📊 statistics

On the normality of the concatenated Fibonacci constant

本文研究了由斐波那契数拼接而成的常数 $\mathcal{F}$ 的正规性，指出经典充分条件因指数增长而失效，Pollack-Vandehey 准则将问题归结为斐波那契数深层数字的分布，且大规模数值实验表明其非正规性障碍可能仅存在于大数深层数字的渐近行为中。

原作者： José Ricardo G. Mendonça

发布于 2026-04-21

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： José Ricardo G. Mendonça

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常有趣且深奥的数学问题：把斐波那契数列（1, 1, 2, 3, 5, 8, 13...）一个接一个地拼在一起，变成一个小数，这个数是不是“正规”的？

为了让你轻松理解，我们可以把这个数学问题想象成**“把一本无限厚的书拼成一条无尽的数字长龙”**。

1. 什么是“正规数”？（完美的随机舞会）

想象你在开一个舞会，舞池里有 10 个不同颜色的球（代表数字 0 到 9）。

简单正规：如果你往舞池里扔无数个球，最后每种颜色的球数量应该差不多相等（各占 10%）。
完全正规：如果你不仅看单个球，还看“两个球连在一起”（比如"12"、"33"）、“三个球连在一起”，那么所有可能的组合出现的频率也应该完全一样。

如果一个数字的小数部分，无论你怎么切分、看多长的组合，数字分布都像完美的随机洗牌一样均匀，那它就是一个“正规数”。像 $\pi$ （圆周率）和 $e$ （自然常数）大家都猜它们是正规数，但谁也证明不了。

2. 斐波那契长龙：为什么很难证明？

作者把斐波那契数列拼起来，得到了一个像这样的数：
$F = 0.11235813213455...$

作者想证明这个数也是“完美随机”的。但是，传统的数学工具在这里失效了，原因就像：

传统工具：就像用渔网捞鱼，只适合捞那些长得慢、排列紧密的鱼（比如自然数 1, 2, 3... 或者多项式增长的数）。
斐波那契数列：它长得太快了！它是指数级爆炸增长的（1, 1, 2, 3, 5, 8... 后面数字越来越大，位数越来越多）。
比喻：传统的渔网（数学定理）网眼太大，捞不住这些长得像火箭一样快的“大鱼”。所以，作者发现以前那些能证明其他数是正规数的方法，对斐波那契数列都不管用。

3. 找到了“嫌疑人”：哪里出了问题？

既然传统方法不行，作者把数字长龙拆开来分析，发现有两个明显的“捣乱分子”，但它们其实无关紧要：

开头的数字（本福德定律）：斐波那契数列的开头数字（比如 1, 2, 3...）喜欢凑热闹，数字"1"出现的概率比"9"高。这就像舞会门口，穿红衣服的人总是比较多。
结尾的数字（皮亚诺周期）：斐波那契数列的最后一位数字是有规律的循环（比如 1, 1, 2, 3, 5, 8, 3, 1...）。这就像舞会散场时，大家按固定顺序排队。

关键点：作者计算发现，这些“捣乱分子”只占整个数字长龙的极小一部分（就像一条万里长龙，只有头尾几米有点乱，中间几亿米都是整齐的）。所以，真正的谜题在于长龙中间那些“深藏”的数字。

4. 核心难题：深藏的数字（Deep Digits）

作者把问题聚焦在：斐波那契数列中间那些既不是开头也不是结尾的数字，它们是不是随机分布的？

比喻：想象斐波那契数列是一串巨大的密码锁。开头和结尾的规律我们都能破解，但中间那成千上万个齿轮的转动，目前没有任何数学工具能证明它们是随机乱转的，还是暗中有什么规律。
这就好比问：如果你一直抛硬币，中间那几亿次是不是真的随机？虽然直觉告诉你是，但数学上很难证明。

5. 超级计算机的“大考”（数值实验）

既然数学证明太难，作者就请来了超级计算机（用了 50 万个斐波那契数，生成了 260 亿个十进制数字和 870 亿个二进制位）来做实验。

实验结果非常令人惊讶且令人放心：

整体看：数字分布简直完美得像随机生成的。0 到 9 出现的次数几乎一模一样，连"12"、"345"这种组合也分布均匀。
位置分解：作者把数字分成“开头”、“结尾”和“中间”。
- 开头和结尾：确实有规律（不随机），但这部分太少，就像长龙头上的装饰，不影响整体。
- 中间部分：这部分占了 99.99% 以上，它们表现得非常均匀，就像真正的随机数一样。

结论：在计算机能测试的范围内，这个数看起来就是一个完美的正规数。

6. 最终结论：是“看起来像”，还是“真的是”？

这篇论文并没有给出最终的数学证明（那是个世界级的难题，可能连爱因斯坦来了都头疼），但它做了一件非常重要的事：

排除了干扰：证明了开头和结尾的规律不会破坏整体的随机性。
指出了真正的战场：如果这个数不是正规数，问题一定出在那些巨大的斐波那契数“深处”的数字分布上。
提供了强力证据：通过海量的数据实验，作者告诉我们：“虽然我们还不能 100% 证明它是正规数，但所有的迹象都表明，它极大概率就是正规数。”

一句话总结：
这就好比作者造了一艘巨大的船（斐波那契常数），虽然还没法证明这艘船在风暴中（无限远处）永远不会漏水，但他已经检查了船身 99.99% 的地方，发现它们都坚固无比，只有船头船尾有点小装饰。目前的证据强烈暗示：这艘船是安全的，它就是一个完美的随机数。

这篇论文《拼接斐波那契常数正规性的研究》（On the Normality of the Concatenated Fibonacci Constant）由 José Ricardo G. Mendonça 撰写，主要研究了将斐波那契数列拼接而成的常数 $F = 0.F_1F_2F_3\dots = 0.11235813\dots$ 在十进制（及二进制）下是否为正规数（normal number）的问题。

以下是该论文的详细技术总结：

1. 研究问题 (Problem)

核心问题：拼接斐波那契常数 $F$ 是否在基数 $b=10$ （以及 $b=2$ ）下是正规的？即，在 $F$ 的展开式中，任意长度为 $k$ 的数字串是否以渐近频率 $b^{-k}$ 出现？
背景：虽然 Borel 证明了几乎所有实数都是正规数，但证明特定构造的数（如 $\pi$ 或 $\zeta(3)$ ）是正规的极其困难。已知的正规数构造通常基于增长较慢的序列（如多项式增长），而斐波那契数列呈指数增长，这使得经典理论难以直接适用。

2. 方法论与理论框架 (Methodology & Theoretical Framework)

论文采用了理论分析与大规模数值实验相结合的方法：

A. 理论分析

经典充分条件的失效：
- Copeland-Erdős 定理：要求序列计数函数增长快于 $N^\theta$ ( $\theta < 1$ )。斐波那契数列的计数函数仅为 $O(\log N)$ ，远未达到该条件。
- Davenport-Erdős 及 Nakai-Shiokawa 扩展：适用于多项式或广义多项式增长函数。斐波那契数列的指数增长 ( $\phi^n$ ) 超出了这些定理的适用范围。
- Pollack-Vandehey ( $\phi$ - $\sigma$ - $\lambda$ ) 方法：基于欧拉函数、除数和函数等的复合。由于斐波那契数列的增长速度远超这些函数的复合增长，且无法通过它们生成，该方法也不适用。
新的充分条件 (Pollack-Vandehey 准则)：
- 论文指出，若几乎所有斐波那契数 $F_n$ 本身在十进制下是 $(\varepsilon, k)$ -正规的（即其内部数字分布均匀），则拼接常数 $F$ 是正规的。
- 这将对 $F$ 的正规性证明转化为对单个大斐波那契数内部数字分布的研究。
结构性偏差分析：
- 首位数字 (Leading Digits)：遵循 Benford 定律（非均匀分布），但仅占每个数的一位，在总位数中占比趋于 0 ( $O(1/m)$ )。
- 末位数字 (Trailing Digits)：受 Pisano 周期（模 $10^k$ 的周期性）影响，分布非均匀，但同样仅占固定位数，总占比趋于 0。
- 深层数字 (Deep Digits)：论文论证了主要的障碍在于大斐波那契数的“深层”数字分布。现有的等分布理论（如 Koksma-Hlawka 不等式）因变差过大而无法控制这些深层数字的振荡。
- 行均匀性 vs. 列均匀性：反驳了 Benfield-Manes 关于“行均匀性”（固定数位上的周期性）能推出“列正规性”（拼接后的正规性）的观点。通过构造反例（Example 6），证明了即使每一行（固定数位）均匀，按列拼接（按数拼接）仍可能不正规。

B. 数值实验

规模：计算了前 500,000 个斐波那契数。
数据量：
- 十进制：约 $2.61 \times 10^{10}$ 位数字（约 26.1 GB）。
- 二进制：约 $8.68 \times 10^{10}$ 位数字（约 87 GB）。
工具：使用 Python 3.12 的任意精度整数，利用其高效的整数转字符串转换功能。
统计测试：
- 单数字频率 ( $k=1$ )。
- 块频率 ( $k=2, 3, 4$ )。
- 使用 Good's serial statistic 修正了滑动窗口块计数中的自相关偏差。
- 位置分解：将块分为“中间块”（内部）、“边界块”（跨数连接处）、“首位”和“末位”，以区分结构性偏差来源。

3. 主要结果 (Key Results)

A. 理论结果

充分条件确立： $F$ 的正规性等价于“几乎每个 $F_n$ 都是 $(\varepsilon, k)$ -正规”这一条件。
障碍定位：首位的 Benford 偏差和末位的 Pisano 周期偏差在渐近意义下是可忽略的。真正的障碍在于大数内部深层数字的分布，这属于目前等分布理论无法解决的开放问题（类似于 $2^n$ 的数字分布问题）。
反例构造：证明了仅凭模幂下的行均匀性（Row Uniformity）不足以证明拼接常数的正规性（Column Normality）。

B. 数值实验结果

全局统计：
- 十进制：单数字频率的最大偏差为 $3.43 \times 10^{-6}$ ，卡方检验 $p$ 值为 0.587，无法拒绝均匀分布假设。 $k=2,3,4$ 的块频率测试均符合均匀分布预期。
- 二进制：结果与十进制一致，单比特偏差极小，块频率测试无显著偏离。
收敛速率：最大偏差的衰减率符合 $D(N)^{-0.5}$ 的规律（ $D(N)$ 为总位数），这与独立同分布（i.i.d.）随机序列的波动特征一致。
位置分解分析：
- 边界效应：在 $F_n$ 与 $F_{n+1}$ 连接处的块（Boundary blocks）表现出极强的非均匀性（由 Benford 首位和 Pisano 末位拼接导致）。但这部分仅占总块数的 0.006% 以下。
- 中间块：去除边界后的“中间块”（占总数 99.99% 以上）在统计上与均匀分布高度一致。
- 个体 $F_n$ ：绝大多数 $F_n$ 本身也是 $(\varepsilon, 1)$ -正规的（例如在十进制中，99.88% 的数满足 $\varepsilon=0.05$ 的正规性）。

4. 主要贡献 (Key Contributions)

理论界限的厘清：明确指出了经典正规性构造定理为何不适用于斐波那契常数，并提出了基于“个体数字正规性”的替代充分条件。
偏差来源的隔离：通过理论分析和数值分解，严格证明了结构性偏差（Benford 和 Pisano）仅存在于连接边界，且随规模增大而消失，将问题聚焦于深层数字的分布。
大规模实证数据：提供了迄今为止关于拼接斐波那契常数最大规模的数值证据（50 万项，数十亿位），显示其在测试尺度下完全符合正规数的统计特征。
方法论修正：在统计测试中正确应用了 Good's serial statistic 来处理滑动窗口块计数的自相关问题，避免了错误的统计推断。

5. 意义与展望 (Significance & Future Work)

意义：虽然数值实验不能证明正规性，但它们没有发现任何阻碍正规性的迹象。这强烈暗示 $F$ 很可能是正规数，且其正规性取决于大斐波那契数深层数字的渐近行为。
未解决问题：证明“几乎每个 $F_n$ 是 $(\varepsilon, k)$ -正规”目前仍超出已知数学工具的能力范围，这与 $2^n$ 的数字分布问题类似，属于数论中的深层难题。
未来方向：
- 研究斐波那契递推中的“进位混合”效应是否能驱动数字分布趋于均匀。
- 探索弱于完全正规性的结构结果（如有限状态维数）。
- 研究斐波那契数在除数和函数 $\sigma$ 值域中的分布（论文末尾提及的一个独立算术问题）。

总结：该论文通过严谨的理论推导和超大规模计算，将拼接斐波那契常数的正规性问题从“整体拼接”转化为“个体数字分布”问题，并提供了强有力的数值证据表明该常数在统计上表现正常，其潜在的结构性偏差已被量化并确认为渐近可忽略。这为最终解决该问题指明了方向，同时也揭示了当前等分布理论的局限性。