Pasul ultim este destinat evaluǎrii acelei valori a lui m care face aceastǎ− 1probabilitate sǎ treacǎ sub 0,5. Cel mai mare m <strong>pentru</strong> care 2ne ≥ se obtine2din2m ⎛ 1 ⎞− ≥ ln⎜⎟ = − ln 2 (4)2n⎝ 2 ⎠ceea ce este echivalent cum ≤ ( 2ln 2) n ≈ 1, 177 nAstfel linia de jos este aceea cǎ se pot repartiza hash aproximativm = 1, 177 n chei înainte de a obtine o probabilitate de 0,5 <strong>pentru</strong> unicitatea⎣⎦asocierii cheie-pozitie în tabel.De retinut cǎ acest calcul a fost aproximativ; este acum posibil un calcul exact<strong>pentru</strong> a face vizibilǎ eroarea. Se utilizeazǎ, desigur, ecuatia (1). Se calculeazǎ<strong>pentru</strong> câteva valori ale lui n valoarea lui m = m 0 corectǎ, valoare care face caprobabilitatea Pr[A] sǎ treacǎ de 0,5. Tabelul alǎturat prezintǎ valorile exacte sivalorile estimate.n 10 20 50 100 200 365 500 10 3 10 4 10 5 10 61,177n3,7 5,3 8,3 11,8 16,6 22,5 26,3 37,3 118 372 1177m 0 exact 4 5 8 12 16 22 26 37,3 118 372 1177Din tabel se vede cǎ aproximarea este foarte bunǎ chiar <strong>pentru</strong> valori ale lui nmici. Când n este mare diferentele devin neglijabile.De ce 0,5?Problema de hashing enuntatǎ se referǎ la o probabilitate de coliziune de 0,5.Este oare ceva special cu acest 0,5? Rǎspunsul: nu! S-a încercat un calcul(aproximativ) al Pr[A] (probabilitatea lipsei coliziunilor) ca o functie de m siapoi s-a stabilit cea mai mare valoare a lui m <strong>pentru</strong> care estimarea este sub 0,5.Dacǎ interesa o probabilitate a coliziunii de (sǎ spunem) 0,95 (sau 95%) atuncise înlocuia 0,5 cu 0,05 în ecuatia (4). Cu putinǎ prelucrare algebricǎ se ajungela valoarea criticǎ m = ( 2ln 20) n ≈ 2, 45 n . Asadar, indiferent ceprobabilitate de încredere este specificatǎ, valoarea criticǎ va fi totdeaunam = c n , cu c o constantǎ (dependentǎ de nivelul de încredere probabilisticimpus).Zile de nastereIatǎ o problemǎ faimoasǎ, denumitǎ adesea “paradoxul zilelor de nastere” desinu este vorba de nici un paradox. Aveti prieteni si vreti sǎ-i invitati la o2m142
petrecere. Câti trebuie sǎ invitati <strong>pentru</strong> a avea o sansǎ bunǎ (sǎ spunem de celputin 50%) ca doi dintre ei sǎ aibǎ aceeasi zi de nastere? Este exact problemahashing-coliziune, cu n = 365 (numǎrul zilelor unui an – de fapt mai sunt si anibisecti si în plus mai si presupunem cǎ zilele de nastere sunt independente siuniform distribuite pe durata anului ceea ce nu este foarte exact; numǎrul denasteri fluctueazǎ pe durata anului cu unele vârfuri, de pildǎ la nouǎ luni de lasǎrbǎtorile de iarnǎ). Din tabelul de mai devreme, se poate vedea cǎ 23 deinvitati sunt suficienti (de ce?). Dacǎ doriti sǎ mergeti mai la sigur si sǎ aveti oprobabilitate mai înaltǎ, de pildǎ 95%, trebuie sǎ invitati 47 de persoane (a severifica acest numǎr).Aplicatia 2: Echilibrarea încǎrcǎriiUna din cele mai presante probleme de ordin practic în calculul paralel esteaceea a distribuirii încǎrcǎrii între procesoare. Este o problemǎ uriasǎ, încǎnerezolvatǎ în cazul general. Aici este examinat un scenariu extrem de simplucare este fundamental si stabileste o linie de bazǎ fatǎ de care pot fi judecatemetodele mai sofisticate.Sǎ presupunem cǎ avem m joburi identice si n procesoare identice. Sarcinanoastrǎ este a atribui joburile pe procesoare astfel încât nici un procesor sǎ nufie foarte încǎrcat. Desigur, existǎ aici o solutie optimǎ: se împart joburile atâtde egal pe cât se poate, astfel încât fiecare procesor sǎ primeascǎ fie ⎡m / n⎤, fie⎣m / n⎦joburi. Cu toate acestea, solutia aceasta reclamǎ foarte mult controlcentralizat si/sau foarte multǎ comunicare: încǎrcarea trebuie echilibratǎ fieprintr-un planificator central foarte puternic care “vorbeste” tuturorprocesoarelor, fie prin schimb intens de mesaje între joburi si procesoare. Acesttip de operatii este foarte costisitor în cele mai multe sisteme de calculdistribuit. Asadar apare întrebarea: ce se poate face cu putin overhead (saudeloc) în costul planificǎrii si al comunicatiei?Prima ideie la îndemânǎ este… mingi si cutii! Adicǎ, fiecare job selecteazǎsimplu un procesor uniform aleator si independent de toate celelalte si merge laacel procesor. (Trebuie sǎ ne asigurǎm cǎ spatiul probabilistic al acestuiexperiment este acelasi cu cel al problemei mingilor si cutiilor.) Aceastǎschemǎ nu cere vreo comunicare. Cu toate acestea, e de prezumat cǎ metoda nuva atinge în general o echilibrarea optimǎ. Fie X încǎrcarea maximǎ a unuiprocesor în schema aleatoare prezentatǎ. Se observǎ usor cǎ X nu este un numǎrfix: valoarea sa depinde de rezultatul experimentului mingi si cutii (este de fapto variabilǎ aleatoare, lucru care-l vom defini în sectiunea urmǎtoare). Astfel, caproiectanti sau utilizatori ai acestei scheme de echilibrare, care ar fi problemanoastrǎ?Întrebare: Care este acea valoare k <strong>pentru</strong> care Pr[X ≥ k] ≤ 0,5.Dacǎ valoarea k este judicios potrivitǎ, atunci vom avea o probabilitate bunǎ (decel putin 1/2) ca încǎrcarea maximǎ pe oricare dintre procesoare sǎ nudepǎseascǎ acel k. Asta dǎ o idee corectǎ asupra performantei sistemului.143
- Page 5 and 6:
C U P R I N SLecţia 1 9Scopul curs
- Page 7:
Probabilitǎti conditionate. Evenim
- Page 11 and 12:
Este foarte important a observa cǎ
- Page 13 and 14:
în al doilea rând se relevǎ posi
- Page 15 and 16:
Propozitia (6) este conjectura lui
- Page 17 and 18:
Demonstratii prin aplicarea de regu
- Page 19 and 20:
Demonstratie: Se va demonstra contr
- Page 21 and 22:
este a presupune opusul, contrarul
- Page 23 and 24:
Lecţia 2Aceastǎ lectie acoperǎ s
- Page 25 and 26:
Asadar, prin principiul inductiei,
- Page 27 and 28:
3. Pentru fiecare set de n + 1 iMac
- Page 29 and 30:
Teorema 2.5: ∀ n∈ N, orice regi
- Page 31 and 32:
Lecţia 3Aceastǎ lectie acoperǎ a
- Page 33 and 34:
• Pasul inductiv: se demonstreaz
- Page 35 and 36:
P(n) este falsǎ. Prin definitie st
- Page 37 and 38:
Teorema 3.6: Pentru orice numǎr na
- Page 39 and 40:
Lecţia 4Aceastǎ lectie completeaz
- Page 41 and 42:
• Cazul de bazǎ: demonstratia pe
- Page 43 and 44:
Teorema 4.3: Pentru orice arbore t,
- Page 45 and 46:
1. Ipoteza inductivǎ aratǎ cǎ pe
- Page 47 and 48:
Lecţia 5Divide-et-impera si merges
- Page 49 and 50:
a obtine o versiune sortatǎ a list
- Page 51:
fiecare nivel? La nivelul rǎdǎcin
- Page 54 and 55:
Pentru orice proprietate P, dacǎP(
- Page 56 and 57:
suficiente). Aceastǎ argumentatie
- Page 58 and 59:
metodele de a reduce dimensiunea ac
- Page 60 and 61:
∧ si ∨ , ceea ce se constatǎ p
- Page 62 and 63:
Jocul MinesweeperRegulile jocului M
- Page 64 and 65:
• Existǎ exact o minǎ rǎmasǎ.
- Page 66 and 67:
Ca exerciţiu, a se încerca demons
- Page 68 and 69:
U(k, n) înseamnǎ cǎ cel mult k d
- Page 70 and 71:
Acum, suma contine n + 1 termeni, a
- Page 72 and 73:
Teorema 8.6: Pentru orice propoziti
- Page 74 and 75:
(a) Graf care aratǎ conectivitatea
- Page 77 and 78:
Lecţia 9Secvenţa de lecţii care
- Page 80 and 81:
• y ≤ x/2. Atunci primul argume
- Page 82 and 83:
Acest algoritm utilizeazǎ faptul c
- Page 84 and 85:
else(d, a, b) := extended-gcd(y, x
- Page 86 and 87:
Teorema 10.1 sugereazǎ un test de
- Page 89 and 90:
Lecţia 11Criptografie si RSACripto
- Page 91 and 92: gǎseascǎ x-ul corect - dar asta i
- Page 93 and 94: (mod pq) este una din solutiile pos
- Page 95 and 96: Alice semneazǎ în esentǎ orice m
- Page 97 and 98: Lecţia 12Grafuri - introducereDefi
- Page 99 and 100: Dacǎ e = (u,v), arcul e se numeste
- Page 101 and 102: Grafuri specialeDefinitia 12.10: Un
- Page 103 and 104: Operatii cu grafuriW 4subgraf al lu
- Page 105 and 106: matricea de adiacentǎ este⎡ 0 0
- Page 107 and 108: dedecabcabEle pot fi aranjate sǎ a
- Page 109 and 110: ababd c dcNumǎrul si dimensiunile
- Page 111 and 112: 3 (a,c) 5d 10 (a,c)4 6a 1 8 2 z0
- Page 113 and 114: Un exemplu: Care este circuitul cel
- Page 115 and 116: Definitia 12.30: Un arbore cu rǎd
- Page 117 and 118: • Se opreste operatia când s-au
- Page 119 and 120: La începutul jocului sunt pe masǎ
- Page 121 and 122: Lecţia 13Introducere în probabili
- Page 123 and 124: 7. Mâini la poker. Amestecarea urm
- Page 125 and 126: Acum se pot atribui probabilitǎti
- Page 127 and 128: o bilǎ? Este usor de calculat: se
- Page 129 and 130: Lecţia 14Probabilitǎti conditiona
- Page 131 and 132: Urmeazǎ acum alte câteva exemple
- Page 133 and 134: Cazul de bazǎ este n = 1 si coresp
- Page 135 and 136: evenimentul care produce la a doua
- Page 137 and 138: Pr[A i ] Pr[A j ] = (1/6) 2 = 1/36
- Page 139 and 140: Lecţia 15Douǎ aplicatii killerIat
- Page 141: A 1 ∩A 2 ] este probabilitatea ca
- Page 145 and 146: Aceasta poate fi interpretatǎ astf
- Page 147 and 148: destul de bunǎ pentru k 0 . În re
- Page 149 and 150: Lecţia 16Variabile aleatoare si me
- Page 151 and 152: adicǎ numǎrul asteptat (media) de
- Page 153 and 154: numǎrul de ori în care ceva anume
- Page 155 and 156: Lecţia 17Câteva distributii impor
- Page 157 and 158: Încercǎm sǎ colectionǎm un set
- Page 159 and 160: care tinde cǎtre λ pe mǎsurǎ ce
- Page 161 and 162: Lecţia 18Dispersia unei variabile
- Page 163 and 164: problema pasilor aleatori de mai su
- Page 165 and 166: Înainte de a demonstra inegalitate
- Page 167 and 168: Lecţia 19Variabile aleatoare indep
- Page 169 and 170: mǎsurǎrii unei valori cum este p
- Page 171 and 172: Aceastǎ teoremǎ nu va fi demonstr
- Page 173 and 174: Lecţia 20Jocul Minesweeper si prob
- Page 175 and 176: Primul pas este cel al identificǎr
- Page 177 and 178: probabilistic dat mai devreme. Sing
- Page 179 and 180: Este limpede cǎ expresia aceasta e