逆正弦法則(arcsine law)とは、公平なランダムウォークや Brown 運動について、正の側にいる時間の割合、最後に $0$ にいた時刻、最大値をとる時刻が、密度 $1/(\pi\sqrt{x(1-x)})$、分布関数 $\frac2\pi\arcsin\sqrt x$ の逆正弦分布に従う(または近づく)という主張の総称である。単純ランダムウォークの $2n$ 歩で正の側にいる時間が $2k$ になる確率は、$2k$ 歩目と $2n-2k$ 歩目に原点にいる確率の積に等しい。このため、リードしている時間の割合は $\frac12$ に集まらず、両端の $0$ と $1$ の近くになりやすい。
公平な硬貨で 2 人が 1 点ずつやりとりする勝負を $20$ 回続ける。勝負の間に一方がリードしている時間の割合は、ふつう半分くらいだと予想したくなる。ところが実際には、割合がちょうど半分になる確率は最も小さく、一方がずっとリードしている(割合が $0$ か $1$)確率が最も大きい。回数を増やしても割合は $\frac12$ に集まらず、密度
$$
\frac1{\pi\sqrt{x(1-x)}}\qquad(0< x< 1)
$$
の分布に近づく。この分布の分布関数は $\frac2\pi\arcsin\sqrt x$ なので 逆正弦分布(arcsine distribution)と呼ばれ、ランダムウォークや Brown運動 のいくつかの量がこの分布に従う(または近づく)という主張をまとめて 逆正弦法則(arcsine law)という。
代表的なものは次の 3 つである。$[0,1]$ の上の標準 Brown 運動 $B$ について、(1) 最後に $0$ にいた時刻、(2) $B>0$ である時間の長さ、(3) 最大値をとる時刻は、どれも逆正弦分布に従う。この記事では、逆正弦分布の性質を示し、主定理として、単純ランダムウォークが正の側にいる時間の正確な分布(離散の逆正弦法則)を証明する。そこから極限の法則を導き、Brown 運動については (3) を証明する。(1) と (2) は既存の記事の証明を案内する。
区間 $[0,1]$ の上の確率分布で、密度
$$
g(t)=\frac1{\pi\sqrt{t(1-t)}}\qquad(0< t< 1)
$$
をもつものを 逆正弦分布 という。分布関数は
$$
G(x)=\frac2\pi\arcsin\sqrt x\qquad(0\le x\le1)
$$
である。
$G'(x)=\frac2\pi\cdot\frac1{\sqrt{1-x}}\cdot\frac1{2\sqrt x}=g(x)$、$G(0)=0$、$G(1)=\frac2\pi\cdot\frac\pi2=1$ なので、$g$ は確率密度で $G$ がその分布関数である。ベータ分布 の例「逆正弦分布」のとおり、これは $\mathrm{Beta}(\frac12,\frac12)$ と同じである。
$A$ を逆正弦分布に従う確率変数とする。
要点:$\sin^2\Theta\le x$ となる偏角の集合の長さを測り、積率は $\sin\theta$ を指数関数で書いて定数項を拾う。
1:$g(1-t)=g(t)$ による。
2:$0< x< 1$ とし $c:=\sqrt x$ とおく。$\{\theta\in[0,2\pi)\mid\lvert\sin\theta\rvert\le c\}$ は $[0,\arcsin c]$、$[\pi-\arcsin c,\pi+\arcsin c]$、$[2\pi-\arcsin c,2\pi)$ の和で、長さは $4\arcsin c$ である。よって $\Pr(\sin^2\Theta\le x)=\frac{4\arcsin\sqrt x}{2\pi}=G(x)$ である。$\Theta+\frac\pi2$($2\pi$ を法として)も一様分布に従うので、$\cos^2\Theta$ も同じである。$(Z_1,Z_2)$ の密度 $\frac1{2\pi}e^{-(z_1^2+z_2^2)/2}$ を極座標 $(R\cos\Theta,R\sin\Theta)$ で書くと $\frac1{2\pi}e^{-r^2/2}r\,dr\,d\theta$ となり、$\Theta$ は $[0,2\pi)$ の一様分布に従う。$Z_2^2/(Z_1^2+Z_2^2)=\sin^2\Theta$ なので主張が従う。
3:2 により $\mathrm E[A^k]=\frac1{2\pi}\int_0^{2\pi}\sin^{2k}\theta\,d\theta$ である。$\sin\theta=(e^{i\theta}-e^{-i\theta})/(2i)$ を $2k$ 乗して展開すると、$\int_0^{2\pi}e^{im\theta}\,d\theta$ は $m=0$ のときだけ $2\pi$ で他は $0$ なので、$e^{i\theta}$ と $e^{-i\theta}$ を $k$ 個ずつ選ぶ項だけが残り、$\mathrm E[A^k]=\binom{2k}k(-1)^k/(2i)^{2k}=\binom{2k}k/4^k$ である。$\square$
性質 3 の値 $\binom{2k}k/4^k$ は、単純ランダムウォークが $2k$ 歩目に原点にいる確率 $u_{2k}$ と同じである。この一致は偶然ではなく、次の節の離散の法則と結びついている。$\Theta$ の代わりに $2\cos\Theta$ を見ると $[-2,2]$ の上の分布になり、自由確率論 に現れる逆正弦分布はこれである。
ここで $(S_k)$ は単純ランダムウォーク($\pm1$ を確率 $\frac12$ ずつ独立にとる歩みの和、$S_0=0$)、$u_{2m}:=\Pr(S_{2m}=0)=\binom{2m}m/4^m$ である。
| 量 | 離散($2n$ 歩) | 極限 | 根拠 |
|---|---|---|---|
| 最後に原点にいた時刻 $L_{2n}$ | $\Pr(L_{2n}=2k)=u_{2k}u_{2n-2k}$ | $L_{2n}/2n\to$ 逆正弦分布 | ランダムウォークの最後の原点、thm-al-limit |
| 正の側にいる時間 $\Pi_{2n}$ | $\Pr(\Pi_{2n}=2k)=u_{2k}u_{2n-2k}$ | $\Pi_{2n}/2n\to$ 逆正弦分布 | thm-al-discrete、thm-al-limit |
| Brown 運動の最後の零点 | — | 逆正弦分布 | 反射原理(Brown運動) |
| Brown 運動が正である時間 | — | 逆正弦分布 | Donskerの定理、Feynman–Kacの公式 |
| Brown 運動が最大値をとる時刻 | — | 逆正弦分布 | thm-al-argmax |
| 逆正弦分布の積率 | — | $\mathrm E[A^k]=\binom{2k}k/4^k$ | prop-al-dist |
$X_1,X_2,\ldots$ を独立で $\Pr(X_i=1)=\Pr(X_i=-1)=\frac12$ とし、$S_0=0$、$S_k=X_1+\cdots+X_k$ とする。$T:=\min\{k\ge1\mid S_k=0\}$ を初めて原点に戻る時刻とし、$f_{2r}:=\Pr(T=2r)$ とおく。次の 2 つの事実は既存の記事で証明されている。
$n\ge1$ とする。$1\le i\le2n$ のうち $S_{i-1}+S_i>0$ となる $i$ の個数を $\Pi_{2n}$ と書く。
$S_{i-1}$ と $S_i$ は $1$ だけ違うので両方が $0$ になることはなく、$S_{i-1}+S_i>0$ は「$S_{i-1}\ge0$ かつ $S_i\ge0$」と同じである。つまり $\Pi_{2n}$ は、折れ線 $(i-1,S_{i-1})$–$(i,S_i)$ のうち横軸より上にある線分の数で、歩みが正の側にいた時間を表す。原点に戻るまでの一続きの部分(長さは偶数)はどれも片側にあり、最後に原点にいた時刻から $2n$ までの部分も長さが偶数で片側にあるので、$\Pi_{2n}$ はいつも偶数である。
$n\ge1$ について $\Pr(S_1\ge0,\ldots,S_{2n}\ge0)=u_{2n}$ である。
$(X_i)$ を $(-X_i)$ に替えても分布は変わらないので、引用した事実から $\Pr(S_1>0,\ldots,S_{2n}>0)=\frac12u_{2n}$ である。左辺の事象は $X_1=1$ と、$S'_j:=S_{j+1}-1=X_2+\cdots+X_{j+1}$ について「$S'_1\ge0,\ldots,S'_{2n-1}\ge0$」との共通部分である。後者は $X_2,\ldots,X_{2n}$ で決まり $X_1$ と独立なので、$\frac12u_{2n}=\frac12\Pr(S'_1\ge0,\ldots,S'_{2n-1}\ge0)$ である。$2n-1$ は奇数なので $S'_{2n-1}$ も奇数で、$S'_{2n-1}\ge0$ なら $S'_{2n-1}\ge1$、したがって次の 1 歩がどちらでも $S'_{2n}\ge0$ である。よって $\Pr(S'_1\ge0,\ldots,S'_{2n-1}\ge0)=\Pr(S'_1\ge0,\ldots,S'_{2n}\ge0)$ で、$(S'_j)$ は $(S_j)$ と同じ分布をもつから、これは $\Pr(S_1\ge0,\ldots,S_{2n}\ge0)$ に等しい。$\square$
$m\ge1$ について $u_{2m}=\sum_{r=1}^mf_{2r}\,u_{2m-2r}$ である($u_0=1$)。
$S_{2m}=0$ なら $T\le2m$ なので、$u_{2m}=\sum_{r=1}^m\Pr(T=2r,\ S_{2m}=0)$ である。$T=2r$ なら $S_{2r}=0$ で、$S_{2m}=X_{2r+1}+\cdots+X_{2m}$ である。事象 $\{T=2r\}$ は $X_1,\ldots,X_{2r}$ で決まり、$X_{2r+1}+\cdots+X_{2m}$ はそれと独立で $S_{2m-2r}$ と同じ分布をもつ。よって $\Pr(T=2r,\ S_{2m}=0)=f_{2r}u_{2m-2r}$ である。$\square$
$n\ge1$、$0\le k\le n$ について
$$
\Pr(\Pi_{2n}=2k)=u_{2k}\,u_{2n-2k}
$$
である。
$\beta_{2k,2n}:=\Pr(\Pi_{2n}=2k)$ とおき、$n$ についての帰納法で示す。$\Pi_0:=0$ と約束すると $\beta_{0,0}=1=u_0u_0$ である。
両端 $k=n$ と $k=0$。 定義のあとの注意により、$\Pi_{2n}=2n$ は「$S_1\ge0,\ldots,S_{2n}\ge0$」と同じなので、lem-al-nonneg から $\beta_{2n,2n}=u_{2n}=u_{2n}u_0$ である。$(X_i)$ を $(-X_i)$ に替えると、$\Pi_{2n}=0$ は「$S_1\le0,\ldots,S_{2n}\le0$」になり、これも確率 $u_{2n}$ をもつ。よって $\beta_{0,2n}=u_0u_{2n}$ である。これで $n=1$ の場合はすべて示された。
中間 $1\le k\le n-1$。 $n\ge2$ とし、$2n$ より短い長さではすべての $k$ について主張が成り立つと仮定する。$T>2n$ なら $S_1,\ldots,S_{2n}$ はすべて同じ符号なので $\Pi_{2n}\in\{0,2n\}$ である。したがって $\{\Pi_{2n}=2k\}$ は $T=2r$($1\le r\le n$)の場合に分かれ、さらに $S_1=1$ と $S_1=-1$ に分かれる。
$T=2r$、$S_1=1$ なら、はじめの $2r$ 本の線分はすべて上にある。$S'_j:=S_{2r+j}$($0\le j\le2n-2r$)は $X_{2r+1},\ldots,X_{2n}$ の和で、$\{T=2r,\ S_1=1\}$ と独立な、長さ $2n-2r$ の単純ランダムウォークである。その正の側の時間を $\Pi'_{2n-2r}$ とすると $\Pi_{2n}=2r+\Pi'_{2n-2r}$ である。$S_1=-1$ なら $\Pi_{2n}=\Pi'_{2n-2r}$ である。対称性から $\Pr(T=2r,\ S_1=1)=\Pr(T=2r,\ S_1=-1)=\frac12f_{2r}$ なので、
$$
\beta_{2k,2n}=\frac12\sum_{r=1}^nf_{2r}\,\beta_{2k-2r,\,2n-2r}+\frac12\sum_{r=1}^nf_{2r}\,\beta_{2k,\,2n-2r}
$$
である。ただし $j< 0$ または $j>m$ なら $\beta_{2j,2m}:=0$ とする。$1\le k\le n-1$ なので、$r=n$ の項は $\beta_{2k-2n,0}=\beta_{2k,0}=0$ である。$r< n$ では $2n-2r< 2n$ なので帰納法の仮定が使える。第 1 の和で $0$ でないのは $r\le k$ の項で、$\beta_{2k-2r,2n-2r}=u_{2k-2r}u_{2n-2k}$ である。第 2 の和で $0$ でないのは $r\le n-k$ の項で、$\beta_{2k,2n-2r}=u_{2k}u_{2n-2r-2k}$ である。lem-al-renewal を使うと
$$
\beta_{2k,2n}=\frac12u_{2n-2k}\sum_{r=1}^kf_{2r}u_{2k-2r}+\frac12u_{2k}\sum_{r=1}^{n-k}f_{2r}u_{2n-2k-2r}=\frac12u_{2n-2k}u_{2k}+\frac12u_{2k}u_{2n-2k}=u_{2k}u_{2n-2k}
$$
である。$\square$
右辺は、ランダムウォークの最後の原点 の定理「最後に原点にいた時刻の分布」の $\Pr(L_{2n}=2k)$ と同じである。したがって $\Pi_{2n}$ と $L_{2n}$ は 同じ分布 をもつ(同じ確率変数ではない。ex-al-differ)。和が $1$ であることから $\sum_{k=0}^nu_{2k}u_{2n-2k}=1$ も従う。最もありそうな値は両端 $\Pi_{2n}\in\{0,2n\}$ で、最もありそうにない値は真ん中である(同じ記事の定理「分布の形」)。
この定理は Donskerの定理 の定理「逆正弦法則」で引用されている等式で、Dur19 の Theorem 4.9.6(pp. 266–267)にも同じ帰納法の証明がある。
$0\le x\le1$ について
$$
\lim_{n\to\infty}\Pr\Bigl(\frac{\Pi_{2n}}{2n}\le x\Bigr)=\lim_{n\to\infty}\Pr\Bigl(\frac{L_{2n}}{2n}\le x\Bigr)=\frac2\pi\arcsin\sqrt x
$$
である。すなわち $\Pi_{2n}/2n$ と $L_{2n}/2n$ は逆正弦分布に分布収束する。
2 つの確率変数は同じ分布をもつので、$\Pi_{2n}$ について示せばよい。$a_{n,k}:=u_{2k}u_{2n-2k}$ とおく。Stirlingの公式 の系「中央の二項係数」により $u_{2m}\sqrt{\pi m}\to1$($m\to\infty$)である。
内側の区間。 $0< a< b< 1$ を固定する。$a\le k/n\le b$ なら $k\ge an$、$n-k\ge(1-b)n$ なので、$n\to\infty$ のとき、このような $k$ すべてについて一様に
$$
n\,a_{n,k}=\frac{n}{\pi\sqrt{k(n-k)}}(1+\varepsilon_{n,k}),\qquad\max_{a\le k/n\le b}\lvert\varepsilon_{n,k}\rvert\to0
$$
であり、$\frac n{\pi\sqrt{k(n-k)}}=g(k/n)$ である。$\Pi_{2n}/2n=k/n$ だから
$$
\Pr\Bigl(a\le\frac{\Pi_{2n}}{2n}\le b\Bigr)=\frac1n\sum_{a\le k/n\le b}g\Bigl(\frac kn\Bigr)(1+\varepsilon_{n,k})
$$
で、$g$ は $[a,b]$ で連続なので右辺は Riemann 和として $\int_a^bg(t)\,dt=G(b)-G(a)$ に収束する。
端まで延ばす。 $0< x< 1$ とし、$0< \delta< x$、$0< \eta$、$x+\eta< 1-\delta$ をとる。内側の区間の結果から
$$
\liminf_n\Pr\Bigl(\frac{\Pi_{2n}}{2n}\le x\Bigr)\ge G(x)-G(\delta),\qquad\limsup_n\Pr\Bigl(\frac{\Pi_{2n}}{2n}\le x\Bigr)\le1-\bigl(G(1-\delta)-G(x+\eta)\bigr)
$$
である。$G$ は連続で $G(0)=0$、$G(1)=1$ なので、$\delta,\eta\to0$ として極限は $G(x)$ である。$x=0$ では $\Pr(\Pi_{2n}=0)=u_{2n}\to0=G(0)$、$x=1$ では両辺が $1$ である。$\square$
$\Pi_{2n}/2n$ の平均は対称性から $\frac12$ だが、極限の分散は prop-al-dist により $\frac18$ で、標準偏差はおよそ $0.35$ である。表の出た割合が 大数の法則 により $\frac12$ に集まるのとは対照的に、リードしている時間の割合は集まらない。歩みの 1 歩の分布を平均 $0$、分散が正で有限の一般の分布にしても、$[0,1]$ のうち折れ線が正である時間の割合は同じ極限をもつ。これは Donskerの定理 の不変原理の帰結で、同記事の定理「逆正弦法則」で示されている。
$B$ を標準 Brown 運動とし、時刻 $1$ までを見る。次の 3 つの量は、どれも逆正弦分布に従う。
$M_1:=\max_{0\le t\le1}B_t$ とし、$\theta:=\min\{t\in[0,1]\mid B_t=M_1\}$(最大値を初めてとる時刻)とおく。$0\le s\le1$ について
$$
\Pr(\theta\le s)=\frac2\pi\arcsin\sqrt s
$$
である。
$B$ の道は連続なので、$\{t\mid B_t=M_1\}$ は空でない閉集合で $\theta$ は定まる。最大値や $\theta\le s$ は有理数の時刻の値だけで書けるので、どれも事象である。$0< s< 1$ を固定する。$\theta\le s$ は、最大値が $[0,s]$ でとられること、つまり $\max_{[0,s]}B\ge\max_{[s,1]}B$ と同じである。両辺から $B_s$ を引いて
$$
M^{(1)}:=\max_{0\le u\le s}\bigl(B_{s-u}-B_s\bigr),\qquad M^{(2)}:=\max_{0\le u\le1-s}\bigl(B_{s+u}-B_s\bigr)
$$
とおくと、$\{\theta\le s\}=\{M^{(1)}\ge M^{(2)}\}$ である。
前半を逆向きにたどる。 $B'_u:=B_{s-u}-B_s$($0\le u\le s$)は連続で $B'_0=0$ である。有限個の時刻での値は $B$ の値の線形結合なので平均 $0$ の多変量正規分布に従い、$0\le u,v\le s$ について
$$
\mathrm E[B'_uB'_v]=\min(s-u,s-v)-(s-u)-(s-v)+s=u+v-\max(u,v)=\min(u,v)
$$
である。Brown運動 の命題「Gauss 過程としての特徴づけ」により、$(B'_u)_{0\le u\le s}$ は $(B_u)_{0\le u\le s}$ と同じ有限次元分布をもつ。$M^{(1)}$ は有理数の $u$ での値の最大値の極限なので、$M^{(1)}$ は $\max_{[0,s]}B$ と同じ分布をもち、反射原理(Brown運動) の系「最大値の分布」により $\lvert B_s\rvert$ と同じ分布、すなわち $\sqrt s\,\lvert Z_1\rvert$($Z_1$ は標準正規変数)の分布をもつ。
後半。 $W_u:=B_{s+u}-B_s$ は標準 Brown 運動で、$(B_r)_{r\le s}$ と独立である(独立増分)。同じ系により $M^{(2)}$ は $\sqrt{1-s}\,\lvert Z_2\rvert$ の分布をもつ。$M^{(1)}$ は $(B_r)_{r\le s}$ で、$M^{(2)}$ は $W$ で決まるので、$M^{(1)}$ と $M^{(2)}$ は独立である。
偏角で計算する。 $Z_1,Z_2$ を独立な標準正規変数として
$$
\Pr(\theta\le s)=\Pr\bigl(\sqrt s\,\lvert Z_1\rvert\ge\sqrt{1-s}\,\lvert Z_2\rvert\bigr)=\Pr\Bigl(\frac{Z_2^2}{Z_1^2+Z_2^2}\le s\Bigr)=\frac2\pi\arcsin\sqrt s
$$
である。2 つ目の等号は $(1-s)Z_2^2\le sZ_1^2\iff Z_2^2\le s(Z_1^2+Z_2^2)$ により、最後は prop-al-dist の 2 による。$s=0$ と $s=1$ は、$s\to0$、$s\to1$ の極限と分布関数の右連続性から $\Pr(\theta=0)=0$、$\Pr(\theta\le1)=1$ として従う。$\square$
MP10 の Theorem 5.26(p. 136)は、最後の零点と最大値をとる時刻の 2 つを逆正弦法則として述べ、後者を同じ分け方で示している。Brown 運動の最大値をとる時刻は確率 $1$ でただ 1 つである(MP10 Theorem 2.11 (c)、p. 39)が、上の証明では「初めてとる時刻」と定めたので、その事実は使っていない。最後の零点との関係は次のようにも見える。$M_t:=\max_{[0,t]}B$ とすると、$M-B$ が $0$ になる最後の時刻($t\le1$)は最大値をとる最後の時刻である。P. Lévy の定理(MP10 Theorem 2.34、p. 50)によれば、過程 $M-B$ は $\lvert B\rvert$ と同じ分布をもつので、その最後の零点は $L$ と同じ分布に従う。
$2n=20$ とする。$u_{20}=\binom{20}{10}/4^{10}=184756/1048576\approx0.17620$、$u_{10}=252/1024$ なので
$2n=2$ で、歩み $(-1,+1)$ を考える。$S_0=0$、$S_1=-1$、$S_2=0$ なので最後に原点にいた時刻は $L_2=2$ である。線分は 2 本とも横軸より下にあるので $\Pi_2=0$ である。$L_2$ と $\Pi_2$ は分布が同じ($0$ と $2$ を確率 $\frac12$ ずつ)でも、同じ歩みで値が違う。
| 外す条件 | 反例 | 成り立たなくなること |
|---|---|---|
| 歩みが公平($\pm1$ が確率 $\frac12$ ずつ) | $\Pr(X_i=1)=0.6$、$\Pr(X_i=-1)=0.4$ | $\Pi_{2n}/2n\to1$(確率 $1$)で、極限は逆正弦分布でない |
| 線分(辺)で数える | 頂点 $S_i>0$($1\le i\le2n$)の個数で数える | $2n=2$ で値 $1$ を確率 $\frac14$ でとり、$u_{2k}u_{2n-2k}$ の形(偶数の値だけ)にならない |
| Brown 運動にドリフトがない | $B_t+t$ | 正である時間の平均が約 $0.742$ で、$\frac12$ でない |
| $0$ から出発する | $1+B_t$ | 正である時間が確率 $0.68$ 以上で $1$ に等しく、逆正弦分布(原子をもたない)でない |
| 誤り | 正しくは |
|---|---|
| 大数の法則から、リードしている時間の割合は $\frac12$ に近づく | 大数の法則は表の割合のような独立な量の平均についての主張である。リードの割合は逆正弦分布に近づき、分散 $\frac18$ が残る |
| 最もありそうな値は真ん中 $\Pi_{2n}=n$ | 真ん中は最もありそうにない値で、両端が最もありそうな値である |
| $\Pi_{2n}$ と $L_{2n}$ は同じ量 | 分布が同じだけで、同じ歩みでの値は違いうる(ex-al-differ) |
| 逆正弦分布の分布関数は $\arcsin x$ | $[0,1]$ の上では $\frac2\pi\arcsin\sqrt x$ である。$[-1,1]$ の上の $\sin\Theta$ の分布で書くと $\frac12+\frac1\pi\arcsin x$ である |
| 逆正弦法則は 1 歩が $\pm1$ の歩みでしか成り立たない | 正確な式 thm-al-discrete は $\pm1$ の歩みに使う。極限の法則は、平均 $0$・分散が正で有限の歩みで不変原理により成り立つ |
$2n=4$ の 16 通りの歩みについて $\Pi_4$ を求め、$\Pr(\Pi_4=0)$、$\Pr(\Pi_4=2)$、$\Pr(\Pi_4=4)$ が $u_0u_4$、$u_2u_2$、$u_4u_0$ に等しいことを確かめよ。
$u_2=\frac12$、$u_4=\frac38$ なので、期待される値は $\frac38,\frac14,\frac38$、すなわち $6,4,6$ 通りである。$\Pi_4=4$ は $S_1,\ldots,S_4\ge0$ の歩みで、$(+,+,\pm,\pm)$ の 4 通りと $(+,-,+,\pm)$ の 2 通りの計 $6$ 通り。符号を反転して $\Pi_4=0$ も $6$ 通り。残りの $4$ 通り $(+,-,-,+)$、$(+,-,-,-)$、$(-,+,+,-)$、$(-,+,+,+)$ は、最初の 2 歩で原点に戻った後、反対側に出るもので、$\Pi_4=2$ 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