กลับไปหน้าบทความ

อ่าน 7 นาที

วิธีการเชิงความน่าจะเป็น

ในทางคณิตศาสตร์วิธีการเชิงความน่าจะเป็นเป็น วิธีการ ที่ไม่สร้างแบบจำลองขึ้นมาเอง โดยส่วนใหญ่ใช้ในคณิตศาสตร์เชิงการจัดเรียงและริเริ่มโดยพอล...

วิธีการเชิงความน่าจะเป็น

ในทางคณิตศาสตร์วิธีการเชิงความน่าจะเป็นเป็น วิธีการ ที่ไม่สร้างแบบจำลองขึ้นมาเอง โดยส่วนใหญ่ใช้ในคณิตศาสตร์เชิงการจัดเรียงและริเริ่มโดยพอล แอร์โดสเพื่อพิสูจน์การมีอยู่ของวัตถุทางคณิตศาสตร์ประเภทที่กำหนดไว้ วิธีการนี้ทำงานโดยการแสดงให้เห็นว่า หากเราสุ่มเลือกวัตถุจากกลุ่มที่กำหนดไว้ความน่าจะเป็นที่ผลลัพธ์จะเป็นประเภทที่กำหนดไว้จะต้องมากกว่าศูนย์อย่างแน่นอน แม้ว่าการพิสูจน์จะใช้ความน่าจะเป็น แต่ข้อสรุปสุดท้ายนั้นถูกกำหนดไว้อย่างแน่นอน โดยไม่มีข้อผิดพลาดใดๆ

ปัจจุบัน วิธีการนี้ได้ถูกนำไปประยุกต์ใช้ในสาขาอื่นๆ ของคณิตศาสตร์เช่นทฤษฎีจำนวนพีชคณิตเชิงเส้นและการวิเคราะห์เชิงจริงรวมถึงในวิทยาศาสตร์คอมพิวเตอร์ (เช่นการปัดเศษแบบสุ่ม ) และทฤษฎีสารสนเทศด้วย

การแนะนำ

ถ้าวัตถุทุกชิ้นในกลุ่มวัตถุไม่มีคุณสมบัติบางอย่าง ความน่าจะเป็นที่วัตถุที่สุ่มเลือกจากกลุ่มวัตถุนั้นจะมีคุณสมบัติดังกล่าวจะเป็นศูนย์ ดังนั้น โดยหลักการแย้งถ้าความน่าจะเป็นที่วัตถุที่สุ่มเลือกจากกลุ่มวัตถุนั้นจะมีคุณสมบัติดังกล่าวไม่เป็นศูนย์ แสดงว่าต้องมีวัตถุบางชิ้นในกลุ่มวัตถุนั้นที่มีคุณสมบัติดังกล่าว

ในทำนองเดียวกัน การแสดงให้เห็นว่าความน่าจะเป็นนั้น (อย่างเคร่งครัด) น้อยกว่า 1 สามารถนำมาใช้พิสูจน์การมีอยู่ของวัตถุที่ไม่ตรงตามคุณสมบัติที่กำหนดไว้ได้

อีกวิธีหนึ่งในการใช้วิธีการทางความน่าจะเป็นคือการคำนวณค่าคาดหวังของตัวแปรสุ่ม บางตัว หากสามารถแสดงได้ว่าตัวแปรสุ่มนั้นสามารถมีค่าต่ำกว่าค่าคาดหวังได้ นั่นแสดงว่าตัวแปรสุ่มนั้นสามารถมีค่ามากกว่าค่าคาดหวังได้เช่นกัน

อีกทางเลือกหนึ่ง วิธีการทางความน่าจะเป็นยังสามารถใช้เพื่อรับประกันการมีอยู่ขององค์ประกอบที่ต้องการในปริภูมิของตัวอย่างที่มีค่ามากกว่าหรือเท่ากับค่าคาดหวังที่คำนวณได้ เนื่องจากหากไม่มีองค์ประกอบดังกล่าว จะหมายความว่าทุกองค์ประกอบในปริภูมิของตัวอย่างมีค่าน้อยกว่าค่าคาดหวัง ซึ่งเป็นข้อขัดแย้ง

เครื่องมือทั่วไปที่ใช้ในวิธีการทางความน่าจะเป็น ได้แก่อสมการของมาร์คอฟขอบเขตของ เชอร์นอฟ และทฤษฎีบทเฉพาะที่ของโลวัสซ์

ตัวอย่างสองประการจาก Erdős

ถึงแม้ว่านักวิทยาศาสตร์คนอื่นๆ ก่อนหน้าเขาจะพิสูจน์ทฤษฎีบทโดยใช้วิธีความน่าจะเป็น (ตัวอย่างเช่น ผลงานของ Szele ในปี 1943 ที่ระบุว่ามีทัวร์นาเมนต์ ที่มี วงจรแฮมิลโทเนียนจำนวนมาก) แต่บทพิสูจน์ที่มีชื่อเสียงที่สุดหลายบทที่ใช้วิธีนี้เป็นผลงานของ Erdős ตัวอย่างแรกด้านล่างนี้อธิบายถึงผลลัพธ์หนึ่งจากปี 1947 ที่ให้บทพิสูจน์ขอบเขตล่างสำหรับจำนวนแรมซีย์อาร์(,){\displaystyle R(r,r)}.

ตัวอย่างแรก

สมมติว่าเรามีกราฟสมบูรณ์บนn{\displaystyle n}จุดยอดเราต้องการแสดงให้เห็น (สำหรับค่าที่เล็กพอของn{\displaystyle n}) เป็นไปได้ที่จะระบายสีขอบของกราฟด้วยสองสี (เช่น สีแดงและสีน้ำเงิน) เพื่อไม่ให้มีกราฟย่อย ที่สมบูรณ์ บน{\displaystyle r}จุดยอดที่มีสีเดียว (ขอบทุกด้านมีสีเดียวกัน)

ในการทำเช่นนั้น เราจะระบายสีกราฟแบบสุ่ม โดยระบายสีแต่ละขอบอย่างอิสระด้วยความน่าจะเป็น1/2{\displaystyle 1/2}ของการเป็นสีแดงและ1/2{\displaystyle 1/2}ของการเป็นสีน้ำเงิน เราคำนวณจำนวนที่คาดหวังของกราฟย่อยสีเดียวบน{\displaystyle r}จุดยอดมีดังต่อไปนี้:

สำหรับชุดใดๆ ก็ตามเอส{\displaystyle S_{r}}ของ{\displaystyle r}จุดยอดจากกราฟของเรา กำหนดตัวแปรX(เอส){\displaystyle X(S_{r})}จะเป็น1{\displaystyle 1}หากขอบทุกด้านท่ามกลาง{\displaystyle r}จุดยอดมีสีเดียวกัน และ0{\displaystyle 0}มิฉะนั้น โปรดทราบว่าจำนวนของสีเดียว{\displaystyle r}-กราฟย่อยคือผลรวมของX(เอส){\displaystyle X(S_{r})}เหนือเซตย่อย ที่เป็นไปได้ทั้งหมดเอส{\displaystyle S_{r}}สำหรับชุดแต่ละชุดเอสฉัน{\displaystyle S_{r}^{i}}ค่าที่คาดหวังของX(เอสฉัน){\displaystyle X(S_{r}^{i})}คือความน่าจะเป็นที่ทั้งหมดซี(,2){\displaystyle C(r,2)}ขอบในเอสฉัน{\displaystyle S_{r}^{i}}มีสีเดียวกัน:

อี[X(เอสฉัน)]=22(2){\displaystyle E[X(S_{r}^{i})]=2\cdot 2^{-{r \choose 2}}}

(ปัจจัยของ2{\displaystyle 2}(เนื่องจากมีสีที่เป็นไปได้สองสี)

หลักการนี้ใช้ได้กับทุกสิ่งทุกอย่างซี(n,){\displaystyle C(n,r)}กลุ่มย่อยที่เป็นไปได้ที่เราอาจเลือกได้ เช่นฉัน{\displaystyle i}ช่วงตั้งแต่1{\displaystyle 1}ถึงซี(n,){\displaystyle C(n,r)}ดังนั้นเราจึงได้ว่าผลรวมของอี[X(เอสฉัน)]{\displaystyle E[X(S_{r}^{i})]}โดยรวมเอสฉัน{\displaystyle S_{r}^{i}}เป็น

ฉัน=1ซี(n,)อี[X(เอสฉัน)]=(n)21(2).{\displaystyle \sum _{i=1}^{C(n,r)}E[X(S_{r}^{i})]={n \choose r}2^{1-{r \choose 2}}.}

ผลรวมของค่าคาดหวังคือค่าคาดหวังของผลรวม ( โดยไม่คำนึงว่าตัวแปรจะเป็นอิสระต่อกัน หรือไม่ ) ดังนั้นค่าคาดหวังของผลรวม (จำนวนที่คาดหวังของสีเดียวทั้งหมด){\displaystyle r}-กราฟย่อย) คือ

อี[X(เอส)]=(n)21(2).{\displaystyle E[X(S_{r})]={n \choose r}2^{1-{r \choose 2}}.}

ลองพิจารณาดูว่าจะเกิดอะไรขึ้นหากค่านี้น้อยกว่า1{\displaystyle 1}เนื่องจากจำนวนโมโนโครมาติกที่คาดไว้{\displaystyle r}-กราฟย่อยนั้นน้อยกว่าอย่างเคร่งครัด1{\displaystyle 1}มีการระบายสีแบบหนึ่งที่ตรงตามเงื่อนไขที่ว่าจำนวนของสีเดียว{\displaystyle r}-กราฟย่อยนั้นน้อยกว่าอย่างเคร่งครัด1{\displaystyle 1}จำนวนของโมโนโครมาติก{\displaystyle r}- กราฟย่อยในการระบายสีแบบสุ่มนี้เป็น จำนวนเต็มที่ไม่เป็นลบดังนั้นจึงต้องเป็นเช่นนั้น0{\displaystyle 0}(0{\displaystyle 0}เป็นจำนวนเต็มที่ไม่เป็นลบเพียงจำนวนเดียวที่น้อยกว่า1{\displaystyle 1}) ดังนั้นจึงสรุปได้ว่า ถ้า

อี[X(เอส)]=(n)21(2)<1{\displaystyle E[X(S_{r})]={n \choose r}2^{1-{r \choose 2}}<1}

(ซึ่งใช้ได้กับกรณีตัวอย่างเช่น...)n=5{\displaystyle n=5}และ=4{\displaystyle r=4}) จะต้องมีการระบายสีแบบหนึ่งที่ไม่มีสีเดียว{\displaystyle r}-กราฟย่อย[]

ตามนิยามของเลขแรมซีย์สิ่งนี้หมายความว่าอาร์(,){\displaystyle R(r,r)}ต้องใหญ่กว่าn{\displaystyle n}โดยเฉพาะอย่างยิ่งอาร์(,){\displaystyle R(r,r)}ต้องเติบโตอย่างน้อยในอัตราทวีคูณด้วย{\displaystyle r}.

จุดอ่อนของข้อโต้แย้งนี้คือมันไม่ก่อให้เกิดประโยชน์ ใดๆ เลย ปัญหาการค้นหาการระบายสีดังกล่าวเป็นปัญหาที่ยังไม่ได้รับการแก้ไขมานานกว่า 50 ปีแล้ว

ตัวอย่างที่สอง

บทความของ Erdős ในปี 1959 (ดูเอกสารอ้างอิงด้านล่าง) ได้กล่าวถึงปัญหาต่อไปนี้ในทฤษฎีกราฟ : เมื่อกำหนดจำนวนเต็มบวกgและkแล้ว จะมีกราฟGที่ประกอบด้วยวัฏจักรที่มีความยาวอย่างน้อยg เท่านั้นหรือไม่ โดยที่จำนวนสีของ กราฟ Gมีค่าอย่างน้อยk ?

สามารถแสดงได้ว่ากราฟดังกล่าวมีอยู่จริงสำหรับgและk ใดๆ และการพิสูจน์นั้นค่อนข้างง่าย ให้nมีขนาดใหญ่มาก และพิจารณากราฟสุ่มGที่มีnจุดยอด โดยที่ขอบทุกเส้นในGมีอยู่ด้วยความน่าจะเป็นp = n 1/ g −1เราจะแสดงว่าด้วยความน่าจะเป็นที่เป็นบวกGจะมีคุณสมบัติสองประการต่อไปนี้:

คุณสมบัติที่ 1. Gประกอบด้วยวัฏจักรที่มีความยาวน้อยกว่า g อย่างมากที่สุดn / 2วัฏจักร

บทพิสูจน์ให้Xเป็นจำนวนวัฏจักรที่มีความยาวน้อยกว่าgจำนวนวัฏจักรที่มีความยาวiในกราฟสมบูรณ์ที่มีnจุดยอดคือ

n!2ฉัน(nฉัน)!nฉัน2{\displaystyle {\frac {n!}{2\cdot i\cdot (ni)!}}\leq {\frac {n^{i}}{2}}}

และแต่ละตัวจะปรากฏอยู่ในGด้วยความน่าจะเป็นp iดังนั้นโดยอสมการของมาร์คอฟเราจึงได้ว่า

ปร.(X>n2)2nอี[X]1nฉัน=3จี1พีฉันnฉัน=1nฉัน=3จี1nฉันจีจีnnจี1จี=จีn1จี=โอ(1).{\displaystyle \Pr \left(X>{\tfrac {n}{2}}\right)\leq {\frac {2}{n}}E[X]\leq {\frac {1}{n}}\sum _{i=3}^{g-1}p^{i}n^{i}={\frac {1}{n}}\sum _{i=3}^{g-1}n^{\frac {i}{g}}\leq {\frac {g}{n}}n^{\frac {g-1}{g}}=gn^{-{\frac {1}{g}}}=o(1).}
ดังนั้นสำหรับค่า nที่มากพอ คุณสมบัติข้อ 1 จะ เป็นจริงด้วยความน่าจะเป็นมากกว่า1/2
คุณสมบัติข้อ 2. Gไม่มีเซตอิสระที่มีขนาดn2เค{\displaystyle \lceil {\tfrac {n}{2k}}\rceil }.

บทพิสูจน์ให้Yเป็นขนาดของเซตอิสระที่ใหญ่ที่สุดในGเห็นได้ชัดว่าเรามี

ปร.(วายy)(ny)(1พี)y(y1)2nyอีพีy(y1)2=อีy2(พีy2lnnพี)=โอ(1),{\displaystyle \Pr(Y\geq y)\leq {n \choose y}(1-p)^{\frac {y(y-1)}{2}}\leq n^{y}e^{-{\frac {py(y-1)}{2}}}=e^{-{\frac {y}{2}}\cdot (py-2\ln n-p)}=o(1),}

เมื่อไร

y=n2เค.{\displaystyle y=\left\lceil {\frac {n}{2k}}\right\rceil \!.}ดังนั้น สำหรับ ค่า n ที่มากพอ คุณสมบัติข้อ 2 จะเป็น จริงด้วยความน่าจะเป็นมากกว่า1/2

สำหรับค่า nที่มากพอความน่าจะเป็นที่กราฟจากชุดการแจกแจงจะมีคุณสมบัติทั้งสองอย่างจะเป็นค่าบวก เนื่องจากเหตุการณ์สำหรับคุณสมบัติเหล่านี้ไม่สามารถแยกจากกันได้ (หากเป็นเช่นนั้น ผลรวมของความน่าจะเป็นจะมากกว่า 1)

เคล็ดลับอยู่ที่นี่: เนื่องจากG มีคุณสมบัติทั้งสองนี้ เราจึงสามารถลบจุดยอดออก จากGได้มากที่สุดn /2 จุด เพื่อให้ได้กราฟใหม่G′บนnn/2{\displaystyle n'\geq n/2}จุดยอดที่ประกอบด้วยวัฏจักรที่มีความยาวอย่างน้อยg เท่านั้น เราจะเห็นได้ว่ากราฟใหม่นี้ไม่มีเซตอิสระที่มีขนาดnเค{\displaystyle \left\lceil {\frac {n'}{k}}\right\rceil }G สามารถแบ่งออกเป็นเซตอิสระได้อย่างน้อยk เซตเท่านั้น และด้วยเหตุนี้จึงมีจำนวนสีอย่างน้อยkสี

ผลลัพธ์นี้ให้เบาะแสว่าเหตุใดการคำนวณจำนวนสีของกราฟจึงเป็นเรื่องยาก: แม้ว่าจะไม่มีเหตุผลเฉพาะที่ (เช่น วงจรขนาดเล็ก) ที่ทำให้กราฟต้องการสีจำนวนมาก แต่จำนวนสีก็ยังคงมีค่ามากอย่างไม่จำกัด

ดูเพิ่มเติม

แหล่งข้อมูลเพิ่มเติม

  • วิธีการเชิงความน่าจะเป็นในคณิตศาสตร์เชิงการจัดเรียง (Combinatorics) , MIT OpenCourseWare

เชิงอรรถ

  1. ข้อเท็จจริงเดียวกันนี้สามารถพิสูจน์ได้โดยไม่ต้องใช้หลักความน่าจะเป็น โดยใช้การนับอย่างง่าย:
    • จำนวน กราฟย่อย r ทั้งหมด คือ(n){\displaystyle {n \choose r}}.
    • แต่ละr -subgraph มี(2){\displaystyle {r \choose 2}}ขอบจึงสามารถระบายสีได้2(2){\displaystyle 2^{r \choose 2}}หลายวิธี
    • ในบรรดาการระบายสีเหล่านี้ มีเพียง 2 การระบายสีเท่านั้นที่ 'ไม่ดี' สำหรับกราฟย่อยนั้น (การระบายสีที่จุดยอดทั้งหมดเป็นสีแดงหรือจุดยอดทั้งหมดเป็นสีน้ำเงิน)
    • ดังนั้น จำนวนการระบายสีทั้งหมดที่ไม่เหมาะสมสำหรับกราฟย่อยบางส่วน (อย่างน้อยหนึ่งส่วน) จึงมีค่าไม่เกิน2(n)2(n2)(2){\displaystyle 2{n \choose r}2^{{n \choose 2}-{r \choose 2}}}.
    • ดังนั้น ถ้า2(n)2(n2)(2)<2(n2)(n)21(2)<1{\displaystyle 2{n \choose r}2^{{n \choose 2}-{r \choose 2}}<2^{n \choose 2}\Leftrightarrow {n \choose r}2^{1-{r \choose 2}}<1}จะต้องมีการระบายสีอย่างน้อยหนึ่งแบบที่ไม่ "แย่" สำหรับกราฟย่อยใดๆ
ดึงข้อมูลมาจาก " https://en.wikipedia.org/w/index.php?title=Probabilistic_method&oldid=1361600814 "

สรุปเนื้อหา

ข้อมูลสำคัญจากบทความ

ข้อมูลสำคัญเกี่ยวกับ วิธีการเชิงความน่าจะเป็น

ในทางคณิตศาสตร์วิธีการเชิงความน่าจะเป็นเป็น วิธีการ ที่ไม่สร้างแบบจำลองขึ้นมาเอง โดยส่วนใหญ่ใช้ในคณิตศาสตร์เชิงการจัดเรียงและริเริ่มโดยพอล...

การแนะนำ

ถ้าวัตถุทุกชิ้นในกลุ่มวัตถุไม่มีคุณสมบัติบางอย่าง ความน่าจะเป็นที่วัตถุที่สุ่มเลือกจากกลุ่มวัตถุนั้นจะมีคุณสมบัติดังกล่าวจะเป็นศูนย์ ดังนั้น โดย หลักการแย้ง ถ้าความน่าจะเป็นที่วัตถุที่สุ่มเลือกจากกลุ่มวัตถุนั้นจะมีคุณสมบัติดังกล่าวไม่เป็นศูนย์...

ตัวอย่างสองประการจาก Erdős

ถึงแม้ว่านักวิทยาศาสตร์คนอื่นๆ ก่อนหน้าเขาจะพิสูจน์ ทฤษฎีบท โดยใช้วิธีความน่าจะเป็น (ตัวอย่างเช่น ผลงานของ Szele ในปี 1943 ที่ระบุว่ามี ทัวร์นาเมนต์ ที่มี วงจรแฮมิลโทเนียน จำนวนมาก) แต่บทพิสูจน์ที่มีชื่อเสียงที่สุดหลายบทที่ใช้วิธีนี้เป็นผลงานของ Erdős...

ตัวอย่างแรก

สมมติว่าเรามี กราฟสมบูรณ์ บน n {\displaystyle n} จุดยอด เราต้องการแสดงให้เห็น (สำหรับค่าที่เล็กพอของ n {\displaystyle n} ) เป็นไปได้ที่จะระบายสี ขอบ ของ กราฟ ด้วยสองสี (เช่น สีแดงและสีน้ำเงิน) เพื่อไม่ให้มี กราฟย่อย ที่สมบูรณ์ บน ร {\displaystyle r}...