Всем привет. Вслед за
этой темой вспомнилась такая задача (вернее, две).
Имеются две остановки (отправления и прибытия), через которые проходят

(скажем, автобусных) маршрутов. Пусть для

пассажиру, появившемуся на остановке отправления, требуется

времени (с момента появления!) для ожидания автобуса номер

, и сверх того,

времени, чтобы доехать на нём до остановки прибытия. Здесь

и

(

) — случайные величины, причём

независимы в совокупности и (
не будем выпендриваться) имеют равномерные распределения в

, а величины

имеют математические ожидания

(остальное для дальнейшего неважно).
Турист
поглупее появляется на остановке отправления и добирается до остановки прибытия первым прибывшим автобусом. Требуется найти математическое ожидание времени, которое ему на это понадобится.
(Оффтоп)
Моё решение тут таково. Время ожидания

имеет функцию распределения

и, соответственно, математическое ожидание

. Математическое ожидание времени поездки равно

, где

есть вероятность того, что автобус номер

придёт первым. Собирая вместе, получаем ответ

(А теперь -
вторая скорость.) Турист
поумнее в момент прибытия любого из автобусов принимает решение, использовать его или нет. Причём оптимальным образом (зная то, что уже произошло, и распределения вместе с параметрами). Будем считать, что автобус с любым выбранным номером прибывает лишь однажды (т.е. что его второго прибытия дожидаться нет смысла). Задача та же — найти математическое ожидание времени, потраченного на ожидание и поездку.
(Оффтоп)
Тут у меня решение получается таким.
Для вектора

положим

; для скаляра

обозначим

; для

через

обозначим вектор

без его

-й компоненты.
Пусть

,

и

— ответ к задаче. Очевидно,

.
Теперь если

— (случайный, событиями нулевой вероятности пренебрегаем) номер первого прибывшего автобуса и

— (как и раньше) время его ожидания, то

При условии

, величины

(

) остаются независимыми в совокупности, с равномерными распределениями в

. Условное математическое ожидание требуемого итогового времени

при этом условии получается равным

(взятие минимума соответствует принятию решения, садиться или ждать дальше). Собирая в кучу все эти наблюдения, получаем (такое вот громоздковатое) соотношение

(из которого можно получить и

, если в качестве базы индукции принять

).
Внимание — вопрос. В "задаче поглупее" всё действительно "поглупее" — и интеграл берётся от многочлена, и вычисления можно уложить в

операций (причём численно устойчивым путём). В задаче "поумнее" интеграл брать не хочется уже при

, не говоря о б
ольших значениях

(когда это, скорее всего, аналитически уже просто-напросто не сделать), а что касается вычислений — я вижу только алгоритмы
экспоненциальной сложности по

(если говорить о фиксированной точности).
Можно ли быстрее? (И вообще, правильно ли моё решение в этом случае?..)