[论文解读] Euler-Frobenius numbers and rounding

Svante Janson|arXiv (Cornell University)|May 15, 2013

Mathematical functions and polynomials被引用 9

一句话总结

本文建立了欧拉-弗罗贝尼乌斯数与独立均匀随机变量之和的舍入之间的联系，表明⌊Sₙ + ρ⌋的分布（其中Sₙ为n个独立同分布的U[0,1]变量之和）服从欧拉-弗罗贝尼乌斯分布𝔈ₙ,₁₋ᵣ。核心结果为定理1.2，该定理通过概率生成函数将此舍入过程与归一化的欧拉-弗罗贝尼乌斯数联系起来，并揭示了其与样条理论及组合数学的深层联系。

ABSTRACT

We study the Euler-Frobenius numbers, a generalization of the Eulerian numbers, and the probability distribution obtained by normalizing them. This distribution can be obtained by rounding a sum of independent uniform random variables; this is more or less implicit in various results and we try to explain this and various connections to other areas of mathematics, such as spline theory. The mean, variance and (some) higher cumulants of the distribution are calculated. Asymptotic results are given. We include a couple of applications to rounding errors and election methods.

研究动机与目标

• 通过证明欧拉-弗罗贝尼乌斯数源于对独立同分布的[0,1]均匀随机变量之和的舍入，阐明其概率起源。
• 形式化并证明⌊Sₙ + ρ⌋的分布与欧拉-弗罗贝尼乌斯分布𝔈ₙ,₁₋ᵣ在ρ ∈ [0,1]时的关联。
• 探讨该关联在样条理论中的影响，包括B样条与指数样条，及其在插值问题中的作用。
• 计算并分析欧拉-弗罗贝尼乌斯分布的均值、方差及高阶累积量，并提供渐近近似。
• 展示该分布在线性舍入误差分析及选举制度中的配额分配方法中的应用。

提出的方法

• 本文通过递推公式(1.4)定义欧拉-弗罗贝尼乌斯数Aₙ,ₖ,ᵣ，并证明其在ρ ∈ [0,1]时非负，从而可归一化为概率分布。
• 引入随机变量𝔈ₙ,ᵣ，满足P(𝔈ₙ,ᵣ = k) = Aₙ,ₖ,ᵣ / n!，并推导其概率生成函数为Pₙ,ᵣ(x)/n!。
• 主要证明方法为：通过生成函数与欧拉-弗罗贝尼乌斯多项式性质，证明⌊Sₙ + ρ⌋（其中Sₙ = ∑Uᵢ且Uᵢ ∼ U[0,1]）的分布与欧拉-弗罗贝尼乌斯分布𝔈ₙ,₁₋ᵣ一致。
• 通过恒等式fₙ(x) = (1/n!) ∑ₖ Aₙ,ₖ,ₓ（x ∈ [0,1]）将B样条fₙ(x)（即Sₙ的概率密度函数）与欧拉-弗罗贝尼乌斯数联系起来，从而关联至样条基函数。
• 利用指数样条Φₙ(x;t) = ∑ₖ tᵏ fₙ₊₁(x−k)分析插值问题，表明Pₙ,₁₋ᵣ(t)的根决定了插值条件的零空间。
• 通过生成函数技术与已知的欧拉数型数的渐近展开，对分布的矩进行渐近分析。

实验结果

研究问题

• RQ1 对于ρ ∈ [0,1]，⌊Sₙ + ρ⌋的分布与欧拉-弗罗贝尼乌斯数有何关系？
• RQ2 欧拉-弗罗贝尼乌斯多项式与均匀随机变量之和的概率生成函数之间存在何种精确关联？
• RQ3 欧拉-弗罗贝尼乌斯数在样条理论中（特别是B样条与指数样条构造中）以何种方式自然出现？
• RQ4 欧拉-弗罗贝尼乌斯分布的矩及其渐近行为如何？其对参数ρ的依赖关系是怎样的？
• RQ5 欧拉-弗罗贝尼乌斯分布如何应用于建模舍入误差与选举制度中的配额分配方法？

主要发现

• 定理1.2表明，对于i.i.d.的U[0,1]变量U₁,…,Uₙ，⌊Sₙ + ρ⌋的分布恰好为欧拉-弗罗贝尼乌斯分布𝔈ₙ,₁₋ᵣ，且满足P(⌊Sₙ + ρ⌋ = k) = Aₙ,ₖ,₁₋ᵣ / n!。
• 欧拉-弗罗贝尼乌斯分布𝔈ₙ,ᵣ的均值为(n+1)ρ，方差为nρ(1−ρ)/3，该结果由生成函数与矩计算推导得出。
• n个i.i.d.的U[0,1]变量之和Sₙ的分布由B样条fₙ(x)给出，且在x ∈ [0,1]时满足fₙ(x) = (1/n!) ∑ₖ Aₙ,ₖ,ₓ，从而将欧拉-弗罗贝尼乌斯数与样条密度函数联系起来。
• 指数样条Φₙ(x;t)可表示为Φₙ(x;t) = (1/n!) Pₙ,₁₋ₓ(t⁻¹)，揭示了其参数化中的对偶性。
• Pₙ,₁₋ᵣ(t)的根为实数且为负数，且构成插值问题g(k+λ) = 0的零空间基，解释了其在样条插值中的作用。
• 渐近分析表明，当n → ∞时，欧拉-弗罗贝尼乌斯分布收敛于正态分布，其均值为(n+1)ρ，方差为nρ(1−ρ)/3，与中心极限定理一致。