Kafalar ve kuyruklar arasındaki tutarsızlık


12

Tarafsız bir madalyonun dizisini düşünün n. Let ilk görüldüğü kuyrukları fazla kafaları sayısından fazla mutlak değerini ifade çevirir. Tanımla . ve olduğunu gösterin .HiiH=maxiHiE[Hi]=Θ(i)E[H]=Θ(n)

Bu sorun Raghavan ve Motwani'nin `` Rastgele algoritmalar '' ın ilk bölümünde ortaya çıkıyor, bu yüzden belki de yukarıdaki ifadenin temel bir kanıtı var. Çözemiyorum, bu yüzden herhangi bir yardımı takdir ediyorum.

Yanıtlar:


9

Madeni para tek boyutlu bir rasgele yürüyüş meydana döndürür X0,X1, başlayan X0=0 ile Xben+1=Xben±1 , olasılıkla seçeneklerin her biri 1/2 . Şimdi 'Hben=|Xben|ve bu nedenle 'Hben2=Xben2 . E [ X 2 i ] = hesaplamak kolaydırE[Xben2]=ben (bu sadece varyans) ve böyleceE['Hben]E['Hben2]=ben dışbükeyliğimden. AyrıcaXbensıfır ortalama ve varyansile kabaca normal dağıldığınıbiliyoruzbenve böyleceE[Hi](2/π)i .

E[maxinHi]˜ O (nXiXiO~(n)XiXi

Düzenleme: Olduğu gibi , yansıtma prensibi nedeniyle , bu soruya bakın . Bu yüzden yana . Şimdi ve dolayısıylaPr[maxinXi=k]=Pr[Xn=k]+Pr[Xn=k+1] Pr[Hn=k]=Pr[Xn=k]+Pr[Xn=-k]=2Pr[Xn=k] max i n X i + maks i n (- X i

E[maxinXi]=k0k(Pr[Xn=k]+Pr[Xn=k+1])=k1(2k1)Pr[Xn=k]=k12kPr[Xn=k]12+12Pr[Xn=0]=E[Hn]+Θ(1),
Pr[Hn=k]=Pr[Xn=k]+Pr[Xn=k]=2Pr[Xn=k]
maxinXi+maxin(Xi)2maxinHimaxinXi+maxin(Xi),
E[maxinHi]2E[Hn]+Θ(1)=O(n). Diğer yön benzerdir.

Biz kanıtlanmış sonra , biz demek olabiliri=Nikinci bir sonuç, yani, herhangi birD[H i ]daha büyük olanİçeride ISTV melerin RWMAIWi'nin(E[Hi]=Θ(i)i=nE[Hi]. Θ(n)
chazisop

1
Eğer bağımsız olsaydı, sonuç gerçek olmayacaktır, çünkü aslında bu değerlerden bazılarının beklentiden biraz daha büyük olmasını beklersiniz. Genel olarak E [ max ( A , B ) ] = max ( E [ A ] , E [ B ] ) olduğu doğru değildir . HiE[max(A,B)]=max(E[A],E[B])
Yuval Filmus

1
Yinelenen logaritmanın yasası burada geçerli değildir, çünkü sabittir ve i tarafından normalleştirilmiyoruz . İçin cevap e max i n H i olan θ ( niEmaxinHi. θ(n)
Peter Shor

İlk bölüm için +1. ama dürüstçe ikinci kısmı anlamıyorum (daha plz ayrıntılı olabilir). Bu, bunun doğru olmadığı anlamına gelmez.
AJ

1
Güzel kanıt. Ama bunu nasıl kanıtlayacağım E'nin(Hi)alt sınırıdır? Görünüşe göre cevap alt sınır hakkında hiçbir ayrıntıdan bahsetmiyor. nE(Hi)
konjac

2

Sen kullanabilirsiniz yarı normal dağılım cevap kanıtlamak için.

Yarım normal dağılım durumları olduğu takdirde ortalama 0 ve varyansı ile normal dağılım olduğu σ 2 , daha sonra | X | ortalama σ ile yarım dağılımı takip ederXσ2|X| ve varyansσ2(1-2/π). Varyans, bu durum gerekli cevabı verirσ2, normal yürüyüşün olduğunve dağılımını tahmin edebilirXmerkezi limit teoremi kullanılarak normal dağılıma.σ2πσ2(12/π)σ2nX

, Yuval Filmus'un bahsettiği gibi rastgele yürüyüşün toplamıdır.X


Ben gönderdiğim bunu tercih etmiyorum ... alt sınırı vermesine rağmen, üst sınır hakkında hiçbir şey söylenemez. Çözmek için maksimum dağıtım argümanı kullanmaya çalıştım, çirkin bir entegrasyon olduğu ortaya çıktı. Ancak tüm bu dağılımları bilmek güzel.
Ocak'ta AJ

2

İlk çevirir, k kuyrukları aldığımızı varsayalım , o zaman H 2 i = 2 | i - k | . Bu nedenle, E ( H 2 i )2benk'H2ben=2|ben-k|Stirling yaklaşımını kullanın,E(H2i)=Θ(

E('H2ben)=2Σk=0ben(2benk)(12)2ben2(ben-k)=(12)2ben-2[benΣk=0ben(2benk)-Σk=0benk(2benk)]=(12)2ben-2[ben(22ben+(2benben))/2-2benΣk=0ben-1(2ben-1k)]=(12)2ben-2ben[22ben-1+(2benben)/2-222ben-1/2]=2ben(2benben)/22ben.
.E('H2ben)=Θ(2ben)

bulunduğu durumları dikkate almamalı mıyız ? 2 çarpma faktörünü kaçırdığınız anlaşılıyor, değil mi? ben<k2ben
omerbp
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.