1 votos

Ayuda en la demostración probabilística del teorema de Caro-Wei

Mientras estudio el teorema de Turan, me gustaría preguntar sobre algunas partes de esta demostración. Soy débil en probabilidad, así que a menos que me extienda y abra todo y lo formalice, no sería capaz de entenderlo. He revisado algunos posts en MSE también pero o bien preguntaban cosas diferentes o simplemente no pude entenderlos.

Quiero saber por qué cada gráfico $G$ de $n$ vértices tiene una camarilla de tamaño $\geq \sum_{v\in V(G)}\frac{1}{n-d(v)}$ . Esto es lo que he entendido hasta ahora:

En algunas notas que he comprobado, empiezan considerando una permutación aleatoria $p$ en $V=V(G)$ y consideremos el conjunto $Q_p$ que es el conjunto de vértices adyacentes a todos los vértices situados a su izquierda en $p$ . Ya veo por qué es una camarilla. A continuación, consideremos la variable aleatoria $X=|Q_p|$ . He aquí mi confusión: (Pregunta 1) ¿Significa esto que el espacio muestral es $S=\{Q_p\mid p \text{ is an permutation of }V\}$ o simplemente $S=\{p\mid p \text{ is a permutation of }V\}$ ?

A partir de esa definición de $X$ Pensé que sólo podía referirse al primer espacio de muestra, pero ahora supongo que se trata del segundo. Eso significa que la variable aleatoria $X$ asigna cualquier $p$ a $|Q_p|$ ¿tengo razón?

Y así, si $v$ es un vértice cualquiera, consideremos la variable aleatoria $X_v$ definida de forma que $X_v(p)=1$ si $v\in Q_p$ y $0$ de lo contrario. Entonces, $X=\sum_{v\in V(G)}X_v$ . (Pregunta 2: Si utilizo la primera $S$ y luego definir $X_v(Q_p)$ de la misma manera, entonces esta suma sigue siendo válida (sea útil o no), ¿verdad?).

A partir de aquí, simplemente necesito utilizar la linealidad de la expectativa, pero necesito la cantidad $E[X_v]=P(X_v=1)$ . Para conseguirlo, intento contarlo todo, lo que es

$$P(X_v=1)=P(\{p\mid X_v(p)=1\})=\frac{|\{p\mid X_v(p)=1\}|}{n!}.$$

El numerador es igual al número de $p$ tal que $v\in Q_p$ o eqv tal que $v$ aparece antes que cualquiera de sus no vecinos (hay $n-d(v)-1$ de ellos sin $v$ mismo). Para contar esto, primero ponemos $v$ y todos los no vecinos de $v$ en el $n$ cajas (realizado en $\binom{n}{n-d(v)}$ formas), permutarlas excepto $v$ ya que tiene que aparecer en primer lugar (hecho en $(n-d(v)-1)!$ formas), y permutar el resto en $d(v)!$ maneras. Así,

$$P(X_v=1)=\frac{\binom{n}{n-d(v)}(n-d(v)-1)!d(v)!}{n!}=\frac{\frac{1}{(n-d(v))!}(n-d(v)-1)!}{1}=\frac{1}{n-d(v)}.$$

Y hemos terminado. ¿Es esto correcto? Si utilizo en su lugar el primer espacio muestral, ¿se puede obtener también este resultado? Tengo problemas para contar $Q_p$ si utilizo la primera $S$ .

Por último, sin contar todo, ¿hay alguna otra forma de obtener el $\frac{1}{n-d(v)}$ ¿Más rápido? Gracias.

EDIT: El resto se deduce del método del primer momento.

2voto

Misha Puntos 1723

El espacio muestral correcto es, de hecho, el conjunto de todas las permutaciones de $V$ . Por eso la solución empieza "considere una permutación aleatoria de $V$ ". Si la solución se escribiera con un poco más de cuidado, comenzaría "considere una permutación uniformemente aleatoria de $V$ ", que le indica que está realizando un muestreo uniforme del conjunto de todas las permutaciones.

Utilizando un $Q_p$ te mete en problemas. Si su espacio muestral es "subconjuntos $Q_p$ de $V$ ", entonces no estás muestreando uniformemente. Entonces, ¿cómo estás muestreando? No se sabe. Entonces no puedes calcular ninguna probabilidad.

En cuanto a la forma rápida de ver que $\Pr[X_v = 1] = \frac1{n - d(v)}$ , dejemos que $S \subseteq V$ consisten en $v$ junto con todos los vértices no junto a $v$ . Tenemos $X_v = 1$ si $v$ es el vértice más a la izquierda de $S$ en la permutación (no importa dónde estén los vértices de $V-S$ ir).

Una permutación aleatoria uniforme de $V$ induce una permutación aleatoria uniforme de $S$ . La probabilidad de que $v$ es el primer vértice de esta permutación aleatoria uniforme de $S$ es $\frac1{|S|}$ por simetría: cualquiera de los $|S|$ vértices en $S$ tiene las mismas probabilidades de ser el primero. Así que $\Pr[X_v = 1] = \frac1{|S|} = \frac1{n-d(v)}$ .

1voto

justartem Puntos 13

Me gusta pensar en el teorema de Caro Wei como el resultado esperado del algoritmo codicioso para obtener un conjunto independiente.

Se empieza con un conjunto vacío y se considera cada vértice una vez en un orden específico; si no hay vecinos del vértice en el conjunto, se inserta el vértice; si no, no.

Si el orden en que se procesan los vértices es aleatorio, entonces el vértice $v$ estará dentro del conjunto con probabilidad de al menos $\frac{1}{d(v)+1}$ (porque si $v$ es el primer elemento entre los $d(v)+1$ vértices formados por sí mismo y su $d(v)$ vecinos entonces $v$ se insertará definitivamente). La linealidad de la expectativa produce el límite deseado para el valor esperado del conjunto final.

Esta forma de verlo también muestra vías claras que podrían seguirse para mejorar los resultados.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X