盘点清华“生科营”乱入的那些数学题!

0

清华生科营在2013年和2014年都考了数学题,对,没错,数学题!虽然2015年的时候没有考,但天知道今年会不会考呢?而往年生科营里的数学题都是很有意(nan)思(du)的呢~

往年乱入生科的数学题

连考两年的真考点:怎样玩才能赢?

在圆盘上随机印有0和1数字(即每个数字出现的概率各为1/2 ),由观察孔可见两位数字.甲乙两人进行游戏,各选择由0,1组成的一个两位数,旋转转盘,若转到某人选的则其获胜;若未转到两人选择的两位数,则将圆盘转动一格,依次类推,直到决出胜者。问甲选择某个数时乙选哪个胜率最大。

靠谱的分析

如果大家都是自由转动圆盘,则乙选择任何两个数字都是一样,问题的关键在于只转动一格,甲得到的尾数和乙得到的首数是同一个数字.

我们先定性分析一下,如果甲选择11则第一次转动,甲获胜的概率为1/4,若甲未获胜则 10,00,01 的几率是均等的,显然乙若想较大概率在此基础上获胜,果断选择首数为0,如果选择 00 ,则乙失败的可能数字为 01,11,10,其概率比为 2:1:1;如果选择01,则乙失败的可能数字为 00,10,11,其概率比为 2:1:1,乙为了在失败之后尾数尽量避开1显然选择 01。

同理可得:

若甲选
11、00、01、10

则乙选
01、10、00、11

这样这个问题就解决了~下次玩游戏的时候先做个分析、算算概率啥的绝对靠谱~

2014年真考点:正态分布

除了上面的问题之外,在14年的时候还考了一道关于正态分布的题。原题是什么质心哥实在是没有找到,但是考了什么知识点质心哥还是清楚的~最近看了一部励志电影《垫底辣妹》,片中女主一年内偏差值提升40变身学霸,质心哥就用这部电影来说明正态分布中偏差值的概念。

正经的讲解

若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布,记为N(μ,σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。若质量特性值X服从正态分布,那么在 ±3σ 范围内包含了99.73% 的质量特性值。正态分布中心与规格中心重合时u±3σ、u±6σ的不合格率如下:

00
按照电影里日本的算法,偏差值是统计考生分数,并建立正态分布(通过四大墅模拟考试来推定,凡升学的人99%都要上补习班),进行相应计算之后的结果,可以体现出考生在所有考生中所处的位置,即偏差值可以看成是某种排名。

考生成绩一般为正态分布,如果在一次考试中,考生成绩为X,所有考生的平均分为mean,统计标准差为SD,按照日本那的算法:

偏差值=10(x-mean)/SD+50

在这个公式里,考生分数每高于平均分一个标准差,体现在偏差值上是10分。

可以看到,考生成绩偏差值为70(即高于平均分两个标准差)以上,就高于所有考生中97.7%的人了。了解到这里,你知道偏差值70是个什么概念了吗?电影中沙耶加经过一年的努力就从垫底成为超级学霸,小伙伴们也要加油噢!

最难的莫过于谈恋爱~

哈哈,最后质心哥要放大招了,恋爱是个复杂的问题,据说还有这么一道恋爱的模型题。 要研究它,我们就得先做基本假设和抽象模型。

我们假定如下信息成立:

1.同一时间只能交往一个对象,性别不限。
2.交往结束后的对象不能重复交往。
3.每个可能对象的分值随着时间推移不会改变。
4.分数随机分布没有重复。

每个人假定可交往对象为N个,具体大小,看人的放荡程度而定(正经脸,不许笑)。 首先需要定义测试集K,用于策略。 我们的策略就是:在前K个人中交往,评分,分手,这样就大概知道了市面上的可交往对象大概的分数分布。在K之后遇到了高于前面分值的人就牵手结婚。如果K太大,则很可能找不到,如果K太小,则可能随便找个人就结婚了。 所以如何确定K/N就成了关键问题。

怎样分析呢?

用我们的方法能找到最佳伴侣的期望可以这样来计算。 假定我们选中的“最佳”是第i个,那么一定有K<i≤N。如果他真的是最佳,那么我们的策略成功,每个人是最佳的概率是:1 / N。我们能选中真的最佳的条件是:前i个中间的第二分高的对象出现在前K个里面。 这个事情发生的概率是:K / i。

期望是

0

但是啊,这个东西求极值好麻烦的。 要把它弄成连续函数比较好,因为可以使用微积分~于是就这样操作~

dy = 1 / N y = i / N z = k / N

所以有 K / i = z / y

期望是

0

(你们说,这个时候谁是自变量?)

积分很好积~ P (z) = zlnz,求导方法求极值:

P`(z) = 0时候,有极值,就能得到z = 1/e ≈ 37%

单身Dog们,质心哥就只能帮到这了
然而…
你真的要跟妹子聊科学?

最后,马上就要考试了,祝大家有个好成绩!

生物竞赛扫一扫关注公众号,看更多生物竞赛干货
复制    shengwuliansai    微信公众号搜索关注

Comments are closed.