概率题高频题型：期望迭代、停时与对称性
我的掌握程度：
先掌握这个答案
三武器：①期望迭代：E[X]=E[E[X|Y]]——列状态方程（绿皮书题的万能起手式）；②停时：到T为止的期望（ Wald 等式直觉：期望次数×单次期望=总期望）；③对称性：先手后手公平性、两玩家命中率相同→概率各半（零计算秒杀）。四大母题：①连续k次正面（状态机：按当前连击数分状态）；②首次出现某组合（如HT vs HH的期望差异——对称性与状态图的经典对照）；③最大值/次大值问题（对称性+全概率）；④不放回抽取（条件概率链）。考场流程（10分钟）：读题1分钟→识别母题与武器2分钟→列方程/用对称5分钟→数值检验（小case代入）2分钟。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 用可核查证据展示研究与工程能力
准备简历、答辩或从回测转向模拟盘时，优先展示过程、约束和证据。
- 用一页README交代问题、数据来源、运行命令、时间切分、基准、成本和已知限制。
- 把结果对应到文件、版本和实验记录；面试说明自己做了什么、失败在哪里、如何排查。
- 先进行模拟盘和故障演练，验证重复下单防护、持仓对账、告警与恢复，再评估进一步上线条件。
使用边界
- 回测漂亮不等于可实盘；还需要权限、稳定执行、成本与容量验证。
- 薪资、招聘时间和平台门槛会变化，应查当期职位说明；不要把固定数字当行业标准。
背景 · 从一个困惑说起
量化笔试的概率题不是考「会不会概率」，是考三件武器用得顺不顺：期望迭代（把大问题拆成条件小问题）、停时分析（到某条件为止的过程）、对称性（不计算直接看结构）。80%的题是三件武器的组合。
由此产生的问题
三件武器各自的典型题与解题范式？四道最高频的母题（连掷/首次/最值/抽球）怎么一网打尽？考场上的10分钟解题流程？
核心概念
三武器：①期望迭代：E[X]=E[E[X|Y]]——列状态方程（绿皮书题的万能起手式）；②停时：到T为止的期望（ Wald 等式直觉：期望次数×单次期望=总期望）；③对称性：先手后手公平性、两玩家命中率相同→概率各半（零计算秒杀）。四大母题：①连续k次正面（状态机：按当前连击数分状态）；②首次出现某组合（如HT vs HH的期望差异——对称性与状态图的经典对照）；③最大值/次大值问题（对称性+全概率）；④不放回抽取（条件概率链）。考场流程（10分钟）：读题1分钟→识别母题与武器2分钟→列方程/用对称5分钟→数值检验（小case代入）2分钟。
为什么需要它
①模式识别的经济性：面试题80%是母题变体——建好母题反射，考场上「识别」代替「思考」；②数学与直觉的双轨：对称性武器教你不算而思——面试官考的正是在压力下选择优雅路径的能力；③与课程主线的贯通：期望迭代就是q-009正期望的分步版、停时就是策略「持有到信号翻转」的数学骨架——面试题与实盘思维同源。
实际应用场景
训练法：每道错题归入母题库并写「武器组合」标签（如「连掷×期望迭代」）——两周后按标签批量重做变体。
与之前知识的联系
q-909（刷题法）的题型学；q-887（阶段8统计直觉）的兄弟篇（它管ML你管概率）；q-009/201（期望与收益率家族）的面试出口。
⚠ 常见误解
- 概率题靠大量刷新题：变体无限母题有限——按母题精做+变体泛化胜过题海
- 硬算总能算出来：时间压力下硬算是下策——对称性/小case检验常是出题人留的快路（也是筛选点）
- 答案对就行：面试要讲过程——武器选择的理由、方程的每步含义都被在听；哑巴正确只得一半分
🛠 本题实践任务
手解四大母题各一道（连2正/HT vs HH/两人轮流命中率/不放回取红球），每题写出「武器组合」标签；再用模拟验证答案（如本题代码）。
💡 提示（先自己想5分钟再看）
HT vs HH的4 vs 6差异是面试最爱——把「为什么HH更贵」的直觉（攒连击会被反清零）练成一句话。
✅ 验收标准
四题解答+四个武器标签+模拟验证。你的概率题从「临场思考」进入「模式调度」。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（期望与条件期望、绿皮书刷法），再用案例、公式和代码帮助理解。此功能需要先启用服务。