GM 有 n ( 1 ≤ n ≤ 2 ∗ 1 0 5 ) n(1≤n≤2*10^5) n(1≤n≤2∗105) 面镜子，他每天问其中一面镜子“GM 帅不帅”， i i i 号镜子有 p i % ( 1 ≤ p i ≤ 100 ) p_i\%(1≤pi≤100) pi%(1≤pi≤100) 的概率回答帅。
第一天，GM 会从 1 1 1 号镜子开始问起。如果某天 GM 问了 i ( i ≠ n ) i(i≠n) i(i=n)号镜子，并且镜子回答帅，那么第二天 GM 会问 i + 1 i+1 i+1 号镜子。如果某天 GM 问了 n n n 号镜子，并且镜子回答帅，那么 GM 就觉得很满意，并且以后不会再问镜子了。如果某天镜子没有回答帅，那么第二天 GM 会重新从 1 1 1 号镜子开始问。
求到 GM 满意为止，问镜子的期望天数。
第一行输入一个整数 n ( 1 ≤ n ≤ 2 ∗ 1 0 5 ) n(1 \leq n \leq 2 * 10^5) n(1≤n≤2∗105)，表示镜子的个数。
第二行输入 n n n 个整数 p 1 , p 2 , . . . , p n ( 1 ≤ p i ≤ 100 ) p_1,p_2,...,p_n(1 \leq p_i \leq 100) p1,p2,...,pn(1≤pi≤100)。
输出一个整数，为答案模 998244353 998244353 998244353 的结果。
在第一个样例，只有一个镜子，并且它有 1 2 1 \over 2 21 的概率告诉GM 她很漂亮。所以，让 GM 开心到极点的期望天数是 2 2 2 天。
令 d p [ i ] dp[i] dp[i] 为到了第 i i i 个镜子，并且 GM 满意的期望天数。 如果你学过期望，就不难推出 d p [ i ] = 1 × ( d p [ i − 1 ] + 1 ) × p i 100 + 2 × ( d p [ i − 1 ] + 1 ) × p i 100 × ( 1 − p i 100 ) + k × ( d p [ i − 1 ] + 1 ) × p i 100 × ( 1 − p i 100 ) k − 1 . . . dp[i]= 1\times (dp[i - 1] + 1) \times {p_i \over 100} + 2 \times (dp[i - 1] + 1) \times {p_i \over 100} \times (1 - {p_i \over 100} ) + k \times (dp[i - 1] + 1) \times {p_i \over 100} \times (1 - {p_i \over 100} ) ^ {k - 1}... dp[i]=1×(dp[i−1]+1)×100pi+2×(dp[i−1]+1)×100pi×(1−100pi)+k×(dp[i−1]+1)×100pi×(1−100pi)k−1... = ∑ k × ( d p [ i − 1 ] + 1 ) × p i 100 × ( 1 − p i 100 ) k − 1 ( k = 1 , 2 , 3... ) \ \ \ \ \ \ \ \ \ =\sum k \times (dp[i - 1] + 1) \times {p_i \over 100} \times (1 - {p_i \over 100} ) ^ {k - 1}(k=1,2,3...) =∑k×(dp[i−1]+1)×100pi×(1−100pi)k−1(k=1,2,3...) = ( d p [ i − 1 ] + 1 ) × p i 100 × ∑ j = 1 ∞ ∑ k = j ∞ ( 1 − p i 100 ) k − 1 \ \ \ \ \ \ \ \ \ =(dp[i - 1] + 1) \times {p_i \over 100} \times \sum \limits_{j = 1} ^{\infty} \sum \limits_{k = j} ^{\infty}(1 - {p_i\over100})^{k - 1} =(dp[i−1]+1)×100pi×j=1∑∞k=j∑∞(1−100pi)k−1 突然发现，后面那一堆就是等比数列求和。于是那一堆 = ∑ j = 1 ∞ 100 p i ( 1 − p i 100 ) j − 1 =\sum \limits_{j = 1} ^{\infty}{100 \over p_i}(1 - {p_i\over100})^{j - 1}\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ =j=1∑∞pi100(1−100pi)j−1 = 100 p i × ∑ j = 1 ∞ ( 1 − p i 100 ) j − 1 ={100 \over p_i}\times\sum \limits_{j = 1} ^{\infty}(1 - {p_i\over100})^{j - 1}\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ =pi100×j=1∑∞(1−100pi)j−1 = ( 100 p i ) 2 =({100 \over p_i})^2\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ =(pi100)2 代入原式，于是 d p [ i ] = ( d p [ i − 1 ] + 1 ) × 100 p i dp[i]=(dp[i - 1] + 1) \times {100 \over p_i}\ \ \ \ \ \ \ \ \ \ \ dp[i]=(dp[i−1]+1)×pi100 这里需要除法取模，要用到乘法逆元，我用的是费马小定理。
