fix #6

src/5.PolicyGradient/5.1.PolicyGradientTheorem.tex

@@ -268,7 +268,7 @@ \subsection{State visitation frequency}
 
 \subsection{Расцепление внешней и внутренней стохастики}
 
-Итак, давайте попробуем формально понять, из какого распределения приходят состояния в формуле градиента \eqref{gradient}, и отличается ли оно от $\mu_{\pi}(s)$. Для этого мы сейчас придумаем, как можно записывать функционалы вида
+Итак, давайте попробуем формально понять, из какого распределения приходят состояния в формуле градиента \eqref{pgt_firstproof}, и отличается ли оно от $\mu_{\pi}(s)$. Для этого мы сейчас придумаем, как можно записывать функционалы вида
 $$\E_{\Traj \sim \pi} \sum_{t \ge 0} \gamma^t f(s_t, a_t),$$
 где $f$ --- какая-то функция от пар состояние-действие, немного по-другому.