انتخاب تصادفی وابسته
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده علوم ریاضی
- author فهیمه رحیمی
- adviser غلامرضا امیدی
- Number of pages: First 15 pages
- publication year 1392
abstract
تعداد زیادی از مسائل در نظریه رمزی و نظریه اکسترمالی گراف با مسأله نشاندن یک گراف تنک در یک گراف چگال در ارتباطند. برای به دست آوردن چنین نشاندنی، می توان زیرمجموعه بزرگ u از رأس ها را در گراف چگال مورد نظر به دست آورد به طوری که تمامی (و یا تقریباً تمامی) زیرمجموعه های u دارای تعداد زیادی همسایه مشترک باشند. سپس می توان رأس های گراف تنک مورد نظر را یکی یکی به جای رأس های u نشاند و گراف تنک را در گراف چگال پیدا کرد. با استفاده از روش های احتمالاتی می توان ابتدا در گراف چگال g زیرمجموعه کوچک t از رأس ها را به صورت تصادفی و یکنواخت انتخاب کرد. سپس مجموعه u را مجموعه همسایه های مشترک t در نظر گرفت. اگر g دارای زیرمجموعه ای با تعداد همسایه مشترک کم باشد، غیرمحتمل است که تمام اعضا این مجموعه در مجموعه t انتخاب شود. درنتیجه انتظار نمی رود که u دارای زیرمجموعه ای با تعداد همسایه های کم باشد. لذا زیرمجموعه مورد نظر u برای g به دست می آید. این روش، توسط محققان زیادی مورد استفاده قرار گرفته است. در سال ???? گاورز از این روش در اثبات قضیه زمردی برای تصاعد حسابی به طول ? استفاده کرده است. پس از آن کاستاچکا و رادل در سال ???? از آن در نظریه رمزی استفاده کرده اند. سپس سوداکو در سال ???? کاربردی از این روش را در تعیین اعداد رمزی-توران بیان کرده است. در ده سال گذشته، کاربرد های موثری از روش مذکور در نظریه اکسترمالی گراف ها، نظریه رمزی، ترکیبیات جمعی و هندسه ترکیبیاتی بیان شده است. مقاله های فراوانی از آن استفاده کرده اند و به نظر می رسد، زمان آن رسیده است که به عنوان روشی اصولی ارایه شود. در سال ???? سوداکو و فاکس این روش را در مقاله ای به طور مفصل توضیح و شرح داده اند و آن را روش انتخاب تصادفی وابسته نامیدند و کاربرد هایی از این روش در زمینه های مختلف را ارایه داده اند. در این پایان نامه به بررسی و شرح مفصل این پایان نامه می پردازیم.
similar resources
نامساوی برنشتاین برای متغیرهای تصادفی وابسته
در این مقاله، نامساوی برنشتاین را برای متغیرهای تصادفی وابسته تعمیم می دهیم. سپس در رابطه با شرایط برقراری همگرایی کامل با استفاده از این نامساوی نتایج جالبی را به دست می آوریم. مثالهای متنوعی نیز در ادامه ارائه خواهیم کرد.
full textنمونهی تصادفی متعادلشده و نحوهی انتخاب آن
چکیده. هدف نمونهگیری، نتیجهگیری دربارهی کل جامعه بر اساس اطلاعات بخشی از آن است. بهطور کلی از دو دیدگاه میتوان مطلوبیت نمونه را ارزیابی کرد. دیدگاه اول به نمایانگر بودن نمونه اشاره میکند، به این معنی که تا چه حد ساختار اساسی جامعه را در بر دارد، و دیدگاه دوم به تصادفی بودن نمونه با این مفهوم که آیا واحدهای انتخاب شده در نمونه و همچنین واحدهای انتخاب نشده همگی احتمال انتخاب مثبت و مشخص د...
full textتوسعه مدل برنامهریزی تصادفی برای مسأله انتخاب سبد دارایی چنددورهای
در این مقاله، به توسعه یک مدل برنامهریزی تصادفی برای مسأله انتخاب سبد دارایی چنددورهای با درنظرگرفتن هزینههای معامله و محدودیت تعداد دارایی پرداخته میشود. مدل ارائهشده، ضمن تضمین دستیابی به حداقلی از بازده، ریسک را کمینه میکند. به منظور تولید درخت سناریوی پارامترهای تصادفی، از تبدیل جانسون و فرآیند نمونهگیری در چارچوب یک مدل گام تصادفی استفاده میشود. سپس، دادههای تاریخی 28 شاخص صنعت دا...
full textبرنامه ریزی تصادفی چندهدفه برای انتخاب سبد سهام
در رویکردهای سنتی مقادیر مرتبط با اهداف یک مدل تصمیمگیری اغلب معین و قطعی فرض میشود، درحالیکه در دنیای واقعی این مقادیر احتمالی است و تصمیمگیرنده نمیتواند آنها را بهطور قطعی تعیین کند. بهینهسازی مالی یکی از حوزههای جذاب در تصمیمگیری در شرایط عدم اطمینان است. در مسئلۀ انتخاب سبد سرمایهگذاری، تصمیمگیرنده همزمان با اهداف مختلف و گاه متعارض مانند نرخ بازده، نقدینگی، سود تقسیمی و ریسک موا...
full textنمونه ی تصادفی متعادل شده و نحوه ی انتخاب آن
چکیده. هدف نمونه گیری، نتیجه گیری درباره ی کل جامعه بر اساس اطلاعات بخشی از آن است. به طور کلی از دو دیدگاه می توان مطلوبیت نمونه را ارزیابی کرد. دیدگاه اول به نمایانگر بودن نمونه اشاره می کند، به این معنی که تا چه حد ساختار اساسی جامعه را در بر دارد، و دیدگاه دوم به تصادفی بودن نمونه با این مفهوم که آیا واحد های انتخاب شده در نمونه و همچنین واحد های انتخاب نشده همگی احتمال انتخاب مثبت و مشخص د...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده علوم ریاضی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023