Kac–Rice公式(Kac–Rice formula)とは、ランダムな関数 $X(t)$ が値 $u$ をとる点の個数の期待値を、$X(t)$ の密度 $p_t(u)$ と導関数の条件付き期待値 $E[|X'(t)|\mid X(t)=u]$ の積の積分で表す公式である。経路が $C^1$ 級で分散が正の Gauss 過程で成り立ち、定常な場合は区間 $[0,T]$ での水準 $u$ の上向き交差の期待個数が $\frac T{2\pi}\sqrt{\lambda_2/\lambda_0}\,e^{-u^2/(2\lambda_0)}$ になる(Rice の公式)。係数が独立な標準正規変数の $n$ 次多項式に当てると実根の個数の期待値の積分表示(Kac の公式)が得られ、その値は $\frac2\pi\log n$ に漸近する。
Kac–Rice公式(Kac–Rice formula)は、ランダムな関数 $X(t)$ が値 $u$ をとる点 $t$ の個数の期待値を、各時刻の $X(t)$ と導関数 $X'(t)$ の同時分布の積分で表す公式である。1 変数の滑らかな Gauss 過程では
$$
E\bigl[\#\{t\in[a,b]\mid X(t)=u\}\bigr]=\int_a^bE\bigl[\lvert X'(t)\rvert\bigm|X(t)=u\bigr]\,p_t(u)\,dt
$$
となる。$p_t$ は $X(t)$ の密度である。直観的には、$X$ が $u$ を通る瞬間の数を「$u$ の近くに居る時間」を速さ $\lvert X'\rvert$ で割って数えている。
定常な Gauss 過程に当てると、区間 $[0,T]$ で水準 $u$ を下から上へ横切る回数の期待値が $\frac T{2\pi}\sqrt{\lambda_2/\lambda_0}\,e^{-u^2/(2\lambda_0)}$($\lambda_0$、$\lambda_2$ は $X(t)$ と $X'(t)$ の分散)になる。これは S. O. Rice が通信の雑音の解析で得た公式である。係数が独立な標準正規変数の $n$ 次多項式に当てると、実根の個数の期待値の積分表示が得られ、それが $\frac2\pi\log n$ 程度であることがわかる。これは M. Kac(1943 年)による。
| 結果 | 内容 | 扱い |
|---|---|---|
| lem-kr-derivative | 導関数を含めた Gauss 性と共分散の連続性 | 証明 |
| lem-kr-tangent | 水準に接する点がないこと(Bulinskaya の補題) | 証明 |
| thm-kr-main | 1 変数の Kac–Rice 公式(主定理) | 証明 |
| cor-kr-rice | 定常な過程の Rice の公式 | 証明 |
| thm-kr-kac | 多項式の実根の個数の Kac の公式 | 証明 |
| thm-kr-log | 実根の個数の期待値の漸近形 | 証明 |
$J\subset\mathbb R$ を開区間とし、$X=(X(t))_{t\in J}$ を中心化された Gauss過程 で、確率 $1$ で経路 $t\mapsto X(t)$ が $C^1$ 級であるものとする。$u\in\mathbb R$ と区間 $I\subset J$ について
$$
N_u(I):=\#\{t\in I\mid X(t)=u\},\qquad U_u(I):=\#\{t\in I\mid X(t)=u,\ X'(t)>0\}
$$
とおく。$N_u$ は水準 $u$ の 交差数(解の個数)、$U_u$ は 上向き交差数 である(値は $\infty$ もとりうる)。
$t\in J$ について
$$
v(t):=E[X(t)^2],\qquad c(t):=E[X(t)X'(t)],\qquad w(t):=E[X'(t)^2]
$$
とおく(次の補題によりこれらは有限である)。$v(t)>0$ のとき
$$
p_t(u):=\frac1{\sqrt{2\pi v(t)}}e^{-u^2/(2v(t))},\qquad m_t(u):=\frac{c(t)}{v(t)}u,\qquad\sigma_t^2:=w(t)-\frac{c(t)^2}{v(t)}
$$
とおく。$p_t$ は $X(t)$ の密度であり、$X(t)=u$ のもとでの $X'(t)$ の条件付き分布は $N(m_t(u),\sigma_t^2)$ である(多変量正規分布 の条件付き分布)。以下、条件付き期待値を表す記号を明示式で定める:$G\sim N(0,1)$ について
$$
E\bigl[\lvert X'(t)\rvert\bigm|X(t)=u\bigr]:=E\lvert m_t(u)+\sigma_tG\rvert,\qquad E\bigl[X'(t)^+\bigm|X(t)=u\bigr]:=E\bigl[(m_t(u)+\sigma_tG)^+\bigr].
$$
ここで $y^+:=\max(y,0)$ である。
上の設定で、$(X(t),X'(t))_{t\in J}$ は中心化された Gauss 過程である(有限個の $X(t_i)$ と $X'(s_j)$ の 1 次結合はどれも正規分布に従う)。共分散 $E[X(s)X(t)]$、$E[X(s)X'(t)]$、$E[X'(s)X'(t)]$ は $(s,t)$ について連続である。さらに $X$ が定常($E[X(s)X(t)]$ が $t-s$ だけの関数)なら、$c(t)=0$ で、$w(t)$ は $t$ によらない。
極限の補題。 $V_k$ を $\mathbb R^d$ の中心化 Gauss ベクトルで、確率 $1$ で $V_k\to V$ とする。$a\in\mathbb R^d$ について $q_k:=E[(a\cdot V_k)^2]$ とおくと、優収束定理 から $e^{-s^2q_k/2}=E[e^{is\,a\cdot V_k}]\to E[e^{is\,a\cdot V}]=:\chi(s)$ である。$\chi$ は $s$ の連続関数で $\chi(0)=1$ である。$q_k$ が無限大に発散する部分列があれば $s\ne0$ で $\chi(s)=0$ となり連続性に反するので、$(q_k)$ は有界で、収束する部分列の極限 $q$ について $\chi(s)=e^{-s^2q/2}$ である。よって $q_k$ は収束し、$a\cdot V$ は $N(0,\lim q_k)$ に従う。偏極により $E[V_kV_k^{\mathsf T}]$ も収束し、極限が $V$ の共分散行列である。
Gauss 性。 $X'(s)=\lim_{h\to0}(X(s+h)-X(s))/h$(確率 $1$)なので、極限の補題から主張の 1 次結合は正規分布に従う。
連続性。 $(s_k,t_k)\to(s,t)$ なら、経路が $C^1$ 級なので $(X(s_k),X(t_k),X'(s_k),X'(t_k))\to(X(s),X(t),X'(s),X'(t))$(確率 $1$)であり、極限の補題から共分散も収束する。
定常な場合。 共分散 $r(h):=E[X(0)X(h)]$ が偶関数であることから、前進と後退の差分商の極限を比べて $c=-c$ を得る。
$E[X(0)X(h)]=E[X(-h)X(0)]$ なので $r$ は偶関数である。$h\to0$ で $(X(h)-X(0))/h$ と $(X(0)-X(-h))/h$ はともに確率 $1$ で $X'(0)$ に近づくので、極限の補題から $c(0)=\lim_{h\to0}\frac{r(h)-r(0)}h=\lim_{h\to0}\frac{r(0)-r(-h)}h=-\lim_{h\to0}\frac{r(h)-r(0)}h=-c(0)$ で、$c(0)=0$ である。平行移動で同じ議論をすれば $c(t)=0$ である。$X'(t)$ の分散は $\lim_{h\to0}2(r(0)-r(h))/h^2$ で、$t$ によらない。$\square$
定常な場合、$\lambda_0:=v(t)=r(0)$、$\lambda_2:=w(t)$ と書く。共分散 $r$ が $0$ で 2 回微分可能なら $\lambda_2=-r''(0)$ である。スペクトル測度 $\nu$(Bochnerの定理)では $\lambda_2=\int\xi^2\,\nu(d\xi)$ で、これを 2 次のスペクトル積率 という。
水準 $u$ に接する点($X(t)=u$ かつ $X'(t)=0$)があると、解の個数は経路を少し動かしただけで変わる。Gauss 過程ではそのような点は確率 $0$ でしか現れない。
$[a,b]\subset J$ とし、すべての $t\in[a,b]$ で $v(t)>0$ とする。$u\in\mathbb R$ について、確率 $1$ で、$X(t)=u$ かつ $X'(t)=0$ となる $t\in[a,b]$ は存在しない。
$v$ は連続なので $v_0:=\min_{[a,b]}v>0$ で、各 $X(s)$($s\in[a,b]$)の密度は $K:=(2\pi v_0)^{-1/2}$ 以下である。$\delta>0$ について、$X'$ の $[a,b]$ での連続度
$$
\omega(\delta):=\sup\{\lvert X'(r)-X'(r')\rvert\mid r,r'\in[a,b],\ \lvert r-r'\rvert\le\delta\}
$$
と、$[a,b]$ の中の格子点 $s_k:=a+k\delta$($0\le k\le(b-a)/\delta$)および $s_*:=b$ をとる。格子点は $(b-a)/\delta+2$ 個以下である。
ある $t_0\in[a,b]$ で $X(t_0)=u$、$X'(t_0)=0$ とする。$\lvert s-t_0\rvert\le\delta$ となる格子点 $s$ をとると
$$
\lvert X(s)-u\rvert=\Bigl\lvert\int_{t_0}^s\bigl(X'(r)-X'(t_0)\bigr)\,dr\Bigr\rvert\le\delta\,\omega(\delta)
$$
である。よって $\eta>0$ について、接する点があるという事象は
$$
\{\omega(\delta)>\eta\}\cup\bigcup_{\text{格子点 }s}\{\lvert X(s)-u\rvert\le\eta\delta\}
$$
に含まれ、その確率は $P(\omega(\delta)>\eta)+\bigl((b-a)/\delta+2\bigr)\cdot2\eta\delta K$ 以下である。$X'$ は $[a,b]$ で一様連続なので、$\delta\to0$ で $\omega(\delta)\to0$(確率 $1$)であり、第 1 項は $0$ に近づく。第 2 項は $2\eta K(b-a+2\delta)$ に近づく。$\eta>0$ は任意なので、確率は $0$ である。$\square$
$X$ を開区間 $J$ の上の中心化 Gauss 過程で、経路が確率 $1$ で $C^1$ 級であるものとし、$[a,b]\subset J$ の各点で $v(t)>0$ とする。このとき、すべての $u\in\mathbb R$ について
$$
E\bigl[N_u([a,b])\bigr]=\int_a^bE\bigl[\lvert X'(t)\rvert\bigm|X(t)=u\bigr]\,p_t(u)\,dt,\qquad E\bigl[U_u([a,b])\bigr]=\int_a^bE\bigl[X'(t)^+\bigm|X(t)=u\bigr]\,p_t(u)\,dt
$$
である。右辺の被積分関数は $t$ について連続で、両辺は有限である。とくに $u=0$ では
$$
E\bigl[N_0([a,b])\bigr]=\frac1\pi\int_a^b\frac{\sqrt{v(t)w(t)-c(t)^2}}{v(t)}\,dt
$$
である。
$L:=b-a$、$n\ge1$ について $h_n:=L2^{-n}$、$t_k:=a+kh_n$($0\le k\le2^n$)とおき、
$$
C_n:=\#\{k< 2^n\mid(X(t_k)-u)(X(t_{k+1})-u)< 0\},\qquad C_n^+:=\#\{k< 2^n\mid X(t_k)< u< X(t_{k+1})\}
$$
とおく。$\theta^+(t):=E[X'(t)^+\mid X(t)=u]\,p_t(u)$、$\theta(t):=E[\lvert X'(t)\rvert\mid X(t)=u]\,p_t(u)$ と書く。
段 1:格子による数え上げ。 $\Omega_0$ を、すべての $n$ のすべての格子点 $s$ で $X(s)\ne u$ であり、かつ $[a,b]$ に接する点($X=u$、$X'=0$)がないという事象とする。格子点は可算個で、各 $X(s)$ は密度をもつので、lem-kr-tangent と合わせて $P(\Omega_0)=1$ である。以下 $\Omega_0$ の上で考える。
(i) $X-u$ の $[a,b]$ の零点は有限個で、すべて $(a,b)$ にある。実際、無限個あれば集積点 $t^*$ があり、連続性から $X(t^*)=u$ で、隣り合う零点の間に Rolleの定理 で $X'$ の零点がとれ、それらも $t^*$ に集積するので $X'(t^*)=0$ となり、接する点がないことに反する。端点は格子点なので零点でない。各零点 $t_i$ で $X'(t_i)\ne0$ なので、$X-u$ は $t_i$ で符号を変える。
(ii) $C_n\le N_u([a,b])$ である。符号の変わる小区間 $(t_k,t_{k+1})$ には 中間値の定理 で零点があり、小区間どうしは交わらない。また $C_n^+\le U_u([a,b])$ である。$X(t_k)< u< X(t_{k+1})$ の小区間の中の最後の零点 $t'$ では、その右で $X-u>0$ で、$t'$ で符号が変わるので $X'(t')>0$ である。
(iii) $C_n\le C_{n+1}$、$C_n^+\le C_{n+1}^+$ である。小区間を 2 等分したとき、両端の符号が異なれば、どちらかの半分の両端の符号も異なる(両端が $-,+$ なら、$-,+$ の順の半分がある)からである。
(iv) $n$ が大きければ $C_n\ge N_u$、$C_n^+\ge U_u$ である。$r>0$ を、零点どうしの距離の半分より小さく、各零点 $t_i$ の近く $[t_i-r,t_i+r]$ で $X'$ の符号が一定になるようにとる。$h_n< r$ なら $t_i$ を含む小区間はこの範囲にあり、そこで $X-u$ は狭義単調なので、両端の符号が異なり、$X'(t_i)>0$ なら $-,+$ の順である。異なる零点は異なる小区間に入る。
以上から、確率 $1$ で $C_n\uparrow N_u([a,b])$、$C_n^+\uparrow U_u([a,b])$ であり、単調収束定理 により $E[N_u([a,b])]=\lim_nE[C_n]$、$E[U_u([a,b])]=\lim_nE[C_n^+]$ である。
段 2:1 つの小区間の確率。 $h_1>0$ を $[a,b+h_1]\subset J$ ととる。$t\in[a,b]$、$0< h\le h_1$ について $\xi:=X(t)$、$D:=(X(t+h)-X(t))/h=\int_0^1X'(t+\vartheta h)\,d\vartheta$ とおく。lem-kr-derivative と Fubini の定理(共分散は有界閉集合の上で有界)から
$$
c_h(t):=E[\xi D]=\int_0^1E[X(t)X'(t+\vartheta h)]\,d\vartheta,\qquad w_h(t):=E[D^2]=\int_0^1\!\!\int_0^1E[X'(t+\vartheta h)X'(t+\vartheta'h)]\,d\vartheta\,d\vartheta'
$$
であり、$c_0:=c$、$w_0:=w$ とおくと、$c_h(t)$、$w_h(t)$ は $[a,b]\times[0,h_1]$ で連続である。$\alpha:=c_h/v$、$s^2:=w_h-c_h^2/v\ge0$ とおくと、$D-\alpha\xi$ は $\xi$ と無相関な Gauss 変数なので独立で(多変量正規分布)、$(\xi,D)$ は $(\xi,\alpha\xi+sG)$($G\sim N(0,1)$ は $\xi$ と独立)と同じ分布をもつ。$\lvert\alpha\rvert h\le1/2$ なら
$$
\{\xi< u< \xi+hD\}=\Bigl\{\frac{u-hsG}{1+\alpha h}< \xi< u\Bigr\}
$$
で、$\xi=u-hy$ と置き換えると
$$
\frac1hP\bigl(X(t)< u< X(t+h)\bigr)=E\int_0^\infty p^{(v)}(u-hy)\,\mathbf 1\Bigl\{y< \frac{\alpha u+sG}{1+\alpha h}\Bigr\}\,dy=:\Psi(v,\alpha,s,h)
$$
である。$p^{(v)}$ は $N(0,v)$ の密度である。右辺は $h=0$ でも意味をもち、$\Psi(v,\alpha,s,0)=p^{(v)}(u)\,E[(\alpha u+sG)^+]$ である。
$v\in[v_0,v_1]$($v_0>0$)、$\lvert\alpha\rvert\le A$、$0\le s\le S$、$0\le h\le1/(2A)$ の範囲で、被積分関数はパラメータについて $y=(\alpha u+sG)/(1+\alpha h)$ の外で連続で、$(2\pi v_0)^{-1/2}\mathbf 1\{0< y< 2(A\lvert u\rvert+S\lvert G\rvert)\}$ で抑えられるので、優収束定理 により $\Psi$ はこの有界閉集合の上で連続である。よって
$$
Q^+(t,h):=\Psi\bigl(v(t),c_h(t)/v(t),s_h(t),h\bigr)
$$
は $[a,b]\times[0,h_2]$($h_2>0$ は小さくとる)で連続、したがって一様連続で、$h>0$ では $P(X(t)< u< X(t+h))/h$ に等しく、$h=0$ では $\theta^+(t)$ に等しい。下向きの変化 $P(X(t+h)< u< X(t))$ は、$-X$ の水準 $-u$ の上向きの変化なので、同じ議論で $Q^-(t,h)$ が得られ、$Q^-(t,0)=p_t(u)E[(m_t(u)+\sigma_tG)^-]$ である($-X$ では $c$ は変わらず、$m$ の符号が変わる)。$y^++y^-=\lvert y\rvert$ なので $Q^+(t,0)+Q^-(t,0)=\theta(t)$ である。
段 3:Riemann 和。 $\varepsilon>0$ について、一様連続性から $h\le h(\varepsilon)$ なら $\lvert Q^\pm(t,h)-Q^\pm(t,0)\rvert\le\varepsilon$ がすべての $t$ で成り立つ。$h_n\le h(\varepsilon)$ のとき
$$
\Bigl\lvert E[C_n^+]-\sum_kh_n\theta^+(t_k)\Bigr\rvert=\Bigl\lvert\sum_kh_n\bigl(Q^+(t_k,h_n)-Q^+(t_k,0)\bigr)\Bigr\rvert\le L\varepsilon
$$
である。$\theta^+$ は連続なので Riemann和 は $\int_a^b\theta^+\,dt$ に収束し、$E[C_n^+]\to\int_a^b\theta^+\,dt$ である。$E[C_n]=\sum_kh_n(Q^++Q^-)(t_k,h_n)$ も同様に $\int_a^b\theta\,dt$ に収束する。段 1 と合わせて結論を得る。$u=0$ の式は $E\lvert\sigma G\rvert=\sigma\sqrt{2/\pi}$ と $p_t(0)=(2\pi v)^{-1/2}$ による。$\square$
証明の段 1 の (ii)・(iii) は経路の連続性と格子点での値が $u$ でないことしか使っていない。したがって、経路が連続なだけの Gauss 過程でも $E[N_u]\ge\lim_nE[C_n]$ が成り立ち、交差数の期待値が無限大になることの判定に使える(節「反例:仮定を外すと成り立たないこと」)。
$X=(X(t))_{t\in\mathbb R}$ を中心化された定常 Gauss 過程で、経路が確率 $1$ で $C^1$ 級のものとし、$\lambda_0=E[X(0)^2]>0$、$\lambda_2=E[X'(0)^2]$ とする。$T>0$、$u\in\mathbb R$ について
$$
E\bigl[U_u([0,T])\bigr]=\frac T{2\pi}\sqrt{\frac{\lambda_2}{\lambda_0}}\,e^{-u^2/(2\lambda_0)},\qquad E\bigl[N_u([0,T])\bigr]=\frac T\pi\sqrt{\frac{\lambda_2}{\lambda_0}}\,e^{-u^2/(2\lambda_0)}
$$
である。
lem-kr-derivative により $c=0$、$v=\lambda_0$、$w=\lambda_2$ なので、$m_t(u)=0$、$\sigma_t=\sqrt{\lambda_2}$ である。$E[(\sigma G)^+]=\sigma/\sqrt{2\pi}$、$E\lvert\sigma G\rvert=2\sigma/\sqrt{2\pi}$ を thm-kr-main に代入すると、被積分関数は $t$ によらず
$$
\frac{\sqrt{\lambda_2}}{\sqrt{2\pi}}\cdot\frac{e^{-u^2/(2\lambda_0)}}{\sqrt{2\pi\lambda_0}}=\frac1{2\pi}\sqrt{\frac{\lambda_2}{\lambda_0}}\,e^{-u^2/(2\lambda_0)}
$$
とその 2 倍になる。$\square$
$\xi,\eta$ を独立な標準正規変数とし、$X(t):=\xi\cos t+\eta\sin t$ とする。$E[X(s)X(t)]=\cos(t-s)$ なので $X$ は定常で、$\lambda_0=\lambda_2=1$ である。cor-kr-rice から $E[U_u([0,T])]=\frac T{2\pi}e^{-u^2/2}$ である。$X(t)=R\cos(t-\Theta)$ と振幅と位相に分けると、これは直接にも確かめられる。
$R=\sqrt{\xi^2+\eta^2}$、$\Theta$ を偏角とすると、$(\xi,\eta)$ の回転不変性から $\Theta$ は $[0,2\pi)$ の一様分布で $R$ と独立であり、$P(R>r)=e^{-r^2/2}$ である。$R>\lvert u\rvert$ なら $X$ は 1 周期 $2\pi$ ごとにちょうど 1 回 $u$ を上向きに横切り、$R< \lvert u\rvert$ なら横切らない。位相が一様なので、上向き交差の個数の期待値は $\frac T{2\pi}P(R>\lvert u\rvert)=\frac T{2\pi}e^{-u^2/2}$ である。
$n\ge1$ とし、$\xi_0,\dots,\xi_n$ を独立な標準正規変数として、ランダムな多項式 $f_n(x):=\sum_{k=0}^n\xi_kx^k$ を考える。
$$
A(x):=\sum_{k=0}^nx^{2k},\qquad B(x):=\sum_{k=1}^nkx^{2k-1},\qquad C(x):=\sum_{k=1}^nk^2x^{2k-2}
$$
とおくと、$f_n$ は $\mathbb R$ の上の中心化 Gauss 過程で、$v=A$、$c=B$、$w=C$ である($E[\xi_k\xi_l]=\delta_{kl}$ による)。
$f_n$ の実根の個数の期待値 $E_n:=E[\#\{x\in\mathbb R\mid f_n(x)=0\}]$ は
$$
E_n=\frac1\pi\int_{-\infty}^\infty\frac{\sqrt{A(x)C(x)-B(x)^2}}{A(x)}\,dx=\frac4\pi\int_0^1\sqrt{\frac1{(1-x^2)^2}-\frac{(n+1)^2x^{2n}}{(1-x^{2n+2})^2}}\,dx
$$
である。
$A\ge1>0$ で、経路は多項式なので thm-kr-main の $u=0$ の式が任意の $[a,b]$ で使える。$f_n$ は確率 $1$ で恒等的に $0$ でないので根は有限個で、$\#\{x\in[-R,R]\mid f_n(x)=0\}\uparrow\#\{x\in\mathbb R\mid f_n(x)=0\}$($R\to\infty$)だから、単調収束定理 により第 1 の等号を得る。
閉じた形。 $K(x,y):=\sum_{k=0}^n(xy)^k$ とおくと $K(x,x)=A$、$\partial_xK(x,y)|_{y=x}=\partial_yK(x,y)|_{y=x}=B$、$\partial_x\partial_yK(x,y)|_{y=x}=C$ なので
$$
\frac{AC-B^2}{A^2}=\frac{\partial^2}{\partial x\,\partial y}\log K(x,y)\Big|_{y=x}
$$
である。$xy\ne1$ では $\log K=\log(1-(xy)^{n+1})-\log(1-xy)$ で、これを微分して $y=x$ とおくと第 2 の式の被積分関数(の 2 乗)になる。
$z:=xy$ の関数 $g$ について $\partial_x\partial_y\,g(xy)=g'(z)+zg''(z)$ である。$g=-\log(1-z)$ では $g'+zg''=(1-z)^{-2}$ である。$g=\log(1-z^m)$($m=n+1$)では $g'+zg''=-\frac{mz^{m-1}}{1-z^m}-\frac{m(m-1)z^{m-1}}{1-z^m}-\frac{m^2z^{2m-1}}{(1-z^m)^2}=-\frac{m^2z^{m-1}}{(1-z^m)^2}$ である。$z=x^2$ を代入する。
$n\to\infty$ で
$$
E_n=\frac2\pi\log n+O(\log\log n)
$$
である。
$\rho_n(x)^2:=(AC-B^2)/A^2$($0\le x< 1$)とおき、$I_n:=\int_0^1\rho_n\,dx=\frac\pi4E_n$ を評価する。閉じた形から
$$
\rho_n(x)^2=\frac{1-r_n(x)}{(1-x^2)^2},\qquad r_n(x):=\frac{(n+1)^2x^{2n}(1-x^2)^2}{(1-x^{2n+2})^2}\ge0
$$
である。要点は、$1-x\ge(\log n)/n$ では $r_n$ が $O((\log n)^2/n^2)$ と小さく $\rho_n\approx(1-x^2)^{-1}$ であり、$\int_0^{1-\delta}(1-x^2)^{-1}dx=\frac12\log\frac{2-\delta}\delta$ が $\frac12\log n$ を与えることである。
上からの評価。 $r_n\ge0$ から $\rho_n\le(1-x^2)^{-1}$ である。また $C=\sum_{k\ge1}k^2x^{2k-2}\le n^2\sum_{j=0}^{n-1}x^{2j}\le n^2A$ なので $\rho_n\le\sqrt{C/A}\le n$ である。$[0,1-1/n]$ では前者、$[1-1/n,1)$ では後者を使うと $I_n\le\int_0^{1-1/n}\frac{dx}{1-x^2}+1=\frac12\log(2n-1)+1\le\frac12\log n+\frac12\log2+1$ である。
下からの評価。 $n\ge4$ とし、$\delta_n:=(\log n)/n$ とおく($\delta_n\ge1/n$。下の $\varepsilon_n$ は $1$ より小さい)。$x\in[0,1-\delta_n]$ について $s:=1-x\ge\delta_n$ とすると、$x^{2n}\le e^{-2ns}\le n^{-2}$、$1-x^{2n+2}\ge1-x^{2n}\ge8/9$、$(1-x^2)^2\le4s^2$ である。$s\mapsto s^2e^{-2ns}$ は $s\ge1/n$ で減少するので、$r_n(x)\le\frac{81}{64}\cdot4(n+1)^2\delta_n^2e^{-2n\delta_n}=\frac{81}{16}\cdot\frac{(n+1)^2(\log n)^2}{n^4}=:\varepsilon_n$ である。よって $[0,1-\delta_n]$ で $\rho_n\ge\sqrt{1-\varepsilon_n}\,(1-x^2)^{-1}$ であり、$I_n\ge\sqrt{1-\varepsilon_n}\cdot\frac12\log\frac{2-\delta_n}{\delta_n}\ge\sqrt{1-\varepsilon_n}\cdot\frac12(\log n-\log\log n)$ である。
$\varepsilon_n\log n\to0$ なので $I_n=\frac12\log n+O(\log\log n)$ で、$E_n=\frac4\pi I_n$ から結論を得る。$\square$
A. Edelman と E. Kostlan は、$E_n=\frac2\pi\log n+C_1+\frac2{n\pi}+O(1/n^2)$、$C_1=0.6257358072\ldots$ を示した(EK95 Theorem 2.2, p. 8)。彼らは $E_n$ を、モーメント曲線 $(1,t,\dots,t^n)$ を単位球面に射影した曲線の長さの $1/\pi$ 倍として求めている(同 Theorem 2.1, p. 6)。$\rho_n$ はこの曲線の速さであり、thm-kr-kac の証明の $\partial_x\partial_y\log K$ の式は彼らの論法と同じである。係数が一般の中心化 Gauss ベクトルの場合(同 Theorem 3.1, p. 10)や、$m$ 変数の $m$ 個の方程式の連立の場合(同 Theorem 7.1, p. 27)にも、同じ形の積分表示がある。
$E_1=1$(1 次式は必ず 1 つの実根をもつ)、$E_2=1.2970\ldots$、$E_{10}=2.1502\ldots$ である。$n\to\infty$ で実根は $x=\pm1$ の近くに集まる(EK95 p. 8)。
| 主張 | 外す仮定 | 反例 | 成り立たなくなること |
|---|---|---|---|
| thm-kr-main・cor-kr-rice | 経路が $C^1$ 級 | 共分散 $e^{-\lvert t-s\rvert}$ の定常な Ornstein–Uhlenbeck過程 | $E[N_0([0,T])]=\infty$ |
| cor-kr-rice | Gauss 性 | $X(t)=\cos(t-\Theta)$($\Theta$ は $[0,2\pi)$ の一様分布) | $0< \lvert u\rvert< 1$ で $E[N_u([0,T])]=T/\pi$ だが、公式の値は $\frac T\pi e^{-u^2}$ |
| thm-kr-main | $v(t)>0$ | $[-1,1]$ の上の $X(t)=\xi t$($\xi\sim N(0,1)$) | $N_0([-1,1])=1$(確率 $1$)だが、右辺は $0$ |
| thm-kr-kac | 係数の Gauss 性 | $n=2$、係数が独立に $\pm1$ を確率 $1/2$ ずつとる | 実根の個数の期待値は $1$ だが、公式の値は $E_2=1.2970\ldots$ |
第 1 行:連続な経路の過程として実現し(Ornstein–Uhlenbeck過程 の定理「不変分布」)、prf-kr-main の段 1 の (ii) を使う。相関 $\rho$ の標準 2 変量正規 $(X,Y)$ では $P(XY< 0)=\frac1\pi\arccos\rho$ である。
$X=G_1$、$Y=\cos\varphi\,G_1+\sin\varphi\,G_2$($\varphi=\arccos\rho$、$G_1,G_2$ は独立な標準正規)と書き、$(G_1,G_2)=R(\cos\Theta,\sin\Theta)$ とすると $\Theta$ は一様で、$XY< 0$ は $\cos\Theta\cos(\Theta-\varphi)< 0$、すなわち長さ $2\varphi$ の角の範囲である。よって確率は $\varphi/\pi$ である。$h_n=T2^{-n}$ の格子で $E[C_n]=\frac T{h_n}\cdot\frac1\pi\arccos(e^{-h_n})$ で、$\arccos(e^{-h})\sim\sqrt{2h}$($h\to0$)なので $E[C_n]\to\infty$ であり、$C_n\le N_0([0,T])$ から $E[N_0([0,T])]=\infty$ である。
第 2 行:$X$ は定常で $C^1$ 級、$\lambda_0=\lambda_2=1/2$ である。$\lvert u\rvert< 1$ なら $\cos$ は 1 周期に 2 回 $u$ をとり、位相が一様なので期待値は $T/\pi$ である。$\lvert u\rvert>1$ では $0$ である。どちらも $\frac T\pi e^{-u^2}$ と($u=0$ を除いて)異なる。
第 3 行:$v(0)=0$ である。$t\ne0$ では $c(t)=t$、$w=1$ で $\sigma_t^2=1-t^2/t^2=0$、$m_t(0)=0$ なので被積分関数は $0$ である。
第 4 行:$\xi_0\xi_2=-1$ なら判別式は $5>0$ で実根 2 つ、$\xi_0\xi_2=1$ なら $-3< 0$ で実根はない。どちらも確率 $1/2$ である。
交差数の期待値の公式は S. O. Rice(1939 年・1945 年)に、多項式の実根の公式と $\frac2\pi\log n$ の漸近形は M. Kac(1943 年)による(Kac については EK95 pp. 2, 8 と文献表、Rice の仕事については同 p. 19 と文献表)。thm-kr-main の証明(格子での符号の変化の単調な近似、lem-kr-tangent による接点の排除、小区間の確率の一様な極限)はこの記事で書き下ろしたものである。thm-kr-kac の閉じた形は EK95 Theorem 2.1(p. 6)の Method II と同じ計算で、thm-kr-log の評価はこの記事のものである(EK95 Theorem 2.2 はより精密な形を別の方法で与える)。多次元でも同じ型の積分表示があり、rem-kr-ek の連立方程式の場合はその例である。
Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する