[论文解读] How to lose as little as possible

Vittorio Addona, Stan Wagon+1 more|arXiv (Cornell University)|Feb 9, 2010

Advanced Combinatorial Mathematics参考文献 3被引用 4

一句话总结

本文研究了在 $ n $ 次试验中，使较弱一方（正面概率为 $ q $）击败较强对手（正面概率为 $ p > q $）的胜率最大化的最优硬币抛掷次数 $ n $。通过使用多变量 Zeilberger 算法并分析基于勒让德多项式的指示函数 $ J_n(q,p) $，作者证明了胜率函数的单峰性，并推导出唯一最大化点 $ N(q,p) $ 的紧致边界，其满足 $ \left\lfloor \frac{1}{2(p-q)} - \frac{1}{2} \right\rfloor \leq N(q,p) \leq \left\lceil \frac{\max(1-p,q)}{p-q} \right\rceil $。该方法即使在 $ q $ 和 $ p $ 极其微小（如 $ 10^{-100} $）的情况下，也能通过高精度数值积分实现 $ N(q,p) $ 的高效计算。

ABSTRACT

Suppose Alice has a coin with heads probability $q$ and Bob has one with heads probability $p>q$. Now each of them will toss their coin $n$ times, and Alice will win iff she gets more heads than Bob does. Evidently the game favors Bob, but for the given $p,q$, what is the choice of $n$ that maximizes Alice's chances of winning? The problem of determining the optimal $N$ first appeared in \cite{wa}. We show that there is an essentially unique value $N(q,p)$ of $n$ that maximizes the probability $f(n)$ that the weak coin will win, and it satisfies $\frac{1}{2(p-q)}-\frac12\le N(q,p)\le \frac{\max{(1-p,q)}}{p-q}$. The analysis uses the multivariate form of Zeilberger's algorithm to find an indicator function $J_n(q,p)$ such that $J>0$ iff $n

研究动机与目标

• 确定使较弱硬币（正面概率为 $ q $）在 $ n $ 次抛掷中产生更多正面次数的概率最大化的最优试验次数 $ n $，该概率高于较强硬币（正面概率为 $ p > q $）。
• 证明胜率函数 $ f(n) $ 具有单峰性，其最大值唯一或由两个连续 $ n $ 值共享，并准确定位该最大值的位置。
• 基于勒让德多项式性质与零曲线分析，推导出 $ N(q,p) $（即最大化爱丽丝胜率的 $ n $ 值）的紧致解析边界。
• 开发一种鲁棒且高精度的算法，通过数值积分指示函数 $ J_n(q,p) $ 的积分表达式，实现对 $ N(q,p) $ 的高效计算，即使在 $ q $ 和 $ p $ 极其微小时（如 $ 10^{-100} $）亦可适用。
• 研究当 $ p \to q $ 时 $ N(q,p) $ 的渐近行为，并推测其改进的边界与渐近形式。

提出的方法

• 作者将胜率函数 $ f(n) $ 定义为二项概率的双重求和，表示爱丽丝（使用概率为 $ q $ 的硬币）在 $ n $ 次抛掷中获得比鲍勃（使用概率为 $ p > q $ 的硬币）更多正面的概率。
• 引入指示函数 $ J_n(q,p) $，其为连续勒让德多项式的线性组合，使得 $ f(n+1) - f(n) $ 的符号与 $ J_n(q,p) $ 的符号一致，从而实现对最大值的高效检测。
• 利用多变量形式的 Zeilberger 算法，推导出 $ f(n) $ 的闭式递推关系，进而通过与勒让德多项式相关的超几何型和 $ \phi_n(xy) $ 表达 $ J_n(q,p) $。
• 分析函数 $ p_n(q) $（即 $ J_n(q,p) = 0 $ 时的 $ p $ 值），并利用其在 $ (p,q) $ 平面上的零曲线结构，推导出 $ N(q,p) $ 的边界。
• 对于较大的 $ N(q,p) $，采用高精度数值积分方法评估 $ J_n(q,p) $ 的符号，基于涉及 $ \int_0^\pi (u + \sqrt{u^2 - 1} \cos t)^n dt $ 的积分表达式。
• 通过微分方程方法实现 $ p_n(q) $ 零曲线的计算，从而快速生成边界曲线，并高效求解 $ N(q,p) $ 的根。

实验结果

研究问题

• RQ1 在 $ n $ 次抛掷中，使较弱硬币（正面概率为 $ q $）产生更多正面次数的概率最大化的 $ n $ 值是多少？
• RQ2 胜率函数 $ f(n) $ 是否具有单峰性？如果是，其最大值是否唯一，或由两个连续的 $ n $ 值共享？
• RQ3 能否基于 $ p $ 和 $ q $ 推导出 $ N(q,p) $（即最优 $ n $）的紧致解析边界？
• RQ4 当 $ q $ 和 $ p $ 极其微小（如 $ 10^{-100} $）时，如何高效计算 $ N(q,p) $，此时直接计算会失败？
• RQ5 当 $ p \to q $ 时，$ N(q,p) $ 的渐近行为如何？能否推导出改进的边界或闭式近似？

主要发现

• 胜率 $ f(n) $ 具有单峰性：存在唯一或一对连续的 $ n $ 值使得 $ f(n) $ 达到最大值，且 $ N(q,p) $ 定义为其中最小的 $ n $。
• 最优 $ n $，即 $ N(q,p) $，满足边界 $ \left\lfloor \frac{1}{2(p-q)} - \frac{1}{2} \right\rfloor \leq N(q,p) \leq \left\lceil \frac{\max(1-p,q)}{p-q} \right\rceil $，且该边界紧致，渐近最优。
• 当 $ p = 2q $ 且 $ q $ 较小时，$ N(q,p) $ 近似按 $ \frac{1}{2(p-q)} $ 增长，论文计算得 $ N(10^{-100}, 2 \cdot 10^{-100}) = 727689031794675988529598753552387528452110838880220070528794638971962649789 $。
• 指示函数 $ J_n(q,p) $（勒让德多项式的线性组合）决定了 $ f(n+1) - f(n) $ 的符号，从而可通过符号检测实现最大值的高效计算。
• 基于 $ J_n(q,p) $ 的积分表达式的高精度数值积分方法，可实现对 $ N(q,p) $ 的高效计算，即使 $ q, p \sim 10^{-100} $，执行时间也仅需数秒。
• 渐近极限 $ \lim_{(p,q) \to (q_0,q_0)} (p - q) N(q,p) = \frac{1}{2} $ 成立，证实当 $ p \to q $ 时 $ N(q,p) \sim \frac{1}{2(p-q)} $。