Kvalifikovaný odhad je založen na interpretaci výsledku následujícím způsobem: důležitost odpovídá pravděpodobnosti, že se do vrcholu náhodně doklikám postupem popsaným v sekci 9.5. (teoreticky bych měl klikat do nekonečna, ale po pár iteracích v duchu jasně vidíte, kde se nacházíte nejpravděpodobněji).

čtverec:
Google matice tohoto grafu má v každém řádku i sloupci právě jedno číslo 0.925, Důležitost všech vrcholů bude stejná.	
Graf je plně symetrický, pravděpodobnost doklikání je do každého vrcholu stejná.

strom:
ty dolní
S velkou pravděpodobností jdu dolu stromem, s malou odskakuji jinam, s výjimkou dolních vtcholů. Čas pobytu v jednotlivých vrcholech se bude mírně hromadit dole.

cesta:
koncový
Ze stejného důvodu. Pozor, nejde o počet vstupních šipek!

cesta+zpětná hrana:
koncový
Tady to tak jasné není, ale správná je následující úvaha: když začnu v horních dvou vrcholech, tak s pravděpodobností 1/2 spadnu po prvním průchodu do dolních 3/5 grafu. Čili strávený čas se bude hromadit v dolních 3/5 a tam je nejvýznamější ten koncový vrchol.
Poznámka: tato úvaha by nefungovala pro cestu délky 4, a skutečně, když to zadáte do počítače, tak zjisíte, že důležitost druhého a dolního vrcholu je stejná.



Pythonovský zdroják (odkomentujte si příslušné matice):

from numpy import mat
from numpy.linalg import eig
#A=mat([[0.025,0.025,0.025,0.925],[0.925,0.025,0.025,0.025],[0.025,0.925,0.025,0.025],[0.025,0.025,0.925,0.025] ])
#A=mat([[1/70,1/70,1/70,1/7,1/7,1/7,1/7],
#       [0.83/14,1/70,1/70,1/7,1/7,1/7,1/7],[0.83/14,1/70,1/70,1/7,1/7,1/7,1/7],
#       [1/70,0.83/14,1/70,1/7,1/7,1/7,1/7],[1/70,0.83/14,1/70,1/7,1/7,1/7,1/7],
#       [1/70,1/70,0.83/14,1/7,1/7,1/7,1/7],[1/70,1/70,0.83/14,1/7,1/7,1/7,1/7] ])
#A=mat([[0.02,0.02,0.02,0.02,0.2],[0.92,0.02,0.02,0.02,0.2],[0.02,0.92,0.02,0.02,0.2],[0.02,0.02,0.92,0.02,0.2],[0.02,0.02,0.02,0.92,0.2] ])
#A=mat([[0.02,0.47,0.02,0.02,0.2],[0.92,0.02,0.02,0.02,0.2],[0.02,0.47,0.02,0.02,0.2],[0.02,0.02,0.92,0.02,0.2],[0.02,0.02,0.02,0.92,0.2] ])
#B=mat([[1],[1],[1],[1]])
#B=mat([[1],[1],[1],[1],[1],[1],[1]])
#B=mat([[1],[1],[1],[1],[1]])
print(A)
# aproximace vysledku iteracniho procesu
print(A*A*A*A*A*A*A*A*A*A*A*A*A*B)