🔢 mathematics

A statistical investigation of a divisor-sum function

Diese Arbeit untersucht die statistischen Eigenschaften der Divisor-Summen-Funktion $S_s(n)$ , indem sie die Existenz einer stetigen asymptotischen Verteilungsfunktion nachweist, Mittelwerte und Schranken für höhere Momente berechnet und dabei eine neuartige Methode von Lebowitz-Lockard und Pollack anwendet.

Ursprüngliche Autoren: Ivan Aidun, Lola Thompson

Veröffentlicht 2026-04-08

📖 4 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Ivan Aidun, Lola Thompson

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie haben eine riesige Schatzkiste voller Zahlen. Jede Zahl in dieser Kiste hat ihre eigenen „kleinen Freunde", die man ihre Teiler nennt. Zum Beispiel sind die Teiler der Zahl 6: 1, 2 und 3 (die 6 selbst zählt hier nicht als „kleiner Freund", sondern als die ganze Zahl).

Die Mathematiker Ivan Aidun und Lola Thompson haben sich in diesem Papier mit einer ganz besonderen Art von Zahlen beschäftigt. Sie nennen sie $S_s(n)$ . Aber was ist das eigentlich?

Das große Zählen der Freunde

Stellen Sie sich vor, Sie nehmen eine Zahl $n$ (z. B. 12).

Zuerst schauen Sie sich alle ihre Teiler an: 1, 2, 3, 4, 6.
Für jeden dieser Teiler fragen Sie: „Wie groß ist die Summe deiner eigenen kleinen Freunde?"
- Der Teiler 1 hat keine kleinen Freunde (Summe = 0).
- Der Teiler 2 hat den Freund 1 (Summe = 1).
- Der Teiler 3 hat den Freund 1 (Summe = 1).
- Der Teiler 4 hat die Freunde 1 und 2 (Summe = 3).
- Der Teiler 6 hat die Freunde 1, 2, 3 (Summe = 6).
Jetzt addieren Sie all diese kleinen Summen zusammen: $0 + 1 + 1 + 3 + 6 = 11$ .
Das Ergebnis (11) ist der Wert von $S_s(12)$ .

Die Autoren fragen sich nun: Was passiert, wenn wir diese Zahl durch die ursprüngliche Zahl teilen? Also: $11 / 12$ . Und was passiert, wenn wir das mit allen Zahlen machen, die es gibt?

Die drei großen Entdeckungen

Die Forscher haben drei spannende Dinge über dieses Verhältnis herausgefunden:

1. Die Lückenlose Straße (Dichte)
Stellen Sie sich eine unendlich lange Straße vor, die bei 0 beginnt und sich bis ins Unendliche erstreckt. Die Frage war: Gibt es auf dieser Straße Lücken? Kann man jeden beliebigen Punkt auf der Straße erreichen, wenn man nur die richtigen Zahlen sucht?
Die Antwort ist Ja. Die Werte von $S_s(n)/n$ sind so dicht gepackt, dass Sie jeden beliebigen Punkt auf dieser Straße (von 0 bis unendlich) annähern können. Es gibt keine großen Lücken. Es ist wie ein Sandstrand, bei dem Sie jeden beliebigen Punkt mit Ihrem Fuß berühren können, wenn Sie nur genau genug suchen.

2. Der fließende Fluss (Kontinuierliche Verteilung)
Normalerweise sind Zahlen wie eine Treppe: Sie stehen auf Stufe 1, dann auf Stufe 2. Aber die Autoren haben gezeigt, dass sich dieses Verhältnis wie ein fließender Fluss verhält.
Wenn Sie sich die Verteilung dieser Zahlen über sehr große Bereiche ansehen, bilden sie eine glatte Kurve. Es gibt keine „Sprünge" oder plötzlichen Lücken in der Statistik. Man kann also sehr genau vorhersagen, wie wahrscheinlich es ist, dass eine zufällig gewählte Zahl einen bestimmten Wert annimmt.

3. Der Durchschnitt und die Schwankungen (Mittelwerte)
Die Autoren haben auch berechnet, was der „durchschnittliche" Wert ist, wenn man sehr viele Zahlen betrachtet. Sie haben herausgefunden, dass dieser Durchschnitt einen festen, berechenbaren Wert hat (etwa 1,645, basierend auf der berühmten Zeta-Funktion).
Außerdem haben sie untersucht, wie stark die Werte um diesen Durchschnitt schwanken. Sie haben bewiesen, dass diese Schwankungen kontrolliert und vorhersehbar bleiben, selbst wenn man in die extremen Bereiche schaut.

Warum ist das schwierig? (Die Magie der Mathematik)

Das Besondere an dieser Arbeit ist, dass die Funktion $S_s(n)$ sehr „unartig" ist. Sie folgt nicht den einfachen Regeln, die man von anderen bekannten Funktionen kennt (sie ist weder „additiv" noch „multiplikativ" im strengen Sinne).

Stellen Sie sich vor, Sie versuchen, das Wetter vorherzusagen. Bei manchen Systemen können Sie einfache Formeln nutzen. Bei diesem System ist das Wetter aber chaotisch und folgt keinen einfachen Mustern. Die klassischen Werkzeuge der Mathematiker (die wie ein Standard-Regenschirm funktionieren) haben hier versagt.

Deshalb haben die Autoren ein neues, hochmodernes Werkzeug benutzt (entwickelt von Lebowitz-Lockard und Pollack). Man könnte es mit einem Sonder-Scanner vergleichen, der in der Lage ist, Muster in scheinbar chaotischen Daten zu finden, wo andere Scanner nur Rauschen sehen. Mit diesem neuen Werkzeug konnten sie beweisen, dass hinter dem Chaos doch eine glatte, kontinuierliche Ordnung steckt.

Fazit für den Alltag

Zusammengefasst: Die Autoren haben eine komplizierte mathematische Maschine gebaut, die Zahlen in ihre Teiler zerlegt und deren „Freunde" zählt. Sie haben bewiesen, dass die Ergebnisse dieser Maschine:

Überall auf der Zahlengeraden verteilt sind (keine Lücken).
Sich wie ein glatter Fluss verhalten (keine Sprünge).
Ein berechenbares Durchschnittsverhalten haben.

Es ist eine Reise von der scheinbaren Willkür der Zahlen hin zu einer tiefen, statistischen Ordnung.

1. Problemstellung und Motivation

Das Paper untersucht die statistischen Eigenschaften einer neu definierten arithmetischen Funktion $S_s(n)$ , die aus der Summe der echten Teilerfunktion $s(n)$ abgeleitet ist.

Hintergrund: Die Funktion $s(n) = \sum_{d|n, d<n} d = \sigma(n) - n$ (Summe der echten Teiler) wird seit über 2000 Jahren untersucht (z. B. im Kontext von perfekten, abundanten und defizienten Zahlen). Trotz langer Forschungsgeschichte sind viele ihrer statistischen Eigenschaften unklar.
Definition der Zielgröße: Die Autoren definieren $S_s(n)$ als die Summe von $s(d)$ über alle Teiler $d$ von $n$ :
$S_s(n) := \sum_{d|n} s(d)$
Diese Funktion entsteht im Kontext einer Verallgemeinerung der „praktischen Zahlen" (integers $n$ , bei denen alle Zahlen bis $n$ als Summe verschiedener Teiler darstellbar sind).
Ziel: Das Hauptziel ist es, das probabilistische Verhalten der normierten Funktion $S_s(n)/n$ $S_{s} (n) / n$ zu verstehen. Spezifisch werden folgende Fragen untersucht:
1. Besitzt $S_s(n)/n$ eine asymptotische Verteilungsfunktion (a.d.f.)?
2. Ist diese Verteilungsfunktion stetig?
3. Sind die Werte von $S_s(n)/n$ dicht im Intervall $[0, \infty)$ ?
4. Wie verhalten sich die Mittelwerte und Momente dieser Funktion?

Ein zentrales Hindernis ist, dass $S_s(n)$ weder additiv noch multiplikativ ist, was die Anwendung klassischer Sätze der probabilistischen Zahlentheorie (wie des Satzes von Erdős-Wintner) erschwert.

2. Methodik

Die Autoren kombinieren klassische Werkzeuge der probabilistischen Zahlentheorie mit modernen Ergebnissen von Lebowitz-Lockard und Pollack.

Klassische Werkzeuge:
- Erdős-Wintner-Theorem: Wird genutzt, um die Existenz von Verteilungsfunktionen für additive und multiplikative Funktionen zu analysieren (insbesondere für $\sigma(n)/n$ und $S_\sigma(n)/n$ ).
- Wintners Mittelwertsatz: Wird verwendet, um die Existenz und Endlichkeit der Momente von $S_s(n)/n$ zu beweisen.
- Analytische Abschätzungen: Nutzung von Beziehungen wie $S_s(n) = S_\sigma(n) - \sigma(n)$ und asymptotischen Formeln für $\sigma(n)$ und $S_\sigma(n)$ .
Neuartiger Ansatz (Lebowitz-Lockard und Pollack):
Da $S_s(n)/n$ nicht multiplikativ ist und der klassische analytische Weg über die Logarithmierung scheitert (die Verteilungsfunktion von $\log(\sigma(n)/n)$ ist rein singulär), wenden die Autoren einen modernen Ansatz an.
- Sie nutzen den Begriff des Clustering (Anhäufung): Eine Funktion $f$ clustert um $x$ , wenn die Dichte der Werte in jeder Umgebung von $x$ positiv ist.
- Lemma 4.1: Wenn eine Funktion eine asymptotische Verteilungsfunktion besitzt und nicht clustert, ist diese Verteilungsfunktion stetig.
- Theorem 4.2 & 4.3: Diese Sätze erlauben es, die Nicht-Clustering-Eigenschaft für lineare Kombinationen multiplikativer Funktionen zu beweisen, selbst wenn die einzelnen Komponenten komplexe Eigenschaften haben. Dies umgeht die Schwierigkeit der Singulärität bei $\log(\sigma(n)/n)$ .

3. Hauptergebnisse

Das Paper liefert vier wesentliche theoretische Beiträge:

A. Dichte der Werte (Theorem 3.1 & 3.2)

Die Werte der Funktion $S_s(n)/n$ sind dicht im Intervall $[0, \infty)$ .

Beweisidee: Da $S_s(n)/n$ nicht multiplikativ ist, kann der klassische Schoenberg-Beweis für $\sigma(n)/n$ nicht direkt angewendet werden. Die Autoren nutzen eine rekursive Konstruktion: Für ein gegebenes $x$ und eine Zahl $N$ mit $S_s(N)/N < x$ wird eine Primzahl $q$ gefunden, sodass $S_s(Nq)/(Nq)$ näher an $x$ liegt. Durch Iteration dieser Konstruktion wird eine Folge erzeugt, die gegen $x$ konvergiert.

B. Stetige asymptotische Verteilungsfunktion (Theorem 4.4)

Die Funktion $S_s(n)/n$ besitzt eine stetige asymptotische Verteilungsfunktion.

Bedeutung: Dies ist das Hauptresultat. Der Beweis zeigt, dass $S_s(n)/n$ als Linearkombination von multiplikativen Funktionen ( $S_\sigma(n)/n$ und $\sigma(n)/n$ ) dargestellt werden kann. Durch Anwendung der Sätze von Lebowitz-Lockard und Pollack wird gezeigt, dass diese Funktion nicht clustert, woraus die Stetigkeit der Verteilungsfunktion folgt. Dies ist ein Durchbruch, da klassische Methoden hier aufgrund der singulären Natur der logarithmierten Komponenten versagen würden.

C. Mittelwerte (Theorem 5.1 & Korollar 5.2)

Die Autoren berechnen den asymptotischen Mittelwert der Funktion:

Der Mittelwert von $S_s(n)$ wächst linear mit $x$ :
$M_x(S_s(n)) = \frac{\zeta(2)(\zeta(2)-1)}{2} x + O((\log x)^2)$
Der Mittelwert der normierten Funktion ist eine Konstante:
$M(S_s(n)/n) = \zeta(2)(\zeta(2) - 1)$
(wobei $\zeta(2) = \pi^2/6$ ).

D. Momente und deren Wachstum (Theorem 5.4)

Die Momente $\mu_k = \lim_{x\to\infty} \frac{1}{x} \sum_{n \le x} (S_s(n)/n)^k$ existieren und sind endlich.

Wachstumsabschätzung: Die Momente wachsen nicht zu schnell. Es gilt die Abschätzung:
$\log \mu_k \ll k \log \log k$
Beweis: Dies wird durch die Anwendung des Satzes von Wintner auf die multiplikativen Komponenten von $S_s(n)/n$ gezeigt. Die Abschätzung wird durch den Vergleich mit den Momenten der Funktion $n/\phi(n)$ hergeleitet.
Konsequenz: Das langsame Wachstum der Momente bestätigt zusätzlich die Existenz einer Verteilungsfunktion (über Kriterien der Momente).

4. Signifikanz und Beitrag zur Forschung

Methodischer Fortschritt: Das Paper hebt die Anwendung der Methoden von Lebowitz-Lockard und Pollack hervor, um Verteilungsfunktionen für Funktionen zu beweisen, die weder additiv noch multiplikativ sind und bei denen klassische analytische Ansätze (basierend auf der Singulärität von $\log \sigma(n)/n$ ) versagen. Dies eröffnet neue Wege für die Untersuchung ähnlicher arithmetischer Funktionen.
Erweiterung des Wissens über Teilerfunktionen: Während $s(n)$ und $\sigma(n)$ intensiv untersucht wurden, war das Verhalten der Summe über die Teiler von $s(n)$ ( $S_s(n)$ ) unbekannt. Die Arbeit liefert die ersten statistischen Ergebnisse (Verteilung, Dichte, Momente) für diese Funktion.
Verbindung zu praktischen Zahlen: Die Untersuchung ist motiviert durch die Theorie der $f$ -praktischen Zahlen. Die Ergebnisse für $S_s(n)/n$ liefern Einblicke in das Verhalten von Summenfunktionen, die für die Charakterisierung solcher Zahlen relevant sind.

Zusammenfassend stellt das Paper eine umfassende statistische Analyse der Funktion $S_s(n)/n$ dar, beweist die Existenz einer stetigen Verteilungsfunktion durch innovative Methoden und liefert präzise Abschätzungen für ihre Mittelwerte und Momente.