Probabilistic Method 4章 The Second Moment 分散を扱います. 4.1 BASICS 定義 分散 また,以下では u : 期待値 s2 : 分散 s : 標準偏差(分散の正の平方根) とすることが多い. チェビシェフの不等式 定理4.1.1[チェビシェフの不等式] 任意の正の数 に対し, (証明) □ 共分散 であるとき,varx は次式で計算される. ここで,cov はYとZの共分散であり, 次式で定義される. Y,Zが独立であるとき,covyz=0 である. 4.2 NUMBER THEORY second moment method を数論に用いる. nu(n): nを割り切る素数の数(重複は数えない) e.g. nu(12) = nu(2^2 * 3) = 2 定理4.2.1 \omega arbitrarily slowly のとき, をみたすx\in{1,…,n} の数はo(n). 定理 4.2.1 の証明の流れ 1. Nux に近い値をとる確率変数Xを定義 2. E[x]=s^2=\ln\ln n+O(1) , var[x]=s^2=\ln\ln n+O(1) を計算 3. チェビシェフの不等式 を利用 定理4.2.1 \omega arbitrarily slowly のとき, をみたすx\in{1,…,n} の数はo(n). 定理4.2.1 – 確率変数の定義 (証明)nux に近い値をとる確率変数Xを定義する. とし,以下のようにM,Xを定める. (10は適当な(大きな)定数) x<=nのMより大きい素因数は高々10個なので 以下では の代わりにXを用いて計算 定理4.2.1 – 期待値の計算 ( “well-known fact”である より) を用いた. 定理4.2.1 – 分散の計算(1) 定義より, まず, を計算する. 定理4.2.1 – 分散の計算(2) 次に, を計算する. 似たような計算により, 従って, 定理4.2.1 – チェビシェフの不等式 , チェビシェフの不等式 , より, に対して, また, が成り立つ. 定理4.2.1 \omega arbitrarily slowly のとき, をみたすx\in{1,…,n} の数はo(n). □ 定理 4.2.2 の証明の流れ 1. \nuに近い値をとる確率変数Xを定義 2. 中心極限定理を利用するため, Xを理想化した確率変数Yを定義 3. Yが正規分布に近づく 4. XがYに近づく 5. \nuも正規分布に近づく 定理4.2.2 が正または負または0のとき X~N(μ,σ)のとき 定理4.2.2 – 確率変数の定義 (証明)ν(x)に近い値をとる確率変数Xを定義 後の計算の都合から,M,s(n)を次のようにおく 但し, かつ 定理4.1.1の証明と同様に, 定理4.2.2 – 確率変数の理想化 Xは互いに独立でない確率変数の和 →中心極限定理が使えない そこで,独立な確率変数の和からなるように Xを理想化したYを定義 定理4.2.2 – 中心極限定理 Yは互いに独立な確率変数の和であるので, とすると,中心極限定理より はN(0,1)に近づき, 定理4.2.2 – モーメント(1) は係数 のXの多項式であり, を用いてさらに展開すると より 個の の形をした項が得られる. と であるので より . 定理4.2.2 – モーメント(2) 従って, の各モーメント が であるので, に近づき, さらに “a standard, though nontrivial, theorem in probability theory” により, はN(0,1)に近づく.よって となる. より .但し, □ 定理4.2.2 が正または負または0のとき
© Copyright 2024 ExpyDoc