#40188. [NOI 2019] 斗主地
[NOI 2019] 斗主地
暂无测试数据。
小 $S$ 在和小 $F$ 玩一个叫“斗地主”的游戏。
可怜的小 $S$ 发现自己打牌并打不过小 $F$ ,所以他想要在洗牌环节动动手脚。
一副牌一共有 $n$ 张牌,从上到下依次标号为 $1 \sim n$ 。标号为 $i$ 的牌分数是 $f(i)$ 。在本题,$f(i)$ 有且仅有两种可能:$f(i) = i$ 或 $f(i) = i^2$ 。
洗牌的方式和我们日常生活中的比较类似,以下我们用形式化的语言来定义:
洗牌环节一共分 $m$ 轮,这 $m$ 轮洗牌依次进行。第 $i$ 轮洗牌时:
小 $S$ 会拿出从最上面往下数的前 $A_i$ 张牌。这样这副牌就被分成了两堆:第一堆是最上面的 $A_i$ 张牌,第二堆是剩下的 $n-A_i$ 张牌,且这两堆牌内相对顺序不变。 特别地,当 $A_i = n$ 或 $A_i = 0$ 时,有一堆牌是空的。
接下来对两堆牌进行合并,从而产生新的第三堆牌。当第一堆牌还剩下 $X$ 张,第二堆牌还剩下 $Y$ 张的时候,以 $\frac{X}{X+Y}$ 的概率取出第一堆牌的最下面的牌,并将它放入新的第三堆牌的最上面, $\frac{Y}{X+Y}$ 的概率取出第二堆牌的最下面的牌,并将它放 入新的第三堆牌的最上面。
重复操作 $2$ ,一直取到两堆牌都为空为止。这样我们就完成了一轮洗牌。
因为洗牌过程是随机的,所以小 $S$ 发现自己没法知道某个位置上具体是哪张牌。但小 $S$ 想问你在经历了这 $m$ 轮洗牌后,某个位置上的牌的期望分数是多少。小 $S$ 一共会问你 $Q$ 个这样的问题。
输入格式
输入的第一行包含三个正整数 $n, m, type$ ,分别表示牌的数量,洗牌的轮数与 $f(i)$ 的类型。当 $type = 1$ 时,$f(i) = i$ 。当 $type = 2$ 时,$f(i) = i^2$ 。
接下来一行,一共 $m$ 个整数,表示 $A_1 \sim A_m$。
接下来一行一个正整数 $Q$,表示小 $S$ 的询问个数。
接下来 $Q$ 行,每行一个正整数 $c_i$ ,表示小 $S$ 想要知道从上往下第 $c_i$ 个位置上的牌的期望分数。
保证 $1 \leq c_i \leq n$ 。
输出格式
输出一共 $Q$ 行,每行一个整数,表示答案在模 $998244353$ 意义下的取值。
即设答案化为最简分式后的形式为 $\frac{a}{b}$ ,其中 $a$ 和 $b$ 互质。输出整数 $x$ 使得 $bx \equiv a (\mod 998244353)$ 且 $0 \leq x < 998244353$ 。可以证明这样的整数 $x$ 是唯一的。
数据范围
对于所有测试点: $3 \leq n \leq 10 ^ 7, 1 \leq m, Q \leq 5 \times 10 ^ 5, 0 \leq A_i \leq n, type \in \{1, 2\}$ 。
每个测试点的具体限制见下表
测试点编号 | $n$ | $m$ | $type =$ | 其他性质 |
---|---|---|---|---|
$1$ | $\leq 10$ | $\leq 1$ | $1$ | 无 |
$2$ | $\leq 80$ | $\leq 80$ | $1$ | 无 |
$3$ | $\leq 80$ | $\leq 80$ | $2$ | 无 |
$4$ | $\leq 100$ | $\leq 5 \times 10 ^ 5$ | $2$ | 所有 $A_i$ 均相同 |
$5$ | $\leq 10 ^ 7$ | $\leq 5 \times 10 ^ 5$ | $1$ | 无 |
$6$ | $\leq 10 ^ 7$ | $\leq 5 \times 10 ^ 5$ | $1$ | 无 |
$7$ | $\leq 10 ^ 7$ | $\leq 5 \times 10 ^ 5$ | $1$ | 无 |
$8$ | $\leq 10 ^ 7$ | $\leq 5 \times 10 ^ 5$ | $2$ | 无 |
$9$ | $\leq 10 ^ 7$ | $\leq 5 \times 10 ^ 5$ | $2$ | 无 |
$10$ | $\leq 10 ^ 7$ | $\leq 5 \times 10 ^ 5$ | $2$ | 无 |
请注意我们并没有保证 $Q \leq n$。
这里我们给出离散型随机变量 $X$ 的期望$E[X]$的定义:
设离散随机变量 $X$ 的可能值是 $X_1, X_2, \cdots , X_k$,$Pr[X_1], Pr[X_2], \cdots , Pr[X_k]$ 为 $X$ 取对应值的概率。则 $X$ 的期望为
$E[x] = \Sigma_{i = 1}^k X_iPr[X_i]$
4 1 1
3
1
1
249561090