Я не понимаю, откуда взялось соотношение
и слабо в него верю. Щас быстренько напаскалю полнопереборную програмку, посчитаю первых значений 20, тогда понятно будет, правильно это или нет.
А вообще там довольно красивая вещь получается. Язык, состоящий из слов алфавита
, в которые подслово
входит нечётное число раз, конечно же, регулярный. ДКА для него имеет 6 состояний. Если всем переходам в нём приписать вероятность
, то получается марковский процесс, ну и нам нужно, фактически, посчитать вероятность того, что мы после
переходов придём в одно из конечных состояний. Эргодическая теорема, кажется, работает. Но даже если без неё, там получается чисто линейная система, с постоянной матрицей перехода; никаких слагаемых типа
, в принципе, возникать не должно.
Ладно, буду прогу писать для начала
Добавлено спустя 1 час 4 минуты 17 секунд:
Вынужден попросить прощения у
a1020 за своё недоверие. Формула оказалась верна. По крайней мере, первые 20 значений, вычисленные напрямую, совпадают со значениями, вычисленными по этой формуле.
Вот эти значения.
Добавлено спустя 47 минут 36 секунд:
Мой подход к решению этой задачи лежит несколько с другого боку.
Допустим, что мы подкидываем монету и в соответствии с результатами подкидывания генерируем последовательность из нулей и единиц. Каждый член последовательности не зависит от остальных и равен одному из значений
,
с вероятностью
. Пусть
--- полученная последовательность из нулей и единиц. Пусть также
равно вероятности того, что сумма
является нечётной. Очевидно, что
.
У нас есть 6 состояний:
. Из состояния
можно перейти либо в
, либо в
. Из
--- либо в
, либо в
. Из
--- либо в
, либо в
. Из
--- либо в
, либо в
. Из
--- либо в
, либо в
. Из
--- либо в
, либо в
. Каждый переход осуществляется с вероятностью
. Стартуем из состояния
. Искомое значение
равно вероятности того, что после
переходов мы окажемся в одном из
-состояний.
Ну а тут уже теория марковских процессов. Я её, к сожалению, помню совсем-совсем плохо. Соответствующая стохастическая матрица выглядит так:
Что с этим делать дальше, я помню плохо (надеюсь, что придёт
PAV и просветит). Но, насколько всё доступно моему глупому разумению, у этой матрицы есть (записанный в строчку) собственный вектор
с собственным значением
, который соответствует вероятностям нахождения системы в состояниях
соответственно после большого числа переходов. Отсюда
при
. Другими словами, при больших
примерно
наборов будут удовлетворять нужному условию. Погрешность оценивать не берусь, не хватает квалификации.
Ну а при произвольных
надо просто возводить эту матрицу в
-ую степень, для чего искать жорданову форму и т. д. Для стохастических матриц это вроде бы как-то просто делается. Опять, увы, ничерта не помню с третьего курса
Добавлено спустя 11 минут 11 секунд:
P. S. После всего проделанного смотрим
сюда и узнаём ещё кое-что
В частности, там приведена какая-то странная формула
Я не понял, что она означает. Но последовательность, судя по вычисленным значениям, вроде та. Хотя определяется как-то по другому
Добавлено спустя 7 минут 49 секунд:
P. P. S. Формула --- это, наверное, генерическая функция