A statistical model for points expanding in higher dimensions while being tied to bijective involutions

1. El Problema

El artículo aborda un desafío fundamental en la teoría de números y la probabilidad: entender la distribución estadística de secuencias de números que, aunque son comunes, presentan propiedades difíciles de probar mediante técnicas algebraicas, analíticas o probabilísticas convencionales.

• Contexto Específico: El caso ilustrativo es la distribución de los residuos de los factoriales módulo un primo $p$ (la secuencia $x! \pmod p$).
• La Conjetura: Se conjetura (basado en expectativas estándar como las de Kolchin, Mikhajlov, etc.) que esta secuencia sigue una distribución de Poisson. Específicamente, se espera que la proporción de clases de residuos $y$ que aparecen exactamente $k$ veces en la secuencia tienda a $1/(e \cdot k!)$ cuando $p \to \infty$.
• La Dificultad: Aunque este comportamiento es típico para "casi todas" las secuencias sin propiedades especiales, demostrarlo rigurosamente para los factoriales módulo $p$ ha sido un problema abierto y resistente. El mejor resultado previo (Grebennikov et al.) solo garantizó la existencia de aproximadamente $\sqrt{2p}$ factoriales distintos, muy lejos de la distribución completa esperada.

2. Metodología

Los autores introducen un modelo estadístico abstracto diseñado para capturar la estructura de simetría intrínseca de estas secuencias modulares, alejándose de la aritmética específica para centrarse en la combinatoria de las simetrías.

• Definición del Modelo:

  • Sea $M$ un conjunto finito de cardinalidad $M$ (donde $M$ es par, análogo a $p-1$).
  • Sea $\psi: M \to M$ una involución biyectiva (es decir, $\psi(\psi(x)) = x$).
  • Se define el conjunto $X_\psi$ de secuencias (vectores) $x = (x_1, \dots, x_M) \in M^M$ que satisfacen la condición de simetría: $x_{M+1-j} = \psi(x_j)$ para todo $1 \le j \le M$.
  • Esto reduce el espacio de muestreo de $M^M$ a $M^{M/2}$, reflejando la restricción de simetría (como la relación entre un número y su inverso modular).

• Parámetros Clave:

  • Se analiza el número de puntos fijos de $\psi$, denotado como $|F_\psi|$.
  • Se asume que $|F_\psi| = \theta M (1 + O(M^{\eta-1}))$, donde $\theta \in [0, 1]$ es un parámetro fijo o dependiente de $M$.
  • Se estudia la función de conteo $m_k(x)$, que cuenta cuántos elementos de $M$ aparecen exactamente $k$ veces en la secuencia $x$.

• Herramientas Analíticas:

  • Cálculo de la media y la segunda momento (varianza) de la distribución de frecuencias $m_k(x)/M$.
  • Uso de funciones delta de Kronecker y descomposición de sumas basadas en si los índices involucran pares simétricos o no.
  • Aplicación del método de momentos para demostrar la concentración de la medida alrededor de la media esperada.

3. Contribuciones Clave

1. Modelado de Simetrías: Creación de un marco matemático que aísla el efecto de las simetrías involutivas (como $x \leftrightarrow x^{-1} \pmod p$) en la distribución de frecuencias de elementos en secuencias.
2. Dependencia de los Puntos Fijos: Demostración de que la distribución de frecuencias no es puramente Poissoniana, sino que depende críticamente del número de puntos fijos de la involución $\psi$.
3. Diferenciación por Paridad: Descubrimiento de que la densidad de probabilidad tiene una estructura diferente dependiendo de si el número de ocurrencias $k$ es par o impar.
4. Límites de Umbral: Establecimiento de umbrales precisos para la existencia de elementos con frecuencias prescritas y sus interconexiones bajo bijecciones.

4. Resultados Principales

Teorema 1: Distribución Asintótica

Cuando $M \to \infty$, la proporción de elementos que aparecen exactamente $k$ veces en una secuencia aleatoria de $X_\psi$ converge a una densidad de probabilidad que depende de la paridad de $k$:

• Si $k$ es impar:
  La densidad es aproximadamente $\frac{1-\theta}{e \cdot k!}$.
  Interpretación: Solo contribuye la parte de la secuencia que no está anclada a puntos fijos.

• Si $k$ es par:
  La densidad es la suma de dos términos:
  $$\frac{1-\theta}{e \cdot k!} + \frac{\theta}{e^{1/2} \cdot 2^{k/2} \cdot (k/2)!}$$
  Interpretación: El primer término es el mismo que para $k$ impar. El segundo término (que aparece solo si $k$ es par) surge de los elementos que son puntos fijos de $\psi$ o que forman pares simétricos que se "doblan" sobre sí mismos, introduciendo un factor de $e^{1/2}$ y una estructura factorial diferente.

Corolario 1 (Caso $k=0$)

La proporción de elementos de $M$ que no aparecen en la secuencia (elementos faltantes) tiende a:
$$\frac{1-\theta}{e} + \frac{\theta}{e^{1/2}}$$
Si no hay puntos fijos ($\theta=0$), esto se reduce a $1/e$, coincidiendo con la conjetura de Poisson clásica. Si hay puntos fijos, la proporción de elementos faltantes cambia.

Teoremas 2 y 3: Existencia de Estructuras Prescritas

Estos teoremas aplican el modelo para demostrar la existencia de secuencias con propiedades específicas:

• Teorema 2: Si $\psi$ no tiene puntos fijos, para casi todas las secuencias, y para cualquier subconjunto grande $B \subset M$, existen elementos $u, v \in B$ tales que $u$ aparece $\le r$ veces, $v$ aparece $\le s$ veces, y están vinculados por una bijección arbitraria $\phi$ ($v = \phi(u)$).
• Teorema 3 (Límite de Umbral): Establece un umbral crítico para la densidad del subconjunto $B$. Si $|B| > (1/2 + e^{-1})M \approx 0.867879 M$, entonces en casi todas las secuencias existe un elemento $y \in B$ tal que tanto $y$ como $\phi(y)$ aparecen en la secuencia.
  • Se demuestra que el 86% no es suficiente, pero el 87% sí lo es, siendo el valor exacto $1/2 + 1/e$.

5. Significado e Impacto

• Resolución de un Problema Abierto Parcial: El modelo proporciona una explicación teórica robusta de por qué las secuencias modulares con simetrías (como los factoriales) podrían desviarse de la distribución de Poisson pura o cómo se comportan bajo ciertas condiciones de simetría.
• Nueva Perspectiva Estadística: Ofrece una herramienta para analizar problemas donde la estructura algebraica (como la inversión modular) impone restricciones combinatorias que los métodos probabilísticos estándar ignoran.
• Aplicabilidad: Aunque el modelo se presenta de forma abstracta, está diseñado para ser filtrado y aplicado a problemas concretos como la distribución de factoriales módulo $p$, productos de factoriales, o secuencias generadas por funciones racionales.
• Precisión Cuantitativa: Proporciona fórmulas exactas para la densidad de probabilidad que incluyen correcciones de orden superior basadas en la estructura de los puntos fijos, algo que los modelos de Poisson simples no capturan.

En resumen, el paper establece que la "aleatoriedad" aparente de secuencias modulares está profundamente influenciada por sus simetrías subyacentes (involuciones), y que la paridad de las frecuencias de aparición es un indicador clave de la presencia de puntos fijos en dichas simetrías.