Quantitative Interview Problem Sets

例题 1 (HRT-Algo Dev-第一轮电面) Roll a dice, expected sum of values until you

see all the different values from 1 to 6.

记 Xi 为第 i 次投出的数，N 为投出所有 1 − 6 数字所花的次数，则 N 是个停

时。由 Wald 等式: " #
X
N
E Xi = EXi · EN
i=1

1
P
6
其中，EXi = 6
i = 27 ，下求 EN .
i=1
记状态 Si 表示已经投出了 i 个数字 (i = 1, 2, · · · , 6), ∆i 为从状态 Si 到状态
P5
Si+1 所需要投掷次数的期望。在这样的记号下，有 EN = ∆i 。显然 ∆0 = 1，因
i=0
为第一次总可以投出一个数字，对 i ≥ 1，已经投出了 i 个数，还剩 6 − i 个数，所以
6−i 6−i
每次有 6
的概率投出一个新数。于是投的次数可以看成一个 p = 6
的几何随机
6−i
变量，所以 ∆i = 6
。该式对 i = 0 也成立，因此可以计算 EN 为：

X
5 X
5
6 147
EN = ∆i = =
i=0 i=0
6−i 10

代回上式得到最终结果：

X
N
7 147
E( Xi ) = × = 51.45
i=1
2 10

例题 2 (HRT-Algo Dev-第一轮电面) Toss a fair coin 10 times, is the probability

of getting even number of heads and the probability of getting odd number of heads
equal?

首先考虑前 9 个硬币，其中得到奇数个 heads 和偶数个 heads 的概率一样：当有

9 个硬币时，在所有可能的情况下，head 和 tail 的个数均可写作 (i, 9 − i) 或 (9 − i, i)，
二者必定一奇一偶，且两种情况对称。
记 A1 = {前 9 个中有奇数个 heads},A2 = {前 9 个中有偶数个 heads},B1 =
{第 10 个为 head}, B2 = {第 10 个为 tail}，则有 P (A1 ) = P (A2 ) = 21 ，对所有 10

1
个硬币的结果应用全概率公式：

P (10个硬币中 Heads = 奇数) = P (前 9 个中奇数个 heads，最后一个 tail)

+ P 前 9 个中偶数个 heads，最后一个 head)
= P (B2 |A1 )P (A1 ) + P (B1 |A2 )P (A2 )
= P (tail)P (A1 ) + P (head)[1 − P (A1 )]
1 1 1 1
= × + ×
2 2 2 2
1
=
2

例题 3 (HRT-Algo Dev Intern-第一轮电面) Inverse of 例题 1.2, if we know that

the two probabilities are equal, is this a fair coin?

依然用 1.2 中 记 号： 记 A1 = {前 9 个中有奇数个 heads},A2 =

{前 9 个中有偶数个 heads},B1 = {第 10 个为 head}, B2 = {第 10 个为 tail}，
在此记号下对第 10 次投掷结果应用全概率公式：

P (10个硬币中 Heads = 奇数) = P (tail)P (A1 ) + P (head)[1 − P (A1 )]

记抛出 head 的概率为 P (head) = p，并记 P (A1 ) = p1 ，上式可以写作：

P (10个硬币中 Heads = 奇数) = (1 − p)p1 + p(1 − p1 )

由于已知以上概率为 21 ，因此整理得到：

1
(1 − 2p1 )p = − p1
2
以下对 1 − 2p1 的取值进行分类讨论：

1. 1 − 2p1 ̸= 0：解得
1
2
− p1 1
p= =
1 − 2p1 2

2. 1 − 2p1 = 0：此时有 p1 = 12 ，那么可以重复以上步骤，改为对第 9 次投掷结果

应用全概率公式，得到类似的表达式，并再进行分类讨论。

如果在讨论第 9, 8, · · · , 2 个硬币的过程中遇到了情况 1，那么即可得到 p = 21 ，而如

果一直遇到情况 2，那么在对第 1 个硬币进行讨论时，一定会得出 p = 21 。
1
综上，总有 p = 2

2
例题 4 (HRT-Algo Dev-第一轮电面-2023) Throw a fair dice 100 times, let X be
the sum of the results; flip a fair coin 600 times, let Y be the number of heads.
P(X<Y)=?

色子和硬币的结果分别为伯努利分布和离散均匀分布，由于实验的 n 较大，因
此应考虑使用中心极限定理进行近似。记单次实验的结果为 Xi 和 Yi ，有：

X
100
1
X= Xi , P (Xi = k) = , for k = {1, 2, 3, 4, 5, 6}
i=1
6
X
600
1
Y = Yi , P (Yi = 0) = P (Yi = 1) =
i=1
2

容易求得 Xi 和 Yi 的均值和方差如下：
 2
1X 2
6
7 7 35
EXi = , Var (Xi ) = i − =
2 6 i=1 2 12
 2  2
1 1 1 1 1 1
EYi = , Var(Yi ) = × + × =
2 2 2 2 2 4

应用中心极限定理，有如下近似分布：
 
875
X∼N 350,
3
Y ∼ N (300, 150)

由于二者之间独立，因此它们近似服从联合正态分布，从而可知它们的线性组合也近
似服从正态分布：  
1325
X −Y ∼N 50,
3
记 Φ 为标准正态分布的分布函数，则所求概率可以表示为：

P (X > Y ) = P (X − Y > 0)
X − Y − 50 50
= P( q > − 1325 )
1325
3
3
√ !
50 3
= 1 − Φ −√
1325
√ !
50 3
=Φ √
1325

例题 5 (HRT-Algo Dev-电面) 一个圆上有 N 个点，两两可以组成一条弦，问交点

个数的期望

记 Sn 为有 n 个点时的交点数。



首先 Sn ≤ n4 ，因为每个交点可以看成一个四边形对角线的交点，而一共有 n4



组 4 个点，所以 Sn ≤ n4 。Sn < n4 当且仅当这些交点有重合的。下证 P (Sn <

3
n

n


4
) = 0，于是 ESn = 4
。
应用数学归纳法：
n


1. n = 4 时，显然 S4 = 1，即总有一个交点，所以 P (Sn < 4
)=0
n+1

n

n


2. 假设对 n = k 成立，下证对 n = k+1 也成立: 首先有恒等式 r
= r
+ r−1
，
因此有：
       
k+1 k k+1
P Sk+1 < = P Sk < , Sk+1 <
4 4 4
    
k k
+ P Sk = , Sk+1 − Sk <
4 3

通过假设可知第一项为 0。第二项可以看成新假如的第 k + 1 个点和原有的 k

个点钟选 3 个组成四边形，看新增的四边形的对角线交点是否有 k3 个，因为


原有的 k 个点至多形成 k4 个交点，只要第 k + 1 个点雨其他点连线不经过这
些点即可. 例如 k = 5 时，原本有点 A1 , · · · , A5 ，第 6 个点只要不在 B1 , · · · , B5
处，新产生的交点就不会与原有交点重合，而第 6 个点在 B1 , · · · , B5 处的概率
是0

k


所以第 k + 1 个点可能新形成的少于 3
个交点的位置总是有限的 (例如 k = 5
时只有 5 个位置，而圆周上的点有无限个，因此有：
 
k
P (Sk+1 − Sk < )=0
3

代入上式得到：   
k+1
P Sk+1 < =0
4
即证得对 n = k + 1 也成立。



由数学归纳法可知，∀n ∈ N∗ ，均有 P Sn < n
4
=0

4
例题 6 (HRT-第一轮电面) If a basketball player shot 100 shots, missed the first
one and then after the 100 shots had an accuracy of 90%. Is it possible that the
player never had 80% accuracy through all shots.

不可能，可以使用反证法：假设准确率对 N = 1, 2, · · · , 100 都没到 80%。记 XN

为前 N 次中除第一次外未中的次数，根据假设，截至前 N 次，有
1 + XN 1
>
N 5
而根据最终总命中率为 90% 可知：

XN ≤ X100 ≤ 9

结合两不等式得到：
N < 50

而对于 N ≥ 50 则无解，因此得到矛盾，假设不成立。

例题 7 (HRT-第一轮电面) 不停扔骰子, 直到出现 1 为止, 问 (包含最后的 1) 所有

点数的和的期望.
Follow-up 1: 如果是扔到 6 停呢?
Follow-up 2: 扔到 X 停, 点数和的期望和 X 是否有关?

记 Xi 是第 i 次投出的数，N 为第一次投出 1 的次数，则 N 是个停时。由 Wald

等式 " #
X
N
E Xi = EXi · EN
i=1

1
P
6
其中，EXi = 6
i = 72 。求 EN 时，可以将投掷次数视为 p = 1
6
的几何分布，得到：
i=1

EN = 6

代入上式得到： " #
X
N
7
E Xi = × 6 = 21
i=1
2

Follow-up 1&2：由上面的过程可以看出点数和的期望和 X 无关，无论是扔到 6 还

是扔到几停，点数和期望都是 21.

例题 8 (HRT-Algo Dev-Intern-第一轮电面) There are 10 coins in a bag including

3 pennies, 1 nickel, 4 dimes, 2 quarters. If you draw 3 coins one at a time, is with or
without replacement better?

假设第一次抽的期望是 µ，记 X 是抽 3 次得到的钱，Xi 是第 i 次抽中的，则

X = Xi + X2 + X3 ，根据期望的线性性，有：

EX = EX1 + EX2 + EX3

5
以下分为 With replacement(有放回) 和 Without replacement(无放回) 两种情况讨
论：

1. 有放回：显然 EXi = µ, 有：EX = 3µ

2. 无放回：EX1 = µ，由对称性，在平均情况下，第 2 次抽到每一个 coin 的概率

都一样，所以 EX2 = µ，同理 EX3 = µ，因此无放回时 EX = 3µ

综上，所以有无放回的期望相等。

例题 9 (HRT-Algo Dev 全职-第一轮电面) 是 a 个 people from group A, b 个 people

from group B，随机排列得坐在圆桌周围，相邻且同组的同事之间握手，问总握手次
数的期望

一共有 a + b 个座位围成一圈，记为 1 号位，· · · , a + b 号位。记 Xi = 1 [i号和i +

1号握手], 1 ≤ i ≤ a + b − 1，特别的，记 Xa+b = 1 [a + b号和1号握手]。定义总握手
Pa+b
次数为 X = i=1 Xi ，根据期望的线性性：

X
a+b
EX = EXi
i=1

由于所有位置之间是对称的，所以所有 Xi 有相同的均值 E[Xi ] = µ，且对某个 Xi 而

言，其取值仅与第 i 和 i + 1 个人有关，即只需要考虑这两个人同组的概率即可：

EXi = P (i + 1 ∈ A | i ∈ A)P (i ∈ A) + P (i + 1 ∈ B | i ∈ B)P (i ∈ B)

a−1 a b−1 b
= × + ×
a+b−1 a+b a+b−1 a+b
a(a − 1) + b(b − 1)
=
(a + b)(a + b − 1)

代入前式可以得到总握手次数的期望为：
a(a − 1) + b(b − 1)
EX = (a + b)EXi =
a+b−1

例题 10 (HRT-Algo Dev-第一轮电面) 我扔 10 个硬币，你扔 9 个硬币，问我得到

的 head 数量比你多的概率

显然，A1 = {我的 head 比你多} 和 A2 = {我的 tail 比你多} 这两件事必发生一

件，且两件事概率相等，同时两件事互补，即当我的 heads 比你多时，我的 tail 一定
小于等于你，反之亦然，因此有：
1
P (A1 ) = P (A2 ) =
2
由以上思路也可以看出，硬币的数量实际上没有影响，因此对任意的正整数 n，在我
有 n + 1 个硬币你有 n 个硬币时都会得出相同的结果。

6
例题 11 (HRT) 两张红色和两张黑色卡片，随机排序，连续的相同颜色为一个序
列，问序列数的期望。如果是 n 张红色和 n 张黑色，期望是多少？

记 Xi = 1 [第i张牌与第i + 1张牌颜色相同]，则总序列数可以表示为：

X
2n−1
X= Xi
i=1

根据期望的线性性，有：
X
2n−1
EX = EXi
i=1

由于两张牌是否构成序列仅与这两张牌有关而与其他牌无关，因此有：



2 n
n−1
E[Xi ] = 2n
=
1 2

2
2n − 1

因此得到总序列数的期望为：

EX = (2n − 1)EXi = n − 1

例题 12 (HRT) You have 100 noodles in your soup bowl. Being blindfolded, you
are told to take two ends of some noodles (each end of any noodle has the same
probability of being chosen) in your bowl and connect them. You continue until
there are no free ends. The number of loops formed by the noodles this way is
stochastic. Calculate the expected number of circles.

假设有 n 根面条，取两个面条端点进行连接时有两种情况：
4( n
2) 2n−2
1. 两个端点分属于两根不同的面条：这种情况的概率为 p1 = = ，在这
(2n
2 )
2n−1

种情况下，面条总数会减少 1，而环的数量不变；

2. 两个端点属于同一根面条，这种情况的概率为 p2 = 1 − p1 = 1
2n−1
，在这种情况
下，面条总数会减少 1，而环的数量会增加 1。

记 f (n) 为有 n 根面条时的最终成环的期望数，则有如下递推关系：
1
f (n) = p1 f (n − 1) + p2 (1 + f (n − 1)) = f (n − 1) +
2n − 1
其边界条件为 f (1) = 1，容易得到：
X
n
1
f (n) =
k=1
2k − 1

7
例题 13 (HRT) 假设街上人的身高 iid uniform, 问 in expectation 需要见多少个人
才会遇到一个比第一个人高的人

解法 1：积分法
记 Xi 为第 i 个人的身高，N 为停止时观察的人的数量，设身高服从 U[0, h]，那
么有 N 的分布如下：
Z h Z x1 Z x1 Z h
P (N = n) = f (x1 ) f (x2 ) · · · f (xn−1 ) f (xn )dxn dxn−1 · · · dx2 dx1
0 0 0 x1
Z h
= f (x)[F (x)]n−2 (1 − F (x))dx
0
Z 1
= un−2 (1 − u)du
0
1
=
n(n − 1)

因此得到期望为：
X
∞ X
∞
1
EN = nP (N = n) = →∞
k=2 k=2
n−1

解法 2：顺序统计量
N = n 等价于第 1 次抽样为前 n − 1 次抽样中的最大值且第 n 次抽样的结果大于这
一最大值，利用均匀分布顺序统计量的结论有：
Z h Z h
(n − 2)!
P (N = n) = (n − 1)f (x)[F (x)]n−1 dydx
0 (n − 1)! x
Z h
= f (x)[F (x)]n−2 (1 − F (x))dx
0
Z 1
= un−2 (1 − u)du
0
1
=
n(n − 1)

计算期望与方法 1 相同。
解法 3：排列组合
N = n 等价于在前 n 次抽样中，第 1 次抽样为前 n 次抽样中的第二大值，且第 n 次
抽样的结果为最大值，那么考虑其他元素的排列组合，有：
(n − 2)! 1
P (N = n) = =
n! n(n − 1)

计算期望与方法 1 相同。

8
例题 14 (HRT) X, Y 都是高斯随机变量，服从正态分布，(iid standard normal) 求
P (Y > 3X)
Followup: 求 P (Y > 3X|X > 0) 和 P (Y > 3X|Y > 0)

由于 X, Y 服从 iid 标准正态分布，他们也服从联合正态分布，从而有：

X ∼ N (0, 1), Y ∼ N (0, 1)3X − Y ∼ N (0, 10)

从而可以计算得：

P (Y > 3X) = P (3X − Y < 0)

3X − Y
= P( √ < 0)
10
1
= Φ(0) =
2
Followup：由于条件概率不好考虑，我们可以先考虑两事件交的概率：
Z +∞ Z +∞
1 y2 1 x2
P (Y > 3X, X > 0) = √ e− 2 dy · √ e− 2 dx
0 3x 2π 2π
Z +∞ Z +∞
1 x2 +v 2
= e− 2 dydx
2π 0 3x
Z +∞ Z π2
1 r2
= e− 2 · rdrdθ 其中 · θ1 = arctan 3
2π 0 θ1

1 π  Z +∞ r2  r2 
= − θ1 e− 2 d
2π 2 0 2

1 π   r2
 +∞
= − θ1 · −e− 2
2π 2 0
1 1
= − arctan 3
4 2π

因此可以求得：
P (Y > 3X, X > 0) 1 1
P (Y > 3X|X > 0) = = − arctan 3
P (X > 0) 2 π
对于第二个概率，我们可以先考虑：
Z +∞ Z 3x
1 y2 1 x2
P (0 < Y ≤ 3X) = √ e− 2 dy · √ e− 2 dx
0 0 2π 2π
Z +∞ Z 3x
1 x2 +y 2
= e− 2 dydx
2π 0 0
Z +∞ Z θ1
1 r2
= e− 2 rdrdθ
2π 0 0
Z +∞  2
1 r2 r
= θ1 e− 2 d
2π 0 2
1
= arctan 3
2π
基于这一概率，可以按照以下方法计算目标条件概率：
1
P (Y > 3X|Y > 0) = 1 − P (Y ≤ 3X|Y > 0) = 1 − arctan 3
π

9
例题 15 (HRT) 一个箱子里有 100 美元，有 50% 概率有炸弹，会在 100 天内爆炸，
爆炸概率分布是离散均匀分布。有个人在 n 天买这个箱子，定价应该多少？
Followup: 那个人 10% 概率知道里面有没有炸弹。定价应该多少？

记直到第 n 天箱子均未爆炸的事件为 Nn ，箱子中有炸弹的事件为 B，则有炸

弹的条件概率可通过贝叶斯定理计算为：
P (Nn |B)P (B)
P (B|Nn ) =
P (Nn |B)P (B) + P (Nn |B̄)P (B̄)
100−n
×1
= 100−n 100 1 2 1
100
× 2 +1× 2
100 − n
=
200 − n
因此定价应为：
10000
Price = 0 × P (B|Nn ) + 100 × (1 − P (B|Nn )) =
200 − n
Follow-up：若买家知道有无炸弹，则买家此时收益为 100，因为他只会在没有炸弹
的时候才买。若买家不知道有没有炸弹，则收益和上一问一样，所以此时定价应为
10000 11000 − 10n
Price = 100 × 10% + × 90% =
200 − n 200 − n
这与经典的做市商数学模型类似：对于有信息的对手方，应该设置更大的 bid-ask
spread，而对于没有信息的对手方，应设置较小的 bid-ask spread，最终的选择应为
二者的加权平均，权重为市场上两种对手方的比例。

例题 16 (HRT) 在圆弧上走 1 步就会有一条弦，n 步后回到出发点，有 n 条弦首

尾相连，求弦在圆内部交点的期望个数，在边界上的交点不计算在内。

n n(n−1)
n 条弦可以构成 2
= 2
对弦，这其中有 n 对是相连的，因此其在圆内无
n(n−3)
交点，考虑其他的 2
对弦，每对都有以下三种等概率的情况：

因此任一一对不相连的弦相交的概率均为 13 ，记 Xi = 1 [第i对弦相交]，则有 EXi = 13 ，

从而得到期望交点数为：
n(n−3)
2X n(n − 3)
EX = E[Xi ] =
i=1
6

10
例题 17 (HRT) 一直生成 (0,1) 上 iid 的随机数, 直到新的数比上一个数小就停, 问
生成数字个数的期望。

解法一：积分解法
设 F (x) = P (0 ≤ X ≤ x), F ′ (x) = f (x)，根据
Z 1 Z x1 Z xn−2 Z 1
P (N = n) = f (x1 )dx1 f (x2 )dx2 ... f (xn−1 )dxn−1 f (xn )dxn
0 0 0 xn−1
Z 1 Z x1 Z xn−2
= f (x1 )dx1 f (x2 )dx2 .... (F (1) − F (xn−1 ))f (xn−1 )dxn−1
0 0 0

= ...
Z 1
1 1
= [ F n−2 (x1 ) − F n−1 (x1 )]f (x1 )dx1
0 (n − 2)! (n − 1)!
1 1 n
=[ F n−1 (x1 ) − F (x1 )]10
(n − 1)! (n)!
n−1
=
n!
本题将 xi 替换为 1 − xi 同理，所以本题随机变量的概率分布为：
n−1
P (N = n) =
n!
求期望得：
X
∞ X
∞
1
E= nP (N = n) = =e
n=2 n=2
(n − 2)!
解法二：顺序统计量
记在 n 次仍未停止的概率为 pn ，则在第 n + 1 次未停止的概率为：

pn+1 = pn P (Xn+1 > Xn |n次未停止)

n 次未停止要求这 n 次的抽样结果按照升序排列，因此 Xn 实际上是其中的最大值，

根据顺序统计量结论知其 pdf 为：

f(n) (x) = n[F (x)]n−1 f (x) = nxn−1

因此有：
Z 1 Z 1
1
P (Xn+1 ≥ Xn |n次未停止) = f(n) (x)f (y)dydx =
0 x n+1
代入上式，并考虑 p1 = 1，可得：
pn 1
pn+1 = =
n+1 (n + 1)!
而第 n 次停止的概率 qn 可以表示为：
n−1
qn = pn−1 P (Xn < Xn−1 |n − 1次未停止) =
n!
进而可以求得期望为：
X
∞
E= nqn = e
n=2

11
例题 18 (HRT) 52 cards. What is the expected number of cards you need to draw
before seeing the first Ace？

情况 1：有放回
此时抽取一张后放回并洗混，与没有抽之前的情况相同，因此期望抽取牌数有以
下关系：
1 12
EX = 1 + (1 + EX)
13 13
求解得到 EX = 13
情况 2：不放回
有 4 张 Ace 和 48 张其他牌，令 Xi = 1 [第i张牌在四张 Ace 前被翻出]。一张其
他牌相对于四张 Ace 有 5 种可能位置，如以下的 * 所示：

∗ A1 ∗ A2 ∗ A3 ∗ A4 ∗

这五个位置的概率是相等的，因此有 E[Xi ] = 51 ，由此的到总翻牌数的期望为：

m
Extension：对于 m 张普通牌和 n 张特殊牌，答案为 1 + n+1
.

例题 19 (HRT-Algo Dev Intern-第二轮电面) A stick is cut twice randomly (each

cut point follows a uniform distribution on the stick), what is the probability that
the 3 segments can form a triangle?

解法一：线性规划
假设 stick 长度为 1，三段长度分别为 a,b,1-a-b。a,b 满足 0<a<1,0<b<1,a+b<1，
所以应当满足： 

 a+b >1−a−b


a + (1 − a − b) >b



b + (1 − a − b) >a
得到： 

 a + b > 1/2


b < 1/2



a < 1/2

12
 1
如上图所示，概率为红色区域与大三角形的面积比面积比，即 4
解法二：几何关系
在等边三角形中，任意一点 P 向三条边引的垂线长度和为等边三角形的高。小
三角形的三个顶点分别是大三角形的边的中点。只有 P 点在小三角形中，三条边才
1
能组成三角形。概率为红色区域与大三角形的面积比，即 4

例题 20 (HRT 电面-数学) Xi i.i.d. U[0,1]. You get them one by one. Ask about
the expected number of Xi to see so that you get an Xi that is not the smallest
among the first i random variables

解法 1：积分法
首先通过积分求得抽样次数的分布：
Z 1 Z x1 Z xn−2 Z 1
P (N = n) = f (x1 )dx1 f (x2 )dx2 · f (xn−1 )dxn−1 f (xn )dxn
0 0 0 xn−1
Z 1 Z x1 Z xn−2
= f (x1 )dx1 f (x2 )dx2 · (F (1) − F (xn−1 ))f (xn−1 )dxn−1
0 0 0

=·
Z 1
1 1
= [ F n−2 (x1 ) − F n−1 (x1 )]f (x1 )dx1
0 (n − 2)! (n − 1)!
1 1 n
=[ F n−1 (x1 ) − F (x1 )]10
(n − 1)! (n)!
n−1
=
n!
因此期望次数为：
X∞ X∞
1
EN = nP (N = n) = =e
n=2 n=2
(n − 2)!
解法 2：顺序统计量
记在 n 次仍未停止的概率为 pn ，则在第 n + 1 次未停止的概率为：

pn+1 = pn P (Xn+1 ≤ min(X1 , · · · , Xn )|n次未停止)

n 次未停止要求这 n 次的抽样结果按照降序排列，因此 Xn 实际上是其中的最小值，

即有：

P (Xn+1 ≤ min(X1 , · · · , Xn )|n次未停止) = P (Xn+1 ≤ Xn |n次未停止)

13
根据顺序统计量结论知其 pdf 为：

f(n) (x) = n[1 − F (x)]n−1 f (x) = n(1 − x)n−1

因此有：
Z 1 Z x
1
P (Xn+1 ≤ Xn |n次未停止) = f(n) (x)f (y)dydx =
0 0 n+1

代入上式，并考虑 p1 = 1，可得：
pn 1
pn+1 = =
n+1 (n + 1)!

而第 n 次停止的概率 qn 可以表示为：
n−1
qn = pn−1 P (Xn > Xn−1 |n − 1次未停止) =
n!
进而可以求得期望为：
X
∞
E= nqn = e
n=2

14