[论文解读] Central Limit Theorems for Gaps of Generalized Zeckendorf Decompositions

Ray Li, Steven J. Miller|arXiv (Cornell University)|Jun 27, 2016

Advanced Mathematical Theories and Applications参考文献 11被引用 10

一句话总结

本文建立了在从 $[G_n, G_{n+1})$ 中抽取的整数的广义 Zeckendorf 分解中，大小为 $g$ 的间隙数量的中心极限定理，其中 ${ G_n \u007d$ 是一个正线性递推序列。证明了当 $n \to \infty$ 时，大小为 $g$ 的间隙数量的分布收敛于正态分布，其均值和方差均随 $n$ 线性增长，并为这些矩提供了具有正首项系数的显式渐近公式。

ABSTRACT

Zeckendorf proved that every integer can be written uniquely as a sum of non-adjacent Fibonacci numbers $\{1,2,3,5,\dots\}$. This has been extended to many other recurrence relations $\{G_n\}$ (with their own notion of a legal decomposition) and to proving that the distribution of the number of summands of an $M \in [G_n, G_{n+1})$ converges to a Gaussian as $n o\infty$. We prove that for any non-negative integer $g$ the average number of gaps of size $g$ in many generalized Zeckendorf decompositions is $C_μn+d_μ+o(1)$ for constants $C_μ> 0$ and $d_μ$ depending on $g$ and the recurrence, the variance of the number of gaps of size $g$ is similarly $C_σn + d_σ+ o(1)$ with $C_σ> 0$, and the number of gaps of size $g$ of an $M\in[G_n,G_{n+1})$ converges to a Gaussian as $n o\infty$. The proof is by analysis of an associated two-dimensional recurrence; we prove a general result on when such behavior converges to a Gaussian, and additionally re-derive other results in the literature.

研究动机与目标

• 建立在 $[G_n, G_{n+1})$ 中整数的广义 Zeckendorf 分解中，大小为 $g$ 的间隙数量的渐近分布。
• 证明当 $n \to \infty$ 时，大小为 $g$ 的间隙数量在分布上收敛于正态随机变量。
• 推导大小为 $g$ 的间隙数量的均值和方差的精确渐近公式，表明两者均随 $n$ 线性增长且首项系数为正。

提出的方法

• 分析控制 $[G_n, G_{n+1})$ 中具有给定 $g$ 大小间隙数的整数数量的二维递推关系，使用生成函数和递归分解技术。
• 应用关于带噪声的二维线性递推解的高斯行为的一般结果，在适当条件下建立收敛于正态性的结论。
• 基于递推序列 $\u007b G_n \u007d$ 的结构，推导出随机整数在 $[G_n, G_{n+1})$ 中恰好具有 $k$ 个大小为 $g$ 的间隙的概率 $p_{g,n,k}$ 的显式递推关系。
• 使用谱分析和生成函数方法求解递推关系，重点分析相关线性系统的主导特征值 $\lambda_1$。
• 通过重新推导已知的 Zeckendorf 分解中和项数量的结果作为一致性检验，验证了该方法在已知情况下的正确性。
• 通过分析主导特征向量和特征值结构，证明了均值和方差线性渐近展开中首项系数 $C_\mu > 0$ 和 $C_\sigma > 0$ 的正性。

实验结果

研究问题

• RQ1 在 $[G_n, G_{n+1})$ 中整数的广义 Zeckendorf 分解中，大小为 $g$ 的间隙数量是否在 $n \to \infty$ 时收敛于正态分布？
• RQ2 随着 $n$ 增大，大小为 $g$ 的间隙数量的均值和方差的渐近形式是什么？
• RQ3 对于所有有效的递推序列和间隙大小 $g$，均值和方差线性渐近展开中的首项系数 $C_\mu$ 和 $C_\sigma$ 是否严格为正？
• RQ4 用于间隙计数的方法是否可以扩展以重新推导已知的 Zeckendorf 分解中和项数量的结果？

主要发现

• 从 $[G_n, G_{n+1})$ 中随机选取的整数，其大小为 $g$ 的间隙数量在 $n \to \infty$ 时在分布上收敛于正态随机变量，满足中心极限定理。
• 大小为 $g$ 的间隙数量的期望值渐近为 $C_\mu n + d_\mu + o(1)$，其中 $C_\mu > 0$ 且 $d_\mu$ 是依赖于 $g$ 和递推序列的常数。
• 大小为 $g$ 的间隙数量的方差渐近为 $C_\sigma n + d_\sigma + o(1)$，且 $C_\sigma > 0$，证实了其线性增长。
• 对于所有非平凡的间隙大小 $g$ 和所有正线性递推序列，首项系数 $C_\mu$ 和 $C_\sigma$ 均严格为正，确保了退化行为的非退化性。
• 该方法成功地重新推导出了已知的 Zeckendorf 分解中和项数量的结果，验证了其通用性和正确性。
• 分析确认了控制间隙计数的二维递推关系导致高斯波动，将中心极限定理框架扩展到了间隙统计。