Случайные графы — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Новая страница: «{{Определение |neat = 1 |definition= '''Биномиальная модель случайного графа''' (англ. ''binomial random graph mo…»)
 
Строка 1: Строка 1:
 +
 
{{Определение  
 
{{Определение  
 
|neat = 1
 
|neat = 1
Строка 8: Строка 9:
 
}}
 
}}
 
{{Определение
 
{{Определение
|definition= Свойство <tex>A</tex> ассимптотически почти наверное истинно, если <tex>\lim\limits_{n \rightarrow \infty} p(n) = 1</tex>
+
|definition= Свойство <tex>A</tex> '''ассимптотически почти наверное истинно''', если <tex>\lim\limits_{n \rightarrow \infty} p(n) = 1</tex>
 
}}
 
}}
 
{{Определение
 
{{Определение
|definition= Свойство <tex>A</tex> ассимптотически почти наверное ложно, если <tex>\lim\limits_{n \rightarrow \infty} p(n) = 0</tex>
+
|definition= Свойство <tex>A</tex> '''ассимптотически почти наверное ложно''', если <tex>\lim\limits_{n \rightarrow \infty} p(n) = 0</tex>
 
}}
 
}}
  
Строка 45: Строка 46:
 
<tex>P(T = 0) \leqslant \dfrac{\dfrac{n^3p^3}{6}}{\dfrac{n^6p^6}{36}} = \dfrac{6}{p^3n^3} \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>
 
<tex>P(T = 0) \leqslant \dfrac{\dfrac{n^3p^3}{6}}{\dfrac{n^6p^6}{36}} = \dfrac{6}{p^3n^3} \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>
 
}}
 
}}
 +
 +
== Теоремы о связи вероятности и матожидания ==
 +
{{Теорема
 +
|id=th1
 +
|statement= Пусть <tex>Z_n</tex> {{---}} число объектов в графе <tex>G(n, p)</tex>. <tex>A = \{G | Z_n(G) > 0 \}</tex> {{---}} свойство. Тогда, если <tex>EZ_n \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>, то <tex>A</tex> а.п.н ложно.
 +
|proof=
 +
Воспользуемся [[Неравенство Маркова | неравенством Маркова]]:
 +
 +
<tex>P(Z_n > 0) = P(Z_n \geqslant 1) \leqslant EZ \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>.
 +
}}
 +
 +
{{Теорема
 +
|id=th2
 +
|statement= Пусть <tex>Z_n</tex> {{---}} число объектов в графе <tex>G(n, p)</tex>. <tex>A = \{G | Z_n(G) > 0 \}</tex> {{---}} свойство. Тогда, если <tex>EZ_n \rightarrow \infty</tex>, при <tex>n \rightarrow \infty</tex>, и <tex>EZ^2 = (EZ)^2(1 + o(1))</tex> то <tex>A</tex> а.п.н истинно.
 +
|proof=
 +
Воспользуемся [[Неравенство Маркова#thCheb | неравенством Чебышева]]:
 +
 +
<tex>P(Z_n = 0) = P(Z_n \leqslant 0) = P(EZ_n - Z_n \geqslant EZ_n) \leqslant P(|EZ_n - Z_n| \geqslant EZ_n) \leqslant \dfrac{DZ_n}{(EZ_n)^2} \rightarrow 0</tex>, при <tex>n \rightarrow \infty</tex>.
 +
}}
 +
 +
== См. также ==
 +
* [[Дискретная случайная величина]]
 +
* [[Дисперсия случайной величины]]
 +
* [[Математическое ожидание случайной величины]]

Версия 12:45, 30 ноября 2019


Определение:
Биномиальная модель случайного графа (англ. binomial random graph model) [math]G(n, p)[/math] — модель, в которой каждое ребро входит в случайный граф независимо от остальных ребер с вероятностью [math]p[/math]. [math]G(n, p) = (\Omega_n, F_n, P_{n, p})[/math] — вероятностное пространство. [math]|\Omega_n| = 2^{C^2_n}[/math], [math]P_{n, p}(G) = p^m(1 - p)^{C^2_n - m}[/math], где [math]m[/math] — число ребер в графе.


Определение:
Равномерная модель случайного графа (англ. uniform random graph model) [math]G(n, m)[/math] — модель, в которой все графы с [math]m[/math] ребрами равновероятны. [math]G(n, m) = (\Omega_n, F_n, P_{n, m})[/math] — вероятностное пространство. [math]|\Omega_n| = m[/math], [math]P_{n, m}(G) = \dfrac{1}{C^m_n}[/math].


Определение:
Свойство [math]A[/math] ассимптотически почти наверное истинно, если [math]\lim\limits_{n \rightarrow \infty} p(n) = 1[/math]


Определение:
Свойство [math]A[/math] ассимптотически почти наверное ложно, если [math]\lim\limits_{n \rightarrow \infty} p(n) = 0[/math]


Существование треугольников в случайном графе

Теорема:
Если [math]p(n) = o(\dfrac{1}{n})[/math], то [math]G(n, p)[/math] а.п.н не содержит треугольников.
Доказательство:
[math]\triangleright[/math]

Пусть [math]T[/math] — число треугольников в графе, [math]T_{i,j,k}[/math] — индикаторная случайная величина, равная [math]1[/math], если вершины [math]i[/math], [math]j[/math] и [math]k[/math] образуют треугольник.

Воспользуемся неравенством Маркова:

[math]P(T \gt 0) = P(T \geqslant 1) \leqslant ET = \sum\limits_{i, j, k}T_{i, j, k}p^3 = C^3_np^3 \sim \dfrac{n^3}{6}p^3 \rightarrow 0[/math], при [math]n \rightarrow \infty[/math].
[math]\triangleleft[/math]
Теорема:
Если [math]p(n) = \omega(\dfrac{1}{n})[/math], то [math]G(n, p)[/math] а.п.н содержит треугольник.
Доказательство:
[math]\triangleright[/math]

Пусть [math]T[/math] — число треугольников в графе, [math]T_{i,j,k}[/math] — индикаторная случайная величина, равная [math]1[/math], если вершины [math]i[/math], [math]j[/math] и [math]k[/math] образуют треугольник.

Воспользуемся неравенством Чебышева:

[math]P(T = 0) = P(T \leqslant 0) = P(ET - T \geqslant ET) \leqslant P(|ET - T| \geqslant ET) \leqslant \dfrac{DT}{(ET)^2}[/math].

Найдем [math]ET^2[/math]:


[math]ET^2 = E(\sum\limits_{i, j, k}T_{i, j, k})^2= E(\sum\limits_{i, j, k}(T_{i, j, k})^2) + E(\sum\limits_{i, j, k, a, b, c}T_{i, j, k}T_{a, b, c}) =[/math]

[math]= ET + (C^3_nC^3_{n - 3} + C^3_nC^2_{n - 3})p^6 + 3C^3_n(n - 3)p^5 \sim \dfrac{n^3p^3}{6} + (\dfrac{n^6}{36} + \dfrac{n^5}{4})p^6 + \dfrac{n^4}{2}p^5 \sim \dfrac{n^3p^3}{6} + \dfrac{n^6p^6}{36} + \dfrac{n^4p^5}{2} \sim \dfrac{n^3p^3}{6} + \dfrac{n^6p^6}{36}[/math]

[math]DT = ET^2 - (ET)^2 \sim \dfrac{n^3p^3}{6} + \dfrac{n^6p^6}{36} - \dfrac{n^6p^6}{36} = \dfrac{n^3p^3}{6}[/math]

[math]P(T = 0) \leqslant \dfrac{\dfrac{n^3p^3}{6}}{\dfrac{n^6p^6}{36}} = \dfrac{6}{p^3n^3} \rightarrow 0[/math], при [math]n \rightarrow \infty[/math]
[math]\triangleleft[/math]

Теоремы о связи вероятности и матожидания

Теорема:
Пусть [math]Z_n[/math] — число объектов в графе [math]G(n, p)[/math]. [math]A = \{G | Z_n(G) \gt 0 \}[/math] — свойство. Тогда, если [math]EZ_n \rightarrow 0[/math], при [math]n \rightarrow \infty[/math], то [math]A[/math] а.п.н ложно.
Доказательство:
[math]\triangleright[/math]

Воспользуемся неравенством Маркова:

[math]P(Z_n \gt 0) = P(Z_n \geqslant 1) \leqslant EZ \rightarrow 0[/math], при [math]n \rightarrow \infty[/math].
[math]\triangleleft[/math]
Теорема:
Пусть [math]Z_n[/math] — число объектов в графе [math]G(n, p)[/math]. [math]A = \{G | Z_n(G) \gt 0 \}[/math] — свойство. Тогда, если [math]EZ_n \rightarrow \infty[/math], при [math]n \rightarrow \infty[/math], и [math]EZ^2 = (EZ)^2(1 + o(1))[/math] то [math]A[/math] а.п.н истинно.
Доказательство:
[math]\triangleright[/math]

Воспользуемся неравенством Чебышева:

[math]P(Z_n = 0) = P(Z_n \leqslant 0) = P(EZ_n - Z_n \geqslant EZ_n) \leqslant P(|EZ_n - Z_n| \geqslant EZ_n) \leqslant \dfrac{DZ_n}{(EZ_n)^2} \rightarrow 0[/math], при [math]n \rightarrow \infty[/math].
[math]\triangleleft[/math]

См. также