解法
簡単なバージョンで問題を考える. \(i \in N\) 毎に独立に解けるので,\(N=1\) として考える. \(y := A_{0}\) とおく. \(j \in [0,M]\) に対して,
\(y_{j} := \) \([0,j)\) まで終えたときの \(y\) の値の期待値
とする.
遷移を求める. \(x_{j+1}\) は, 確率\(p := \frac{1}{r-l}\) で \(x_{j}\) になり, 確率\*1;
簡単なバージョンで問題を考える. \(i \in N\) 毎に独立に解けるので,\(N=1\) として考える. \(y := A_{0}\) とおく. \(j \in [0,M]\) に対して,
とする.
遷移を求める. \(x_{j+1}\) は, 確率\(p := \frac{1}{r-l}\) で \(x_{j}\) になり, 確率\*1;
*1:q := 1-p\) で \(y_{j}\) のままである. よって遷移は $$ y_{j+1} = q y_{j} + px_{j} $$ となる.
\(a,b \in \mathbb{Z}\) に対して, 写像 \(f: \mathbb{Z} \rightarrow \mathbb{Z},\ x \mapsto ax + b\) の全体 \(F\) を考える. 作用素 \(F\) とモノイド\((\mathbb{Z},\ +)\) に対して 遅延伝搬segtree を使えばよい.
モノイドの演算は使わないので,別の演算でも代用できるかも.
使っている記号,マクロ等 "https://ecsmtlir.hatenablog.com/entry/2022/12/23/131925"