki , , i i na czarno wierzchoki , i . Ale nie dla c ka dego grafu jest mo liwe takie pokolorowanie, w ktrym ka da krawd ma ko nce w z z z e z r nych kolorach. Na przykad dla trjk ta, czyli grafu z wierzchokami z a i kraw dziami e (patrz rysunek 1.2) nie istnieje takie pokolorowanie.
'$
%" 5&542#!
'
Denicja 1.49 Graf jest to dowolny sko czony zbir wierzchokw n kraw dzi e , gdzie kraw dzie to pary wierzchokw. e
wraz ze zbiorem
$
7 2 2 27 ' 2 2 #'2$ # ' $ $
$ 7
H7 # F
$
% " " 25&S #5&20 #5%##2
'
6H
22
Rozdzia 1. Rachunek prawdopodobienstwa
Rysunek 1.2: Trjkt a
Dowd twierdzenia 1.48: Przypucmy, ze graf ma s wierzchokw i krawdzi. Rozwa my przestrzen zdarze elementarnych zo on ze wszystkich mo e z n z a z liwych pokolorowa wierzchokw grafu . Jest ich n . Dla ka dej krawdzi z e okrelmy zmienn losow s a a w nast puj cy sposb: e a , je eli z w kolorowaniu oba ko ce krawdzi maj r ne kolory i n e a z w przeciwnym n przypadku. , poniewa w poowie kolorowan ko ce maj r ne kolory. z a z W jednej czwartej kolorowa oba ko ce s biae (kolorowa , w kttych i maj kolor n n a n a biay, jest , bo na tyle sposobw mo na pokolorowa pozostae z c wierzchokw) oraz w jednej czwartej kolorowa oba s czarne. n a . Rozwa my teraz sum zmiennych losowych z e Mamy wi c e
Wartoc zmiennej s
to liczba r nokolorowych krawdzi w kolorowaniu . Ale z e
Dlatego, zgodnie z wnioskiem 1.42 musi istnie kolorowanie , dla ktrego c . Srednia liczba r nokolorowych kraw dzi w kolorowaniu mo e by obliczona bez z e z c u ywania terminologii rachunku prawdopodobienstwa. Policzmy ile we wszystkich koloz rowaniach jest r nokolorowych kraw dzi. Z jednej strony jest to z e liczba r nokolorowych kraw dzi w kolorowaniu z e
Z drugiej strony
Przedostatnia rwnoc wynika z tego, ze liczba kolorowan, w ktrych jest r nokos z lorowa wynosi (poowa wszystkich). Srednia liczba r nokolorowych kraw dzi w z e kolorowaniu wynosi wi c e
liczba kolorowa , w ktrych kraw d jest r nokolorowa n e z z
$
" E 9 F F
%
E 9
%
$ %E
%
E 9
E
% F F F F
$
& % E 9$
$
%
"
% %
E 9
% % ! E 9 "
! 9 E" E 9
9
"
%
6H
%
9
% 2
1.8. Wariancja
23
1.8 Wariancja
Wariancja jest miar tego jak bardzo wartoci zmiennej s oddalone od sreda s a niej. Im wi ksze rozrzucenie wartoci tym wi ksza wariancja. W poni szym twierdzeniu e s e z zebrano podstawowe wasnoci wariancji s
d)
poniewa zmienne s niezale ne, to z twierdzenia 1.43c z a z
Z drugiej strony
po odj ciu stronami dwch ostatnich rwnoci e s
Twierdzenie 1.52 (Nierwnoc Czebyszewa) Dla zmiennej losowej s oraz liczby rzeczywistej mamy
z wartoci oczekiwan s a a
E 9 E 9 % E 9 E E 99 E 9 % E 9 E 9 % E 9 E % 9 E E 99 E 9 E 9
E 9 )E 9 9 E 9 )E 9 9 E 9 $E 9 E E EE 9 E E 99 E 9 9
)EE 9 9 E 9 E 9 %
$
E 9
$
E 9 E 9 % E 9 E E
" E 9 I E" F
)EE 9 9 )EE 9
"
F9
Dowd a) wynika z faktu, ze zmienna b)
przyjmuje tylko nieujemne wartoci, s
E 9
e) Jeeli zmienne z
s parami niezalene, to a z
$$$
d) Jeeli zmienne z
i
s niezalene, to a z
E 9
E 9 E
9
)99
E 9 9
E 9
c)
$ %E
9
E 9
b)
E 9 E 9
Twierdzenie 1.51
a)
EE
)99 E 9
Denicja 1.50 Wariancj zmiennej losowej a nazywamy liczb e
o wartoci oczekiwanej s
E 9
$ '
E 9
E 9
.
24
Rozdzia 1. Rachunek prawdopodobienstwa
1.9 Rozkad jednopunktowy Z rozkadem jednopunktowym mamy do czynienia, wtedy gdy cae prawdopodobie nstwo jest skupione w jednym punkcie
wynosi
Lemat 1.54 Jeeli jaka zmienna przyjmuje wartoci nieujemne i z s s na losowa ma rozkad jednopunktowy, to znaczy
czyli dla kadego z
, jeeli z
, to
.
Zao enie, ze zmienna z przyjmuje tylko wartoci nieujemne jest istotne we wnios sku 1.54. Pokazuje to nast puj cy przykad. e a
$ )(
E 9 I E
Dowd: Poka emy, ze dla ka dego z z bowiem, ze istnieje , takie, ze twierdzenie 1.46, mamy
, je eli z
, to . Przypucmy s . Wtedy z nierwnoci Markowa, s
E 9
E 9
E 9 E 9 & E 9 & E 9 " E #! 0( 9
$
E 9
9 I E 9
Poniewa z , to Wartoc oczekiwana zmiennej s
dla ka dego z
.
, to zmien-
Denicja 1.53 Zmienna losowa
ma rozkad jednopunktowy, jeeli dla jekiego z s
E 9 EE
$
( E 9 " E 9
)99 E 9
ale
" E 9 I E "
Stosuj c nierwnoc Markowa dla zmiennej a s
9 E $'F 9 " F
9 F
to
$ %E " 9 E $ F " " E 9 $'F E " mamy
Dowd: Rozwa my zmienn losow z a a
. Poniewa z
9
F
" E 9
1.10. Rozkad zero-jedynkowy Przykad 1.55 Zmienna losowa
25
z przykadu 1.26a z funkcj g stoci: a e s
Wtedy
b dzie przestrzenia z jednostajnym rozkadem prawdoe Dowd: Niech podobie stwa i niech b dzie zmienna losowa okrelona wzorem n e s . Wtedy jest wartocia oczekiwana zmiennej , a s
1.10 Rozkad zero-jedynkowy Zmienna losowa ma rozkad zero-jedynkowy, je eli prawdopodobie nstwo jest skupioz ne tylko w dwch punktach 0 i 1. G stoc rozkadu prawdopodobie stwa ma wtedy posta e s n c
dla pewnych dodatnich speniaj cych warunek a Wartoc oczekiwana zmiennej wynosi s
$ E
9" EE 9 E 9 E 9 9
a wariancja
" !G
" (
0
1 .
jej wariancja, ktra jest nieujemna i rwna zeru tylko dla rozkadu jednopunktowego.
E BA9
przy czym rwnoc zachodzi wtedy i tylko wtedy, gdy s
dla kadego . z
A
$
" "
Wniosek 1.57 Niech
b da dowolnymi liczbami rzeczywistymi i niech e
E 9
"
E 9
$$$
H
" 2#
Dowd Poniewa z
, to z lematu 1.54 wynika, ze
.
"
E E
Lemat 1.56 Jeeli z
, to zmienna losowa
$$$ E 9 0 E )99 E 9 E 9
&
Ale i na odwrt
posiada rozkad jednopunktowy.
$ )(
EE 9 9 E 9 E 9
Wariancja zmiennej losowej
ma wartoc oczekiwan s a
% 2 " % " E 9 . z rozkadem jednopunktowym wynosi
-1
1
E 9
9
26
Rozdzia 1. Rachunek prawdopodobienstwa
1.11 Rozkad dwumianowy BernoulliegoPrzypucmy, ze mamy seri niezale nych dowiadcze i w ka dym dowiadczeniu dwa s e z s n z s mo liwe wyniki: sukces z prawdopodobienstwem i pora ka z prawdopodobienstwem z z . Niech b dzie zmienn losow rwn liczbie sukcesw w tej serii. Zmienna e a a a losowa posiada rozkad dwumianowy (Bernouliego) z parametrami i . Dla uproszczenia rozwa a za my, ze z n z . Prawdopodobienstwo zdarzenia, ze wyst pi sukces, pora ka, sukces i pora ka wynosi a z z , poniewa wyniki dowiadz s cze s niezale ne. Dokadnie dwa sukcesy w serii czterech dowiadcze b dziemy mieli, n a z s n e je eli wyst pi jeden z ci gw, w ktrych na dwch pozycjach wyst puj sukcesy: z a a e a (sukces, sukces, pora ka, pora ka), z z (sukces, pora ka, sukces, pora ka), z z (sukces, pora ka, pora ka, sukces), z z (pora ka, sukces, sukces, pora ka), z z (pora ka, sukces, pora ka, sukces), z z (pora ka, pora ka, sukces, sukces). z z , bo na tyle sposobw mo na wybra dwie pozycje, na ktrych z c Takich ci gw jest a b d sukcesy. Ka dy z tych ci gw ma takie samo prawdopodobie nstwo rwne e a z a .I poniewa te ci gi s zdarzeniami wykluczajcymi si , prawdopodobie nstwo, ze wyst pi z a a a e a ktry z nich wynosi s
Podobnie dla dowolnego , prawdopodobienstwo, ze w serii czterech dowiad s cze wypadnie sukcesw wynosi n
Twierdzenie 1.58 Wartoc oczekiwana s mianowy o parametrach i wynosi . Dowd: Rozwa my funkcj: z e ze wzoru Newtona mamy
zmiennej losowej
Zr niczkujmy t funkcj z a e
$
$
9 E ! E 9
E 9 $ S 9 E
W podobny sposb mo na uzasadni , ze dla dowolnego z c metrami i ma posta c
rozkad dwumianowy z para-
maj cej rozkad dwua
E ! E 9 9
( 8$
(
$
%
(
( I I
E 9
3
"
1.12. Kra ce rozkadu dwumianowego n Je eli teraz podstawimy z
27
ma rozkad dwumianowy o parametrach i . Wartoc oczekiwana, ka dej ze zmiennych s z wynosi , wi c wartoc oczekiwana zmiennej wynosi . e s wynosi . Poniewa zmienne z s a Wariancja zmiennej niezale ne to wariancja ich sumy wynosi z , mamy wi c. e Twierdzenie 1.59 Wariancja zmiennej losowej trach i wynosi z rozkadem dwumianowym o parame-
1.12 Krance rozkadu dwumianowegoTwierdzenie 1.60 (Nierwnoci Chernoffa) Niech zmienna losowa posiada rozkad s dwumianowy o parametrach i . Oznaczmy wartoc oczekiwan tego rozkadu przez s a . Wtedy dla dowolnej liczby rzeczywistej , , mamy
1.13 Problem dnia urodzinZastanwmy si ile osb musi znajdowa si w pokoju, aby bya du a szansa, ze dwie e c e z osoby maj urodziny tego samego dnia. a Dla prostoty przyjmujemy, ze problem dnia urodzin jest rwnowa nu problemowi z wylosowania ci gu liczb a , ka da spord z s mo liwoci, tak aby z s wyst pio w nim jakie powtrzenie. a s Oznaczmy przez zdarzenie przeciwne, ze wszystkie wylosowane liczby s r ne. a z Je eli zao ymy, ze wszystkie ci gi s rwno prawdopodobne, to prawdopodobie nstwo, z z a a ze otrzymamy ci g r nowartociowy wynosi a z s
E "
9 " " 9 E % 29E " # E 9 E" 9 E 9
13 ##&
$ $ $
oraz
$$$
" I " I
9 9 I E E " " I 9 I E E " " 9
$
"
E 9
E 9
Suma tych zmiennych
Rozwa my ci g niezale nych zmiennych losowych z a z zero jedynkowym oraz
, ka da o rozkadzie z
$ # 9 E $$$
$ %E
9
E 9 "
" !
to otrzymamy
E
9
28
Rozdzia 1. Rachunek prawdopodobienstwa
Skorzystamy teraz z nierwnoci s
Prawdopodobie stwo to jest mniejsze od n wtedy gdy , a to zachodzi . Dla , zachodzi to dla . wtedy gdy Tak wi c jeli w pokoju znajduj si co najmniej 24 osoby, to z prawdopodobie nstwem e s a e wi kszym od e dwie spord nich maj urodziny w tym samym dniu. s a
1.14 Zadania1. Zaproponuj przestrze zdarze elementarnych dla losowania dwch kul z urny n n zawieraj cej 3 kule biae i 4 czarne. Przedstaw zdarzenie, ze wylosowano: a a) dwie kule biae, b) kule w r nych kolorach. z 2. Zaproponuj przestrze zdarze elementarnych dla ustawienia czterech liter , , i n n w ci g. a Przedstaw zdarzenie, ze b)
i s rozdzielone jedn liter . a a a
3. Zaproponuj przestrze zdarze elementarnych dla nast puj cych dowiadcze : n n e a s n a) Losowanie karty z talii 52 kart. b) Losowanie 13 kart z talii 52 kart. c) Wypenienie kuponu totolotka. d) Wypenienie kuponu totalizatora pikarskiego.
b) ze pomidzy i stoj dwie cyfry; e a c) ze , i
stoj obok siebie. a
% "
a) ze i
% "
% "
5. Cyfry
ustawiono losowo. Jakie jest prawdopodobienstwo,
stoj obok siebie; a
d) zachodz co najmniej dwa spord zdarze , a s n
c) zachodz dokadnie dwa ze zdarzen , a
,
;
b) zachodzi dokadnie jedno ze zdarzen ,
a) zachodz wszystkie trzy zdarzenia; a
$ $ $ S
4.
,
i
$
a)
i stoj obok siebie; a
s zdarzeniami. Zapisa za pomoc dziaa na zbiorach zdarzenia: a c a n lub ; , .
' $
%
% ( % E " 9 $
I E 9 I " 9" E % )"#E " " # 9 9 "$
E"
% 2 " 13 ##& % % " % " I $
1.14. Zadania 6. Pokaza , ze c 7. Dane s a
29
,
i
. Obliczy c
i
.
8. Dane s a
. Obliczy c
i oraz
, wiadomo te , ze z
.
9. W urnie s 4 kule biae i 3 czarne. Losujemy dwie. Jakie jest prawdopodobie nstwo, a ze wylosowane kule b d w r nych kolorach? e a z 10. Jakie jest prawdopodobienstwo, ze na przyj ciu, na ktrym jest e si osoba, ktra ma urodziny tego samego dnia co ja? e
osb, znajdzie
11. Jakie jest prawdopodobienstwo, ze przy okr gym stole wybrane na pocz tku dwie a a osoby usi d obok siebie? a a 12. Niech przestrze zdarze elementarnych b dzie zbiorem 3 elementowych ci gw n n e a zero-jedynkowych. Wypisz zdarzenia: a) na pierwszej wsprz dnej jest zero; e b) na pierwszej i trzeciej wsprz dnej s zera; e a c) na pierwszej i trzeciej wsprz dnej mamy r ne wartoci; e z s d) na wszystkich wsprz dnych jest to samo. e Oblicz prawdopodobie stwa tych zdarze (rozkad jednostajny). n n Czy zdarzenia te s niezale ne? a z a Niech przestrze zdarze elementarnych b dzie zbiorem elementowych ci gw n n e zero-jedynkowych (rozkad jednostajny). Oblicz prawdopodobie nstwa tych samych zdarze . n 13. Rzucamy trzema kostkami. Jakie jest prawdopodobie nstwo, ze na zadnej kostce nie wypada szstka, je eli na ka dej kostce wypada inna liczba oczek. z z 14. Mamy dwie urny z kulami. W pierwszej urnie s dwie kule biae i cztery czarne, a a w drugiej urnie trzy biae i trzy czarne. Rzucamy kostk do gry. Je eli wypadnie 1 a z lub 2, to losujemy kul z pierwszej urny, je eli 3,4,5 lub 6, to losujemy z drugiej e z urny. Jakie jest prawdopodobie stwo, ze wylosujemy kul bia ? n e a Zaproponuj przestrze zdarze elementarnych i rozkad prawdopodobienstwa. n n 15. W urnie jest kul w tym biaych. osb po kolei losuje jedn kul bez zwracania. a e a) Ile wynosi prawdopodobie stwo wylosowania kuli biaej dla trzeciej osoby? n b) Ile wynosi prawdopodobie stwo wylosowania kuli biaej dla ka dej z losuj cych n z a osb?
E 9 PE
9
E 9 E 9 E % " PE 9 " PE 9 ( E 9 E & %8E & 9 " E 9 & " E 9 ( " E 9 E 9 E 9
,
9 9
30
Rozdzia 1. Rachunek prawdopodobienstwa i s niezale ne, to niezale ne s tak e a z z a z
16. Udowodnij, ze je eli zdarzenia z oraz i . 17. Zmienna losowa
posiada rozkad:
19. Podaj rozkad cz stoci wyst powania liter w zdaniu: e s e "Podzbiory przestrzeni zdarze losowych nazywamy zdarzeniami". n
Czy zmienne
i
s niezale ne? a z
Oblicz prawdopodobie stwa n
,
-1 1
( % " % 5 " 2 " " (% % @" " % 5 " " 3 "
1
Z=0
2
3
22. W dwch tabelach przedstawiono czny rozkad zmiennych , a tabela zawiera wartoci s , a druga wartoci s .
E " 9
Czy mo na tak dobra liczby , i , aby zmienne z c
0 1
%" @ " 3 " % @" "
0
21. czny rozkad zmiennych losowych a
i
przedstawiony jest w tabeli.
1
E # 9
Oblicz
,
,
,
,
,
.
2
i
byy niezale ne? z i . Pierwsza
E
Oblicz rozkady zmiennych
,
,
,
E 9 E 9 9 E 9 E 9 E 9 % 3 " 3 " " 3 " ( " "
-1
0 1
20. czny rozkad zmiennych losowych a
i
przedstawiony jest w tabeli.
0
1
. .
18. Zmienna jest okrelona na przestrzeni s nym rozkadem. Podaj jej rozkad, wartoc oczekiwan oraz s a
, wariancj e
oraz
Oblicz wartoc oczekiwan s a
z jednostaj.
E
E #& 9 5 & $ $ $ ## " 9
E 9
1 E 9
Oblicz
,
.
3 5 " 3 5 " " "
.
E& # 9 E " " % " E 9 (
1
2
3
4
5
i
9
1.14. Zadania
31
-1 1
Czy zmienne , i s niezale ne? Je eli nie, to zmien prawdopodobie stwa w a z z n pierwszej tabeli tak, zeby byy niezale ne. z
23. Na przestrzeni ,
z jednostajnym rozkadem okrelamy trzy zmienne s , . Czy zmienne te s niezale ne? a z
s s 24. Mamy trzy niezale ne zmienne losowe , i (okrelone na jakiej przestrzeni z probabilistycznej). Udowodnij, ze ka de dwie te s niezale ne. z z a z
Podobnie ka dy podzbir tych zmiennych jest niezale ny. z z
28. Pokaza , ze jezeli mamy zmienna losow c a inn zmienn , to i s niezale ne a a a z
z rozkadem jednopunktowym i dowoln a i ,
30. Poka , ze je eli zmienne losowe i s niezale ne, to dla dowolnych funkcji i z z a z , zmienne i te s niezale ne. z a z
c) Czy b) jest mo liwe je eli z z
ma rozkad jednostajny?
b) Czy jest mo liwe z
lub
a) Czy jest mo liwe z
lub
? ?
33. Przypucmy, ze zmienna losowa przyjmuje s ka de z dodatnim prawdopodobienstwem. z
wartoci s
$$$
%
32. Poda przykad dwch zmiennych c i .
i
o r nych rozkadach takich, ze z
31. Pokaza , ze c
29. Poka , ze je eli zmienne losowe i s niezale ne, to dla dowolnych liczb z z a z zdarzenia oraz s niezale ne. a z
E'
9
E
27. Pokaza , ze je eli c z
ma rozkad symetryczny, tzn dla pewnego dla ka dego , to z .
,
9
26. Pokaza , ze dla ka dego c z oraz .
istnieje zmienna losowa
taka, ze
" E 9
"
$$$
25. Mamy
niezale nych zmiennych losowych z zmienne te sa niezale ne. z z
. Pokaza , ze dla ka dego c z
E 9
$$$
% E 9 & E 9 1 " 5& $ $ $ ##
Oblicz rozkady brzegowe zmiennych , .
,
i
. Oblicz
,
9 0 E
9
% 5 " % @" @" " " %" % 5 " % 5 " % @" " " "
1
Z=1
2
3
2E1 ' " $
E
9 E
"
9 E
9
32
Rozdzia 1. Rachunek prawdopodobienstwa
a) je eli z c)
35. Rzucano monet 10 razy. Jakie jest prawdopodobie nstwo, ze orze wypad co naja mniej raz? 36. Jakie jest prawdopodobienstwo otrzymania parzystej liczby sukcesw w ci gu a prb Bernoulliego, je eli prawdopodobienstwo sukcesu w jednej prbie wynosi: a) z 1/2, b) . 37. Jakie jest prawdopodobienstwo, ze w serii szeciu rzutw kostk suma oczek b dzie s a e parzysta. 38. Pokaza , ze je eli c z , to , gdzie
; a je eli z to rozkad dwumianowy.
, to
ma rozkad dwumianowy z parametrami , 39. Niech zmienna losowa . Oszacuj prawdopodobie stwo n (za pomoca nierwnoci s Markowa, Czebyszewa i Chernoffa).
C A
"
E @DCH 9
E # 3
E E )AH E A 9 9 C @DC A 9 E )AH 9
9
% 2 "
b)
E 9 ' % E 9 DE 9 E 9 '2% E 9 E 9 E 9 E 9 ' i s niezale ne to a z
&
34. Kowariancja zmiennych losowych . Pokaza , ze c
i
rwna si e ;
9 E 99 E 9 '.
)EE
Rozdzia 1
Rekurencja1.1 Wie e Hanoi zRekurencja jest to zdolnoc podprogramu (procedury lub funkcji) do wywoywania sas mego siebie. Zacznijmy od przykadu wie Hanoi. Przypucmy, ze mamy trzy wie e lub z s z a e a z s trzy paliki: , i . Na pierwszym paliku, , znajduj si trzy kr zki r nej wielkoci, nanizane w porzdku od najwi kszego na dole do najmniejszego na grze. Paliki i a e s na pocz tku puste. Nale y przeniec wszystkie kr zki z palika na , posugujc si a a z s a a e w razie potrzeby palikiem , wedug nast puj cych regu: e a mo na przenosi po jednym kr zku z jednego palika na inny, z c a
nie mo na umieszcza wi kszego kr zka na mniejszym. z c e a
Rozwi zaniem tej amigwki dla trzech kr zkw jest nast puj cy ci g siedmiu przeoa a e a a ze : n
gdzie zapis oznacza przeniesienie szczytowego kr zka z palika na palik . a Chodzi nam teraz o algorytm, ktry dla dowolnej liczby kr zkw wypisze ci g a a operacji potrzebnych do przeo enia kr zkw z palika na palik . z a Algorytm przekadania kr zkw a je eli z
, to przekadamy ten jeden kr zek a
,
przekadamy
-ty kr zek z a
przekadamy
kr zkw z na a 3
(za pomoc palika a
przekadamy razie potrzeby palikiem
kr zkw z a ),
na pomocniczy palik ,
na
je eli z
, to:
(posugujc si w a e
).
!
% '&
'%(
# "
$
$
$
4
Rozdzia 1. Rekurencja
Nietrudno zauwa y , ze je eli proces przekadania z c z kr zkw jest prawidowy, to a cay proces te jest prawidowy, poniewa obecnoc najwi kszego kr zka na dole palika z z s e a nie przeszkadza w przekadaniu mniejszych kr zkw. a Powy szy algorytm opiszmy teraz za pomoc rekurencyjnej procedury przenie, ktz a s ra odwouje si sama do siebie i wypisuje ci g instrukcji przeniesienia kr zkw z palika e a a na palik . procedura przenie( s je eli z kr zkw z a na , , za pomoc ): a
, to wypisz , to
przenie( s wypisz przenie( s
kr zkw z a , kr zkw z a
na , za pomoc a na , za pomoc a
Rysunek 1.1: Schemat dziaania procedury przenie dla wie Hanoi z trzema kr zkami s z a
Na rysunku 8.1 zilustrowano dziaanie procedury przenie dla s
. Skrt
oznacza wywoanie procedury przenie( kr zkw z s a na , za pomoc ). Strzaki a w d oznaczaj wywoanie procedury, strzaki w gr powroty po wykonaniu procedua e ry, a strzaki poziome odpowiadaj nast pstwu instrukcji w ramach jednego wykonania a e procedury.
%
%
%
je eli z
), ).
% #
%
'%
%
% '& % '&
%
# "
$ $ $
%
1.2. Algorytm Euklidesa, wersja rekurencyjna
5
1.2 Algorytm Euklidesa, wersja rekurencyjnaInnym przykadem algorytmu rekurencyjnego mo e by rekurencyjna wersja algorytmu z c Euklidesa, ktry oblicza najwi kszy wsplny dzielnik dwch dodatnich liczb naturalnych e i : funkcja NWD(a,b): je eli z , to , to , to
je eli z
je eli z
W j zyku Pascal powy sz procedur mo emy zapisa w nast puj cy sposb: e z a e z c e a function NWD(a,b:integer):integer; begin if a=b then NWD:=a then NWD:=NWD(a-b,b) else if else NWD:=NWD(a,b-a) end;
Rysunek 1.2: Schemat dziaania rekurencyjnej wersji algorytmu Euklidesa NWD(5,3):=1
NWD(2,3):=1
NWD(2,1):=1
Na rysunku 8.2 przedstawiono proces obliczania funkcji NWD(7,3).
1.3 Funkcje rekurencyjneCzasami wygodnie jest zdeniowa funkcje za pomoc wzoru rekurencyjnego. Na przyc a kad funkcj silnia deniuje si zwykle za pomoc nast puj cych dwch rwna n: e e a e a
3 2 ( 4 10)'
% %
'% !&&% #" ! $ !
,
"
"
, .
NWD(1,1):=1
6
Rozdzia 1. Rekurencja
Podobnie mo na deniowa inne funkcje ze zbioru liczb naturalnych w zbir liczb natuz c ralnych. Denicja taka zawiera przepis, jak policzy wartoc funkcji dla wartoci pocz tkowych, c s s a oraz drugi przepis, jak wyliczy wartoc dla argumentu za pomoc wartoci funkcji dla c s a s mniejszych argumentw.
1.4 Funkcja (ci g) Fibonacciego aNast pnym przykadem rekurencyjnego deniowania funkcji jest funkcja Fibonacciego, e okrelona rwnaniami: s
Kolejne wartoci funkcji Fibonacciego to: s
Udowodnimy teraz przez indukcj, ze e
gdzie oraz Rwnoc (1.1) zachodzi dla s i . Za my teraz, ze zachodzi dla wszystkich z argumentw mniejszych od . Zauwa my, ze oraz s rozwi zaniami rwnania z a a , mamy wi c e oraz a tak e z oraz . atwo teraz mo na pokaza , ze z c . Poniewa z , mamy , wi c wartoc e s jest rwna po zaokrgleniu do najbli szej liczby naturalnej i funkcja Fibonacciego ronie a z s wykadniczo.
1.5 Funkcja AckermannaFunkcja Ackermanna okrelona jest, dla liczb naturalnych s naniami:
Funkcja Ackermanna jest przykadem funkcji maj cej doc prost denicj , ale jest praka s a e tycznie nieobliczalna z tego powodu, ze jej wartoci szybko rosn. Na przykad: s a
3 1 0 0 2 )% ( " % % % % #" ! % ' %& $ " % 4"
" 4 " %
3 10)' 2 (
34 2 64 10)' '% 64 '% 54 ( 10)' ( '% 64 2 2 '10)' 4 ( 7 8 2 54
D C A @ 9 B
333 & "
% '% " "
%
(1.1)
, nast puj cymi rwe a
1.6. Algorytm sortowania przez scalanie
7
1.6 Algorytm sortowania przez scalanieZajmijmy si teraz pewnym prostym rekurencyjnym algorytem sortowania ci gu. Dla e a prostoty za my, ze dugoc ci gu jest pot g dwjki. z s a e a Algorytm sortowania
je eli ci g ma dugoc jeden, to jest ju posortowany, z a s z
je eli ci g jest du szy, to: z a z
dzielimy go na poowy,
sortujemy te poowy,
czymy posortowane poowy w jeden posortowany ci g. a a
Istota pomysu polega na tym, ze mo na szybko po czy dwa posortowane ci gi w jeden z a c a posortowany ci g. Algorytm czenia wyjanijmy na przykadzie. Przypucmy, ze mamy a a s s dwa ci gi: a i ze chcemy je po czy w posortowany ci g . Na pocz tku ci g jest pusty. Usta a c a a a wiamy dwa wska niki po jednym na pocz tku ka dego ci gu (wskazane elementy b d z a z a e a oznaczone daszkiem):
Porwnujemy wskazane elementy. Mniejszy z porwnanych elementw przepisujemy na ci g i przesuwamy wska nik w tym ci gu, z ktrego by wzi ty element do ci gu . a z a e a W wyniku otrzymamy:
Powtarzamy ten proces tak dugo, a w jednym z ci gw ostatni element zostanie zabrany z a do ci gu . a
3 ! 99 9
3
3
9
9
3
9
i oglnie
A A A 9
9 9 9 9 9
A
% A A
$ $ $
8
Rozdzia 1. Rekurencja
W takiej sytuacje pozostae elementy tego drugiego ci gu przenosimy do ci gu a a
Liczba porwna potrzebna do scalenia ci gw nie jest wi ksza od sumy dugoci tych n a e s ci gw. a Algorytm merge-sort (inaczej sortowanie przez scalanie), ktry sortuje ci g , a mo na rekurencyjnie opisa tak (rysunek 8.3): z c merge-sort(S):
je eli z
ma tylko jeden element, to koniec, ma wi cej elementw, to: e
je eli z
Rysunek 1.3: Schemat dziaania algorytmu merge-sort dla ci gu 3, 7, 5, 2, 6, 1, 8, 4 a 3752|6186 37|52 3|7 3 37 2357 12345678 7 5 25 5|2 2 6 16 1468 6|1 1 8 48 61|84 8|4 4
Algorytm merge-sort jest przykadem algorytmu typu dziel i zwyci zaj, ktrego e oglny schemat wygl da tak: a
je eli problem jest maego rozmiaru, to rozwi zujemy go bezporednio, z a s
%
czymy a
i
merge-sort(
%
merge-sort(
), ), .
%
dzielimy ci g a
na poowy
i
,
:
3 9
9
$ $ $ $
1.7. Rozwi zywanie rwna i nierwnoci rekurencyjnych a n s
9
1.7 Rozwi zywanie rwnan i nierwno rekurencyjnych a sciOszacujmy teraz czas dziaania algorytmu sortowania przez scalanie. Niech oznacza liczb operacji porwnania potrzebn do posortowania ci gu dugoci . Mamy nast puj ce e a a s e a oszacowania:
Druga zale noc wynika st d, ze aby posortowa ci g dugoci , sortujemy dwa ci gi z s a c a s a dugoci s , a nast pnie potrzebujemy porwnan, aby scali te dwie powki. Dla proe c stoty rozwa a zakadamy tutaj, ze jest pot g dwjki, z n e a dka jakiego naturalnego s . Istnieje wiele sposobw wyliczania lub szacowania funkcji okrelonej rekurencyjnie. s Przedstawimy teraz dwa najprostsze z nich: metod podstawiania i metod iteracji. e e
1.8 Metoda podstawianiaW metodzie podstawiania odgadujemy rozwi zanie albo jego oszacowanie, a nst pnie a e pokazujemy, ze jest ono poprawne. Poka emy dziaanie tej metody szacuj c zo onoc z a z s czasow merge-sortu okrelon rekurencj (1.2)-(1.3). Zgadujemy, ze a s a a
dla jakiej staej s i udowodnimy przez indukcj, ze powy sza nierwnoc zachoe z s dzi dla ka dego pot gi dwjki z e . Zachodzi ona dla . Zakadamy teraz, ze i podstawiamy do nierwnoci (1.3) s
Ostatnia nierwnoc jest speniona, je eli s z . Metoda podstawiania zostaa zastosowana w podrozdziale o funkcji Fibonacciego do pokazania, ze
2 ( % ( (
3 & "
(
)
%
2
( $ " "
$ $ $
je eli problem jest du y, to: z z dzielimy problem na podproblemy, rozwi zujemy podproblemy, a czymy rozwi zania podproblemw w rozwi zanie caego problemu. a a a
(1.2) (1.3)
(1.4)
10
Rozdzia 1. Rekurencja
ale tam odgadnito dokadne rozwi zanie. Teraz poka emy jak dojc do rozwi znia zaczynajc e a z s a a od oglniejszej postaci. Zacznijmy od rwnania
Po podzieleniu stromnami przez
, otrzymamy
Powy szy ukad jest speniony dla z
Tak wi c otrzymujemy wzr na funkcj Fibonacciego e e
(1.6)
1.9 Metoda iteracyjnaMoteda iteracyjna polega na rozwijaniu rekursji. Jako pierwszy przykad rozwa my zaz le noc. z s
Dla uproszczenia zakadamy, ze jest pot g e a rozwijamy w nast puj cy sposb: e a
, dla jakiego naturalnego. Funkcj s e
gdzie i to stae, spenia rwnanie (1.5). Sprawd my teraz, dla jakich staych z funkcja spenia zale noci z s i . Otrzymujemu ukad rwnoci s
%
Jest to rwnanie kwadratowe z dwoma rozwi zaniami a , czyli dwie funkcje oraz Zauwa my, ze tak e ka da funkcja postaci z z z
oraz speniaj rwnanie (1.5). a
%
9 $ 9
% % )%
Sprawd my, jakie funkcje postaci z rwnania (1.5) mamy
speniaj to rwnanie. Po podstawieniu do a
3
%%
D
3 4
%
%
9
%
" " "
%
%
(1.5)
%
i
A
% A
33 &3 9 9
B ( 9 9 % 33 3 D 9 B ( 33 9 &3 D 9 3 3 3 9 D 9 9 D 9 D 9 1.10. Metoda rekurencji uniwersalnej oraz z faktu, ze , czyli gdy i
Przypucmy, ze mamy rwnanie rekurencyjne s
33 3
(
Iteracj powtarzamy, a ostatni skadnik b dzie zawiera e z e Otrzymamy wtedy
Dla
Skorzystalimy tu z rwnoci s s .
1.10 Metoda rekurencji uniwersalnejJak b dziemy j rozwija , to otrzymamy e a c Jako drugi przykad rozwa my rekursj z e . Otrzymamy wtedy (1.7)
(1.8) 11 .
! "$
( (
12
Rozdzia 1. Rekurencja
gdzie i . Rwnanie takie otrzymamy szacuj c czas dziaania algorytmu a rekurencyjnego, ktry metod "dziel i rz d " dzieli problem na podproblemw rozmiaru a a z . Funkcja opisuje czas potrzebny na podzielenie problemu na podproblemy i na po czenie rozwi za podproblemw w rozwi zanie caego problemu. a a n a Na koniec podamy bez dowodu twierdzenie mwi ce jak mo na szacowa funkcj a z c e okrelon rwnaniem (1.8). s a Twierdzenie 1.1 (o rekurencji uniwersalnej) Niech nych liczb cakowitych rwnaniem rekurencyjnym b dzie okrelone dla nieujeme s
gdzie
,
i
oznacza
lub
. Wtedy
Jeeli z
, to
.
, to
1.11 Zadania
1. Napisz program, ktry rekurencyjnie oblicza: a) funkcj silnia, b) funkcj Fibonace e ciego, c) funkcj wykadnicz . e a 2. Napisz program, ktry oblicza symbol Newtona: a) wedug wzoru rekurencyjnego
Porwnaj te programy.
3. Napisz program, ktry rekurencyjnie oblicza funkcj: e
4. Oblicz
wedug rekurencyjnego algorytmu Euklidesa.
5. Wedug algorytmu czenia po cz ci gi a a a i .
" &
3 2 10)' (
3
% &$ '% $$
#
% $ "
$
"
b) wedug wzoru
'%
Jeeli z pewnej staej
dla pewnej staej .
oraz
!
Jeeli z
dla pewnej staej
, to
!
" "
( " "
!
&4
4
"
! ! ! ! 4 !" 2
!
" 9
9
$
$
" 2 !
.
dla
1.11. Zadania
13
6. Stosuj c algorytm merge-sort posortuj ci g sw: sowik, wrbel, kos, jaskka, a a kogut, dzi cio, gil, kukuka, szczygie, sowa, kruk, czubatka. e [Fragment wiersza Ptasie radio Juliana Tuwima] 7. Dana jest funkcja
8. Dana jest funkcja
Oblicz
. Co oblicza funkcja
9. Wypisz ci g przeo e potrzebnych do przeniesienia czterech kr zkw na wie ach a z n a z Hanoi. 10. Udowodnij, ze algorytm opisany w podrozdziale 8.1 wymaga a przeniesienia kr zkw.
%
3 " "
Oblicz
. Co oblicza funkcja
34 " : ? : ? przeo e do z n
9
Rozdzia 1
Struktury danych1.1 Listy, stosy i kolejkiLista to uporzdkowany ci g elementw. Przykadami list s wektory lub tablice jednowya a a miarowe. W wektorach mamy dost p do dowolnego elementu, poprzez podanie indeksu e tego elementu. Przykad 1.1 W j zyku Pascal przykadem typu tablicy jednowymiarowej jest e array[1..N] of integer. Jeeli mamy zmienn tego typu z a a:array[1..N] of integer, to tablica a zawiera N elementw a[1], a[2], ... ,a[N]. W programie moemy odwoywa si do caej tablicy, na przykad w instrukcji przypisania z c e a:=b, lub do pojedynczych elementw: a[i]:=a[i+1]. Moemy take uywa tablic dwu lub wi cej wymiarowych. Przykadem tablicy dwuwyz z z c e miarowej jest typ array[1..N,1..M] of real. Zmienna zawiera elementw. Dla kadej pary liczb z speniaj cej warunki a , element c[i,j] zawiera liczb typu real. e c:array[1..N,1..M] of real
Czasami wygodniej posugiwa si listami bez u ywania indeksw. Przykadami list, c e z ktrych mo na u ywa bez koniecznoci odwoywania si do indeksw poszczeglnych z z c s e elementw, s kolejki i stosy. a 3
,
4
Rozdzia 1. Struktury danych
Denicja 1.2 Kolejka jest list z trzema operacjami: a dodawania nowego elementu na koniec kolejki,
zdejmowania pierwszego elementu z pocz tku kolejki, a sprawdzania, czy kolejka jest pusta.
Taki sposb dodawania i odejmowania elementw jest okrelany angielskim skrtem s FIFO (rst in rst out, czyli pierwszy wszed pierwszy wyjdzie). Przykady kolejek spotykamy w sklepach, gdzie klienci czekaj cy na obsu enie tworz kolejki. a z a Denicja 1.3 Stos jest list z trzema operacjami: a dodawania elementu na wierzch stosu, zdejmowania elementu z wierzchu stosu, sprawdzania, czy stos jest pusty.
Na stosie dodajemy i odejmujemy elementy z tego samego ko nca, podobnie jak w stosie talerzy spi trzonym na stole. Talerze dokadane s na wierzch stosu i zdejmowae a ne z wierzchu stosu. Taka organizacja obsugi listy okrelana jest angielskim skrtem s LIFO (last in rst out, czyli ostatni wszed pierwszy wyjdzie). Niektrzy w ten sposb organizuj prac na biurku. Przychodzce listy ukadaj na stosie i jak maj czas, to a e a a a zdejmuj jeden list i odpowiadaj na niego. a a Przyjrzyjmy si zastosowaniu kolejki lub stosu do szukania. Przypucmy, ze szukamy e s przez telefon pewnej informacji (na przykad chcielibymy si dowiedzie , kto z naszych s e c znajomych ma pewn ksi zk ). a a e Algorytm szukania ksi zki wrd znajomych a s tworzymy STOS, ktry na pocz tku jest pusty, a wkadamy na STOS numer telefonu swojego znajomego, powtarzamy dopki na stosie s jakie numery: a s zdejmujemy z wierzchu STOSU jeden numer telefonu,
dzwonimy pod ten numer,
je eli osoba, do ktrej si dodzwonilimy, posiada szukan ksi zk , to koz e s a a e niec poszukiwa , n je eli nie posiada ksi zki, to pytamy j o numery telefonw jej znajomych, z a a ktrzy mog mie ksi zk (lub zna kogo kto j ma); ka dy nowy numer zostaje a c a e c s a z dopisany do STOSU. W powy szym algorytmie zamiast stosu mo e by u yta kolejka. z z c z
1.2. Drzewa binarne
5
1.2 Drzewa binarneDrzewo jest hierarchiczn struktur danych. Jeden element drzewa, zwany korzeniem, jest a a wyr niony. Inne elementy drzewa s jego potomstwem lub potomstwem jego potomstwa z a itd. Terminologia u ywana do opisu drzew jest mieszanin terminw z teorii grafw, boz a taniki i stosunkw rodzinnych. Elementy drzewa nazywa si wierzchokami lub w zami. e e Licie to wierzchoki nie maj ce potomstwa. Drzewa cz sto przedstawia si w formie s a e e grafu, gdzie ka dy wierzchoek jest po czony kraw dzi ze swoim ojcem i ze swoimi z a e a dzie mi (swoim potomstwem). Dla ka dego elementu w drzewie istnieje dokadnie jedna c z z scie ka prowadzca od korzenia do tego wierzchoka. a Drzewa binarne to takie drzewa, w ktrych ka dy wierzchoek ma co najwy ej dwch z z a synw. Do oznaczania wierzchokw w drzewie binarnym wygodnie jest u ywa c ci gw z oznacza zbir wszystkich skonczonych ci gw zer i jedya zer i jedynek. Niech nek. Zbir ten zawiera ci g pusty (dugoci 0), oznaczany przez . Wierzchoki drzewa a s oznaczamy w nast puj cy sposb: e a
korze drzewa oznaczamy przez n
pusty ci g, a
je eli jaki wierzchoek jest oznaczony przez , to jego synowie oznaczeni s przez z s a i .
Rysunek 1.1: Przykad drzewa binarnego
Przy takim oznaczeniu wierzchokw drzewa binarnego nazwa wierzchoka mwi z nam, jaka scie ka prowadzi od korzenia do . Na przykad, aby dojc od korzenia do s wierzchoka nalezy: pjc w prawo do , potem znowu w prawo do , a na koncu w s lewo do .
6
Rozdzia 1. Struktury danych
Je eli mamy drzewo binarne , to z ka dym wierzchokiem mo emy skojarzy z z z c poddrzewo zo one z wierzchoka i wszystkich jego potomkw. Na przykad w z drzewie przedstawionym na rysunku 1.1 wierzchoek wyznacza poddrzewo przedstawione na rysunku 1.2. Rysunek 1.2: Poddrzewo
Mwimy te , ze drzewo skada si z korzenia (wierzchoka ), z lewego poddrzewa z e i z prawego poddrzewa . z Wysokoci drzewa nazywamy dugoc (liczb kraw dzi) najdu szej scie ki w drzes a s e e z wie prowadzcej od korzenia do licia. Na przykad drzewo z rysunku 1.1 jest wysokoci a s s 3.
1.3 Drzewa wyra en arytmetycznych z Przykadem zastosowania drzew binarnych s drzewa wyra e n arytmetycznych. Najpierw a z przykad. Na rysunku 1.3 przedstawiono drzewo wyra enia z . W drzewie tym ka z dy wierzchoek ma etykiet . Licie etykietowane s staymi albo zmiennymi. Wierzchoki e s a nie b d ce licmi etykietowane s operacjami arytmetyczymi. Ka demu wierzchokowi e a s a z w drzewie mo emy przypisa wyra enie arytmetyczne wedug nast puj cej zasady: z c z e a dla lici wyra eniami s etykiety tych lici (stae lub zmienne), s z a s
Przykad 1.4 W drzewie z rysunku1.3 wierzchokowi z etykieta odpowiada wyraenie z , wierzchokowi z etykieta wyraenie z , a korzeniowi wyraenie z
Wyraenie to zawiera wi cej nawiasw, ni to si zwykle stosuje. Normalnie to samo wyz e z e raenie przedstawiamy bez nawiasw w postaci z .
( 3(
&'2$" % # '10 '% & %& & ( ( & '% )
je eli wierzchoek ma etykiet , a jego synom przypisano wyra enia z e z , to wierzchokowi przypisujemy wyra enie z
( )
!
!A@
8( 93(
476 & (
4
# $"
& 15&
(
& '%
i .
1.3. Drzewa wyra e arytmetycznych z n
7
Opuszczenie nawiasw mo e prowadzi do niejednoznacznoci lub mo e zmieni z c s z c sens wyra enia. Na przykad wyra enie z z
po opuszczeniu nawiasw stanie si identyczne z wyra eniem e z i zmieni sens. Drzewo, ktre odpowiada wyra eniu z , przedstawiono na rysunku 1.4. Rysunek 1.4: Drzewo wyra enia z
Drzewo wyra enia arytmetycznego oddaje logiczn struktur i sposb obliczania tego z a e wyra enia. z
464
(
!A
Rysunek 1.3: Drzewo wyra enia z
!A@ &
(
! 7&
(
! 7&
8
Rozdzia 1. Struktury danych
Istnieje sposb przedstawiania wyra en arytmetycznych nie wymagajcy nawiasw. z a Jest to tak zwana notacja polska lub ukasiewicza. Jest ona te nazywana notacj postxow, z a a poniewa znak operacji stoi na koncu wyra enia, za argumentami, czyli wyra enie w noz z z tacji postxowej ma posta : c pierwszy argument drugi argument operacja. Notacja, do jakiej jestemy przyzwyczajeni, nazywa si inxowa, poniewa operacja znajs e z duje si pomidzy argumentami, czyli wyra enie w notacji inxowej ma posta : e e z c pierwszy argument operacja drugi argument. Przykad 1.5 Wyraenie w postaci postxowej z
ma w postaci inxowej posta c a wyraenie z jest postxow postaci wyraenia a a z
W wyra eniach w postaci postxowej nie potrzeba nawiasw. Wartoc wyra enia mo na z s z z w sposb jednoznaczny odtworzy z samego wyra enia za pomoc nast pujacego algoc z a e rytmu.: Algorytm obliczania wartoci wyra enia w postaci postxowej. s z Dla kolejnych elementw zapisu wyra enia: z je eli element jest sta lub zmienn , to wkadamy jego wartoc na stos, z a a s
je eli element jest znakiem operacji, to: z
zdejmujemy dwie wartoci z wierzchu stosu, s wykonujemy operacj na tych wartociach, e s
obliczon wartoc wkadamy na wierzch stosu, a s
po przejciu caego wyra enia jego wartoc znajduje si na stosie. s z s e
Przykad 1.6 Zademonstrujmy ten algorytm na przykadzie wyraenia: z
Zamy, ze zmienne maj nast puj ce wartoci: z a e a s , , , , . Ponisza tabela przedstawia zawartoc stosu po przeczytaniu kolejnych elementw wyraz s zenia.
4
8
3
!A@
3
1.4. Przeszukiwanie drzew binarnych czytany element a b c stos 3, 3, 2, 3, 2, 1, 3, 3, 9, 9, 4, 9, 4, 2, 9, 2, 11.
9
1.4 Przeszukiwanie drzew binarnychZajmiemy si teraz dwoma algorytmami przeszukiwania drzew (binarnych): przeszukie wanie w g b i wszerz. R ni si one rodzajem u ytych struktur danych. W algorytmie a z a e z przeszukiwania w g b u yjemy stosu, a w algorytmie przeszukiwania wszerz u yjemy a z z kolejki.
1.4.1 Przeszukiwanie drzewa w gab Algorytm przeszukiwania drzewa w g b. a Dane wejciowe: drzewo . s
odwiedzamy korze n odwiedzony,
i wkadamy go na STOS; zaznaczamy
dopki STOS nie jest pusty, powtarzamy: je eli jest wierzchokiem na wierzchu STOSU, to sprawdzamy, czy istnieje z syn wierzchoka , ktry nie by jeszcze odwiedzony, najpierw sprawdzamy , a potem . je eli takie si znajdzie, to odwiedzamy , wkadamy go na wierzch STOz e SU i zaznaczamy jako wierzchoek odwiedzony,
je eli takiego nie ma, to zdejmujemy z choka b d cego na stosie pod spodem. e a
ze STOSU i cofamy si do wierze
Przykad 1.7 Ponisza tabela pokazuje jaki wierzchoek jest odwiedzany i jaka jest zaz wartoc stosu po kadej kolejnej iteracji p tli algorytmu, gdy przeszukiwane jest drzewo s z e z rysunku 1.1.
d e
jako wierzchoek
10
Rozdzia 1. Struktury danych Wierzchoek 0 00 0 01 0 1 10 1 11 110 11 111 11 1
STOS ,0 ,0,00 ,0 ,0,01 ,0
,1 ,1,10 ,1 ,1,11 ,1,11,110 ,1,11 ,1,11,111 ,1,11 ,1
W metodzie przeszukiwania w g b po ka dym kroku algorytmu wierzchoki znajdujce a z a si na stosie tworz scie k od wierzchoka wejciowego do wierzchoka aktualnie ode a z e s wiedzanego. Zauwa my, ze nazwa ka dego wierzchoka na stosie jest preksem (przedz z rostkiem) nazwy nast pnego wierzchoka. Dlatego wystarczy przechowywa ostatnie bity e c wierzchokw na stosie. Nie jest te konieczne zaznaczanie, ktre wierzchoki byy ju z z odwiedzone, wystarczy zauwa y , ze: z c je eli przyszlimy do wierzchoka od jego ojca, to zaden z synw nie by jeszcze z s odwiedzany,
je eli przyszlimy do wierzchoka z s odwiedzony by tylko lewy syn,
od lewego syna
(po zdj ciu e
Oto prostsza wersja algorytmu przeszukiwania w g b: a Algorytm przeszukiwania drzewa w g b (druga wersja). a Dane wejciowe: drzewo . s odwiedzamy korze i wkadamy go na STOS, n dopki STOS nie jest pusty, powtarzamy:
Je eli z
jest aktualnie odwiedzanym wierzchokiem i
Je eli ostatni operacj na stosi byo wo enie nowego elementu, to: z a a z Je eli z
ale
, to przejd do z
Je eli z
, to przejd do z
i w 0 na stos, z i w 1 na stos, z
je eli przyszlimy do wierzchoka od prawego syna z s odwiedzeni ju byli obaj synowie. z
(po zdj ciu ze stosu), to e
ze stosu), to
1.4. Przeszukiwanie drzew binarnych Je eli z oraz ojca wierzchoka .
11
Je eli ostatni operacj na stosie byo zdj cie 0 to: z a a e Je eli z choka .
, to zdejmij ostatni element ze stosu i przejd do ojca wierzz
Je eli ostatni operacj na stosie byo zdj cie 1 to: zdejmij ostatni element ze stosu z a a e i przejd do ojca wierzchoka . z
Przykad 1.8 Ponisza tabela pokazuje jaki wierzchoek jest odwiedzany i jaka jest zaz wartoc stosu po kadej kolejnej iteracji p tli drugiego algorytmu, gdy przeszukiwane jest s z e drzewo z rysunku 1.1. Wierzchoek 0 00 0 01 0 1 10 1 11 110 11 111 11 1
,0 ,0,0 ,0 ,0,1 ,0
,1 ,1,0 ,1 ,1,1 ,1,1,0 ,1,1 ,1,1,1 ,1,1 ,1
Zauwamy, ze etykiety na stosie z czone razem tworz nazw aktualnie odwiedzanego z a a e wierzchoka.
1.4.2 Przeszukiwanie drzewa wszerzNast pny algorytm przeszukiwania drzew u ywa kolejki jako pomocniczej struktury dae z nych. Algorytm przeszukiwania wszerz. Dane wejciowe: drzewo . s
odwiedzamy korze drzewa n
i wkadamy go do KOLEJKI.
Je eli z
, to przejd do z
, to zdejmij ostatni element ze stosu i przejd do z
i w 1 na stos, z
STOS
12
Rozdzia 1. Struktury danych dopki KOLEJKA nie jest pusta, powtarzamy: bierzemy jeden wierzchoek z pocz tku KOLEJKI, a
odwiedzamy wszystkiech synw wierzchoka kolejki.
i wkadamy je na koniec
Poni ej przedstawiono odwiedzane wierzchoki oraz zawartoc kolejki po ka dej kolejnej z s z iteracji p tli algorytmu przeszukiwania wszerz drzewa przedstawionego na rysunku 1.1. e wierzchoki 0,1 00,01 10,11 110,111
KOLEJKA 0,1 1,00,01 00,01,10,11 01,10,11 10,11 11 110,111 111
W metodzie przeszukiwania wszerz wierzchoki s przeszukiwane w kolejnoci od wierza s chokw b d cych najbli ej wierzchoka pocztkowego do wierzchokw b d cych dalej. e a z a e a
1.4.3 Rekurencyjne algorytmy przeszukiwania drzewIstnieje prosty i ciekawy sposb uzyskiwania postaci postxowej wyra enia arytmetyczz nego z drzewa tego wyra enia. Aby uzyska posta postxow wyra enia, nale y przez c c a z z szuka drzewo tego wyra enia w pewien okrelony sposb, zwany przeszukiwaniem poc z s storder. Przeszukiwanie postorder. Aby przeszuka (pod)drzewo maj ce swj korzen w wierzc a choku :
przeszukujemy jego lewe poddrzewo (z korzeniem w
przeszukujemy jego prawe poddrzewo (z korzeniem w
odwiedzamy wierzchoek
(korzen drzewa).
Algorytm ten mo emy krtko przedstawi w schemacie: z c lewe poddrzewo prawe poddrzewo korzen. Przykad 1.9 Jeeli przeszukamy drzewo z rysunku 1.4 i wypiszemy po kolei etykiety odz wiedzanych wierzchokw, to otrzymamy ci g: a
!A@ &
ktry jest postaci postxow wyraenia a a z
.
(
)
), ),
1.5. Drzewa poszukiwa binarnych n
13
Istniej jeszcze dwie inne pokrewne metody przeszukiwania drzew binarnych: inorder a i preorder: Przeszukiwanie inorder. Aby przeszuka (pod)drzewo maj ce swj korzen w wierzchoc a ku :
przeszukujemy jego lewe poddrzewo (z korzeniem w
odwiedzamy wierzchoek
(korzen drzewa),
przeszukujemy jego prawe poddrzewo (z korzeniem w
Przeszukiwanie preorder. Aby przeszuka (pod)drzewo maj ce swj korzen w wierzc a choku :
odwiedzamy wierzchoek
(korzen drzewa), ),
przeszukujemy jego lewe poddrzewo (z korzeniem w
przeszukujemy jego prawe poddrzewo (z korzeniem w
Przykad 1.10 Jeeli przeszukamy drzewo z rysunku 1.4 metod inorder, to etykiety utworz z a a ci g: a czyli wyraenie w postaci inxowej, ale bez nawiasw. Przeszukanie tego samego drzewa z metod preorder da ci g etykiet: a a Jest to tak zwana posta prexowa wyraenia. Znak operacji wyst puje w niej przed arc z e gumentami. Podobne jak w postaci postxowej, posta prexowa da si jednoznacznie c e rozkada i nie wymaga nawiasw. c
1.5 Drzewa poszukiwan binarnychDrzewa s podstawow struktur przy budowie du ych baz danych. Jed z najprostszych a a a z a takich struktur s drzewa poszukiwan binarnych. Aby utworzy drzewo p