Vì vậy, về cơ bản có ba câu hỏi liên quan.
Tôi biết rằng E(Xk)=(nk)⋅p(k2) , nhưng làm cách nào để chứng minh điều đó?
Bạn sử dụng tính tuyến tính của kỳ vọng và một số cách viết lại thông minh. Trước hết, lưu ý rằng
Bây giờ, khi lấy kỳ vọng của , người ta có thể rút ra tổng (do tính tuyến tính) và thu được
Bằng cách rút ra tổng, chúng tôi đã loại bỏ tất cả các phụ thuộc có thể có giữa các tập hợp con của các nút. Do đó, xác suất mà là một cụm là gì? Chà, bất kể bao gồm những gì , tất cả các xác suất cạnh đều như nhau. Do đó,
Xk=∑T⊆V,|T|=k1[T is clique].
XkE(Xk)=∑T⊆V,|T|=kE(1[T is clique])=∑T⊆V,|T|=kPr[T is clique]
TTPr[T is clique]=p(k2), vì tất cả các cạnh trong biểu đồ con này phải có mặt. Và sau đó, thuật ngữ bên trong của tổng không phụ thuộc vào nữa, để lại cho chúng tôi .
TE(Xk)=p(k2)∑T⊆V,|T|=k1=(nk)⋅p(k2)
Cách hiển thị cho :n→∞E(Xlog2n)≥1
Tôi không hoàn toàn chắc chắn liệu điều này thậm chí còn đúng. Áp dụng một ràng buộc trên hệ số nhị thức, chúng tôi thu được
E(Xlogn)=(nlogn)⋅p(logn2)≤⎛⎝nep(logn)4logn⎞⎠logn=(ne⋅n(logp)/4logn)logn.
(Lưu ý rằng tôi gần như giới hạn trên bởi .) Tuy nhiên, bây giờ người ta có thể chọn và có được điều đó , làm cho toàn bộ thuật ngữ về đối với lớn . Bạn có thể thiếu một số giả định trên ?
p−1+logn2plogn4p=0.001log20.001≈−9.960np