彩券收集問題

彩券收集問題(Coupon collector's problem) 是機率論中的著名題目，其目的在解答以下問題：

假設有n種彩券，每種彩券獲取機率相同，而且彩券亦無限供應。若取彩券t張，能集齊n種彩券的機率多少？

計算得出，平均需要$\Theta (n\ln(n))$次才能集齊n種彩券——這就是彩券收集問題的時間複雜度。例如n = 50時大約要取 $50\ln(50)+50\gamma +1/2\approx 195.6011+28.8608+0.5\approx 224.9619$次才能集齊50種彩券。

問題內容

彩券收集問題的特徵是開始收集時，可以在短時間內收集多種不同的彩券，但最後數種則要花很長時間才能集齊。例如有50種彩券，在集齊49種以後要約多50次收集才能找到最後一張，所以彩券收集問題的答案t的期望值要比50要大得多。

解答

計算期望值

假設T是收集所有n種彩券的次數，$t_{i}$是在收集了第i-1種彩券以後，到收集到第i種彩券所花的次數，那麼T和$t_{i}$都是隨機變數。在收集到i-1種彩券後能再找到「新」一種彩券的機率是$p_{i}={\frac {n-i+1}{n}}$，所以$t_{i}$是一種幾何分布，並有期望值${\frac {1}{p_{i}}}$。根據期望值的線性性質，

${\begin{aligned}\operatorname {E} (T)&=\operatorname {E} (t_{1})+\operatorname {E} (t_{2})+\cdots +\operatorname {E} (t_{n})={\frac {1}{p_{1}}}+{\frac {1}{p_{2}}}+\cdots +{\frac {1}{p_{n}}}\\&={\frac {n}{n}}+{\frac {n}{n-1}}+\cdots +{\frac {n}{1}}=n\cdot \left({\frac {1}{1}}+{\frac {1}{2}}+\cdots +{\frac {1}{n}}\right)\,=\,n\cdot H_{n}.\end{aligned}}$

其中$H_{n}$是調和數，根據其近似值，可化約為：

$\operatorname {E} (T)=n\cdot H_{n}=n\ln n+\gamma n+{\frac {1}{2}}+o(1),\ \ {\text{as}}\ n\to \infty ,$

其中$\gamma \approx 0.5772156649$是歐拉-馬歇羅尼常數.

那麼，可用馬可夫不等式求取機率的上限：

$\operatorname {P} (T\geq c\,nH_{n})\leq {\frac {1}{c}}.$

變異數

基於$t_{i}$相互獨立的特性，則有：

${\begin{aligned}\operatorname {Var} (T)&=\operatorname {Var} (t_{1})+\operatorname {Var} (t_{2})+\cdots +\operatorname {Var} (t_{n})\\&={\frac {1-p_{1}}{p_{1}^{2}}}+{\frac {1-p_{2}}{p_{2}^{2}}}+\cdots +{\frac {1-p_{n}}{p_{n}^{2}}}\\&\leq {\frac {n^{2}}{n^{2}}}+{\frac {n^{2}}{(n-1)^{2}}}+\cdots +{\frac {n^{2}}{1^{2}}}\\&\leq n^{2}\cdot \left({\frac {1}{1^{2}}}+{\frac {1}{2^{2}}}+\cdots \right)={\frac {\pi ^{2}}{6}}n^{2}\leq 2n^{2},\end{aligned}}$

最末一行的等式來自黎曼ζ函數的巴塞爾問題。此式繼而可用柴比雪夫不等式求取機率上限：

$\operatorname {P} \left(|T-nH_{n}|\geq c\,n\right)\leq {\frac {2}{c^{2}}}.$

尾部估算

我們亦可用以下方法求另一個的上限：假設${Z}_{i}^{r}$表示在首r次收集中未有見到第i種彩券，則

${\begin{aligned}P\left[{Z}_{i}^{r}\right]=\left(1-{\frac {1}{n}}\right)^{r}\leq e^{-r/n}\end{aligned}}$

所以，若$r=\beta n\log n$，則有$P\left[{Z}_{i}^{r}\right]\leq e^{(-\beta n\log n)/n}=n^{-\beta }$.

${\begin{aligned}P\left[T>\beta n\log n\right]\leq P\left[\bigcup _{i}{Z}_{i}^{\beta n\log n}\right]\leq n\cdot P[{Z}_{1}]\leq n^{-\beta +1}\end{aligned}}$

用生成函數的解法

另一種解決彩券收集問題的方法是用生成函數。

觀察得出，彩券收集的過程必然如下：

• 收集第一張彩券，其出現的機率是$n/n=1$
• 收集了若干張第一種彩券
• 收集到一張第二種彩券，其出現的機率是$(n-1)/n$
• 收集了若干張第一種或第二種彩券
• 收集到一張第三種彩券，其出現的機率是$(n-2)/n$
• 收集了若干張第一種、第二種或第三種彩券
• 收集到一張第四種彩券，其出現的機率是$(n-3)/n$
• $\ldots$
• 收集到一張最後一種彩券，其出現的機率是$1/n$

若某一刻已若干種彩券，再收集到一張已重覆的彩券的機率是p，那麼，再收集到m張已重覆的彩券的機率就是$p^{m}$。則就此部分而言，有關m的機率母函數（PGF）是

$G(z)=\sum _{m=0}^{\infty }p^{m}z^{m}=1+pz+p^{2}z^{2}+p^{3}z^{3}+\cdots ={\frac {1}{1-pz}}$

若將上述收集過程分割為多個階段，則整個收集過程所花的時間的機率母函數為各部分的乘積，亦即

$G(z)={\frac {n}{n}}z\cdot {\frac {1}{1-{\frac {1}{n}}z}}\cdot {\frac {n-1}{n}}z\cdot {\frac {1}{1-{\frac {2}{n}}z}}\cdot {\frac {n-2}{n}}z\cdot {\frac {1}{1-{\frac {3}{n}}z}}\cdot {\frac {n-3}{n}}z\cdots {\frac {1}{1-{\frac {n-1}{n}}z}}\cdot {\frac {n-(n-1)}{n}}z.$

那麼，根據機率生成函數的特性，總收集次數T的期望值是

$\operatorname {E} (T)=\left.{\frac {\mathrm {d} }{\mathrm {d} z}}G(z)\right|_{z=1}$

而某一T的機率則是

$\Pr(T=k)=\left.{\frac {1}{k!}}{\frac {\mathrm {d} ^{k}G(z)}{\mathrm {d} z^{k}}}\right|_{z=0}$

計算E(T)可先化簡$G(z)$為

$G(z)=z^{n}{\frac {n-1}{n-z}}{\frac {n-2}{n-2z}}{\frac {n-3}{n-3z}}\cdots {\frac {n-(n-1)}{n-(n-1)z}}$

因為

${\frac {\mathrm {d} }{\mathrm {d} z}}{\frac {n-k}{n-kz}}={\frac {k(n-k)}{(n-kz)^{2}}}$

所以

${\frac {\mathrm {d} }{\mathrm {d} z}}G(z)=G(z)\left({\frac {n}{z}}+{\frac {1}{n-z}}+{\frac {2}{n-2z}}+{\frac {3}{n-3z}}\cdots +{\frac {n-1}{n-(n-1)z}}\right)$

故此可得出

${\begin{aligned}\operatorname {E} (T)&=\left.{\frac {\mathrm {d} }{\mathrm {d} z}}G(z)\right|_{z=1}\\&=G(1)\left(n+{\frac {1}{n-1}}+{\frac {2}{n-2}}+{\frac {3}{n-3}}\cdots +{\frac {n-1}{n-(n-1)}}\right)\\&=n+\sum _{k=1}^{n-1}{\frac {k}{n-k}}\end{aligned}}$

其中的連加部分可化簡：

$\sum _{k=1}^{n-1}{\frac {k}{n-k}}=\sum _{k=1}^{n-1}\left({\frac {k}{n-k}}-{\frac {n}{n-k}}\right)+nH_{n-1}=nH_{n-1}-(n-1)$

所以得出： $\operatorname {E} (T)=n+nH_{n-1}-(n-1)=nH_{n-1}+1=nH_{n}$

用機率生成函數可同時求取變異量。變異量可寫作

$\operatorname {Var} (T)=\operatorname {E} (T(T-1))+\operatorname {E} (T)-\operatorname {E} (T)^{2}$

其中

${\begin{aligned}\operatorname {E} (T(T-1))=&\left.{\frac {\mathrm {d} ^{2}}{\mathrm {d} z^{2}}}G(z)\right|_{z=1}\\=&\left[G(z)\left({\frac {n}{z}}+{\frac {1}{n-z}}+{\frac {2}{n-2z}}+{\frac {3}{n-3z}}\cdots +{\frac {n-1}{n-(n-1)z}}\right)^{2}\right.\\&\;\left.\left.+G(z)\left(-{\frac {n}{z^{2}}}+{\frac {1^{2}}{(n-z)^{2}}}+{\frac {2^{2}}{(n-2z)^{2}}}+{\frac {3^{2}}{(n-3z)^{2}}}\cdots +{\frac {(n-1)^{2}}{(n-(n-1)z)^{2}}}\right)\right]\right|_{z=1}\\=&n^{2}H_{n}^{2}-n+\sum _{k=1}^{n-1}{\frac {k^{2}}{(n-k)^{2}}}\\=&n^{2}H_{n}^{2}-n+\sum _{k=1}^{n-1}{\frac {(n-k)^{2}}{k^{2}}}\\=&n^{2}H_{n}^{2}-n+n^{2}H_{n-1}^{(2)}-2nH_{n-1}+(n-1).\end{aligned}}$

故得出：

${\begin{aligned}\operatorname {Var} (T)&=\;n^{2}H_{n}^{2}-1+n^{2}H_{n-1}^{(2)}-2nH_{n-1}+nH_{n-1}+1-n^{2}H_{n}^{2}\\&=\;n^{2}H_{n-1}^{(2)}-nH_{n-1}<{\frac {\pi ^{2}}{6}}n^{2}\end{aligned}}$

參考文獻

• Paul Erdős and Alfréd Rényi, On a classical problem of probability theory, Magyar Tud. Akad. Mat. Kutato Int. Kozl, 1961.
• William Feller, An introduction to Probability Theory and its Applications, 1957.
• Michael Mitzenmacher and Eli Upfal, Probability and Computing: Randomized Algorithms and Probabilistic Analysis, Cambridge University Press, 2005
• Donald J. Newman and Lawrence Shepp, The Double Dixie Cup Problem, American Mathematical Monthly, Vol. 67, No. 1 (Jan., 1960), pp. 58–61.
• Philippe Flajolet, Danièle Gardy, Loÿs Thimonier Birthday paradox, coupon collectors, caching algorithms and self-organizing search. （頁面存檔備份，存於網際網路檔案館）, Discrete Applied Mathematics, Vol. 39, (1992), pp. 207–229

外部連結

• "Coupon Collector Problem （頁面存檔備份，存於網際網路檔案館）" by Ed Pegg, Jr., the Wolfram Demonstrations Project. Mathematica package.
• Coupon Collector Problem （頁面存檔備份，存於網際網路檔案館）, Java applet.
• How Many Singles, Doubles, Triples, Etc., Should The Coupon Collector Expect? （頁面存檔備份，存於網際網路檔案館）, a short note by Doron Zeilberger.
• （英文） getir indirim kodu（頁面存檔備份，存於網際網路檔案館）