Desigur, ca si în aplicatia hashing de mai devreme, valoarea 1/2 nu are nimicspecial: s-a utilizat numai <strong>pentru</strong> ilustrare. Cum se poate verifica în esentǎ,aceeasi analizǎ poate fi utilizatǎ <strong>pentru</strong> a stabili valori k <strong>pentru</strong> niveluri deîncredere diferite, de exemplu astfel încât Pr[X ≥ k] ≤ 0,05 (adicǎ la un nivel deîncredere de 95%). Desigur, se pot gǎsi valori k si <strong>pentru</strong> alte niveluri deîncredere si prin aceasta se poate construi o imagine mai detaliatǎ a comportǎriischemei propuse. Pentru simplificare, se poate presupune de aici încolo si cǎ m= n (adicǎ numǎrul de joburi este egal cu cel al procesoarelor). Cu un surplus demuncǎ, analiza se poate generaliza la alte valori ale lui m.Din aplicatia 1 se stie cǎ o coliziune are loc cu o probabilitate mai mare de 0,5dacǎ m ≈ 1, 177 n . Asadar, dacǎ m = n sarcina maximǎ va fi (aproape) cucertitudine mai mare ca 1. Deoarece încǎrcarea uneia dintre cutii depinde deîncǎrcǎrile celorlalte, chestiunea devine mult mai plinǎ de neprevǎzut. Trebuie oanalizǎ a încǎrcǎrii unei cutii, altfel oarecare, sǎ spunem cutia 1: asta-i destul deusor. Notǎm cu X 1 încǎrcarea cutiei 1 (si aceasta o variabilǎ aleatoare). Ce estede fǎcut este a stabili un k astfel încât1Pr[ X1≥ k]≤ (5)2nDeoarece toate cutiile sunt identice, se cunoaste atunci cǎ, <strong>pentru</strong> acelasi k,1Pr[ X i≥ k]≤ <strong>pentru</strong> i = 1, 2, …, n,2nîn care X i este încǎrcarea cutiei i. Dar acum, deoarece evenimentul X ≥ k esteexact reuniunea evenimentelor X i ≥ k (de ce?), se poate utiliza “Union Bound”din lectia precedentǎ:nn1Pr[ X ≥ k]= Pr[ i =( X ≥ )] ≤ Pr[ ≥ ] = = 0, 51 ik ∑ =X k ni 1 i2nEste important a zǎbovi asupra a ceea ce am fǎcut aici: am dorit ca Pr[A] ≤ 1/2cu A evenimentul X ≥ k. Nu s-a putut analiza A direct, dar se stie cǎ A = n i= 1<strong>pentru</strong> evenimentele mult mai simple A i (si anume, A i este evenimentul X i ≥ k).Deoarece sunt n evenimente A i si toate au aceleasi probabilitǎti, este suficient aarǎta cǎ Pr[A i ] ≤ 1/2n; limitarea <strong>pentru</strong> reuniuni (union bound) ne garanteazǎatunci cǎ Pr[A] ≤ 1/2. Aceastǎ manierǎ de a rationa este foarte obisnuitǎ înaplicatii ale probabilitǎtile în stiinta calculatoarelor.Acum, înapoi la problema echilibrǎrii. Misiunea a fost redusǎ la a afla un kastfel încât1Pr[ X1≥ k]≤2ncu X 1 încǎrcarea cutiei numǎrul 1. Nu este dificil a scrie o expresie exactǎ<strong>pentru</strong> Pr[X 1 = f], probabilitatea ca încǎrcarea cutiei 1 sǎ fie exact f:jn−jj ⎛ 1 ⎞ ⎛ 1 ⎞Pr[ X1 = j]= Cn⎜ ⎟ ⎜ 1 − ⎟ (6)⎝ n ⎠ ⎝ n ⎠Ai144
Aceasta poate fi interpretatǎ astfel: fiecare bilǎ este o aruncare de monedǎmǎsluitǎ: “stema” ar corespunde bilei care aterizeazǎ în cutia 1, “reversul” fiindasociat cu celelalte rezultate. Probabilitatea “stemei” este 1/n si aruncǎrilemonedei sunt mutual independente. Cum s-a vǎzut în lectiile anterioare, (6) dǎprobabilitatea ca exact j rezultate “stemǎ” sǎ aparǎ în n aruncǎri.Astfel se obtinennj ⎛ 1 ⎞ ⎛ 1 ⎞Pr[ X1≥ k]= ∑ Pr[ X1= j]= ∑ Cn⎜ ⎟ ⎜ 1 − ⎟ (7)j = kj = k ⎝ n ⎠ ⎝ n ⎠Acum, într-un anume sens am isprǎvit: trebuie numai sǎ introducem valori k =1, 2, … în (7) pânǎ când probabilitatea scade sub 1/2n. Cu toate acestea, ca înexemplul hashing, ar fi mult mai util a face relatia (7) mai imediatǎ, capabilǎ aoferi valori k mai direct. Pentru a face aceasta se înlocuieste ecuatia exactǎ (7)cu o aproximare obtinutǎ din limitarea reuniunii: se va vedea cǎ aceastǎaproximare este destul de bunǎ în practicǎ.Fie B evenimentul “X 1 ≥ k” si <strong>pentru</strong> fiecare submultime S ⊆ {1, 2, …, n} deexact k bile, fie B S evenimentul care constǎ în cǎderea tuturor bilelor în cutia 1.Clar, B este reuniunea evenimentelor B S deoarece B se produce dacǎ si numaidacǎ cel putin unul din evenimentele B S se produce. Astfel, utilizând din noulimitarea reuniunii se poate scrie[ B ] ≤ ∑jn−jPr[ X1≥ k]≡ Pr[ B]= Pr S SPr[ B S](8)Ce este Pr[B S ]? Ei bine, <strong>pentru</strong> orice S este tocmai probabilitatea ca un setparticular de k bile sǎ cadǎ în cutia 1, ceea ce este exact (1/n) k . Si numǎrul deasemenea seturi este C . Astfel, suma din (8) poate fi scrisǎknk ⎛ 1 ⎞Pr[ X1≥ k]≤ ∑ Pr[ BS] = Cn⎜ ⎟ (9)S⎝ n ⎠Cu aceastǎ expresie este mult mai simplu de lucrat decât cu suma din ecuatia(7).kSingurul lucru deranjant rǎmas în ecuatia (9) este coeficientul binomial Cn . Cuacesta se poate lucra mai usor prin utilizarea aproximǎriicare dǎkkSkkk⎛ n ⎞⎜ ⎟⎝ k ⎠≤Ckn≤k⎛ ne ⎞⎜ ⎟⎝ k ⎠⎛ ne ⎞ ⎛ 1 ⎞ ⎛ e ⎞Pr[ X1≥ k]≤ ⎜ ⎟ ⎜ ⎟ = ⎜ ⎟ (10)⎝ k ⎠ ⎝ n ⎠ ⎝ k ⎠kParantezǎ: aproximarea de mai sus <strong>pentru</strong> Cn face parte din bagajul de trucurimatematice pe care-l poartǎ matematicienii si specialistii în stiintacomputerelor; nu este dificil a dovedi mǎrginirea inferioarǎ; mǎrginireasuperioarǎ este ceva mai încurcatǎ si face uz de altǎ aproximare <strong>pentru</strong> n!cunoscutǎ ca aproximarea lui Stirling care spune cǎ factorialul lui k este maimare sau egal fatǎ de (k/e) k ; detaliile nu se dau aici. Sfârsit de parantezǎ.145
- 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 and 142: A 1 ∩A 2 ] este probabilitatea ca
- Page 143: petrecere. Câti trebuie sǎ invita
- 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