Descomposición de secuencias aleatorias en mezclas de secuencias más simples y su aplicación en análisis de redes
Autores: Faragó, András
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Descomposición de secuencias aleatorias en mezclas de secuencias más simples y su aplicación en análisis de redes
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Teorema de De Finetti
Secuencias aleatorias
Descomposición
Secuencia intercambiable
Nuevo teorema
Redes aleatorias
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Un resultado clásico y fundamental sobre la descomposición de secuencias aleatorias en una mezcla de secuencias más simples es el Teorema de de Finetti. En su forma original, se aplica a secuencias infinitas de valores 0-1 con la propiedad especial de que la distribución es invariante a permutaciones (llamada secuencia exchangeable). Más tarde fue extendido y generalizado en numerosas direcciones. Después de revisar esta línea de desarrollo, presentamos nuestro nuevo teorema de descomposición, cubriendo casos que no han sido considerados previamente. También introducimos una forma novedosa de aplicar estos tipos de resultados en el análisis de redes aleatorias. Para autocontención, proporcionamos la exposición introductoria con más detalle de lo habitual, con la intención de hacerla también accesible a lectores que quizás no estén familiarizados estrechamente con el tema.
Descripción
Un resultado clásico y fundamental sobre la descomposición de secuencias aleatorias en una mezcla de secuencias más simples es el Teorema de de Finetti. En su forma original, se aplica a secuencias infinitas de valores 0-1 con la propiedad especial de que la distribución es invariante a permutaciones (llamada secuencia exchangeable). Más tarde fue extendido y generalizado en numerosas direcciones. Después de revisar esta línea de desarrollo, presentamos nuestro nuevo teorema de descomposición, cubriendo casos que no han sido considerados previamente. También introducimos una forma novedosa de aplicar estos tipos de resultados en el análisis de redes aleatorias. Para autocontención, proporcionamos la exposición introductoria con más detalle de lo habitual, con la intención de hacerla también accesible a lectores que quizás no estén familiarizados estrechamente con el tema.