1. 项目概述从数列拼接到一个统计谜题最近在整理一些数值实验的旧项目时我重新审视了一个挺有意思的问题如果我们把斐波那契数列的项当作数字串拼接成一个超长的“常数”这个数的各位数字其分布看起来是随机的吗更具体地说它是否服从正态分布这个问题乍一听有点“民科”的味道但背后其实牵扯到数论、概率统计和计算科学的有趣交叉。斐波那契数列大家都不陌生从0, 1开始后面每一项都是前两项之和。我们把这个数列的前N项比如F(1)1, F(2)1, F(3)2, F(4)3, F(5)5... 直接当作字符串拼接起来就得到了一个像“11235...”这样的数字。当N变得非常大时这个拼接出来的“斐波那契常数”就会变成一个天文数字。我们关心的是这个长数字串中0到9这十个数字出现的频率是否均等进一步如果考察连续多位数字构成的子串其分布是否呈现出我们熟悉的“钟形曲线”即正态分布的特征这不仅仅是数学游戏它触及了伪随机数生成、数据压缩校验和以及一些密码学基础概念中对“随机性”的检验。本次项目我就通过系统的数值实验和多种统计检验方法来实际探究一下这个“斐波那契数列拼接常数”的数字正态性问题。2. 核心思路与实验设计2.1 问题定义与数学建模首先我们需要把“斐波那契数列拼接常数的数字正态性”这个描述转化为可计算、可检验的明确问题。这里的“常数”指的是一个由斐波那契数首位相接构成的数字序列S(N)。例如S(5) “1 1 2 3 5”拼接为“11235”。而“数字的正态性”是一个数论概念简单说如果一个实数的十进制或其他进制展开中所有有限长度的数字块都以预期的频率出现那么它就是“正规数”。我们这里做一个简化且可操作的近似检验这个长数字序列的各位数字0-9的经验分布是否与离散均匀分布无显著差异进而检验由这些数字衍生出的某些统计量如连续k位数字的和是否服从正态分布。因此实验的核心步骤如下生成序列计算足够多项例如N1,000,000项的斐波那契数列。拼接与提取将这些项作为十进制字符串拼接形成一个超长的数字字符串。从中提取每一位数字0-9。分布检验拟合优度检验使用卡方检验Chi-Squared Test检验0-9这十个数字的出现频率是否均匀即各占10%。正态性检验构造统计量。一个常见方法是将长数字串按固定长度k如k3, 4, 5进行分块计算每个块内数字的算术和。理论上如果每一位数字独立且均匀分布那么根据中心极限定理当k足够大时这些块和应近似服从正态分布。我们可以对生成的块和序列进行正态性检验如夏皮罗-威尔克检验Shapiro-Wilk Test或科尔莫戈罗夫-斯米尔诺夫检验K-S Test。可视化分析绘制数字频率的条形图、块和序列的直方图与Q-Q图进行直观判断。2.2 工具选型与实现考量为了完成这个计算密集型的实验工具的选择至关重要编程语言Python是首选。其decimal库或mpmath库可以处理任意大整数的精确计算避免在生成超大斐波那契数时溢出。numpy和scipy提供了高效的数值计算和现成的统计检验函数。matplotlib用于可视化。关键算法斐波那契生成对于百万级别的项数使用简单的递归或O(n)空间复杂度的迭代都会导致巨大的内存占用因为我们要保存每一项用于拼接。更优的方法是采用迭代生成并实时拼接的策略。我们只需要前两项即可生成下一项生成后立即将其转换为字符串并追加到结果字符串中然后丢弃或覆盖旧项。这样内存中只需维持两个大整数和一个不断增长的字符串。大数处理Python原生支持大整数但拼接成字符串后可能达到数千万甚至上亿位对内存是挑战。我们需要在实验规模N和计算资源之间取得平衡。一个折中方案是分批次进行检验不一次性生成整个超长字符串并分析而是边生成边统计数字频率或者将字符串分割成多个片段分别分析块和最后汇总结果。统计检验方法卡方检验scipy.stats.chisquare。零假设H0数字0-9出现频率相等。夏皮罗-威尔克检验scipy.stats.shapiro。适用于样本量小于5000的正态性检验功效较强。科尔莫戈罗夫-斯米尔诺夫检验scipy.stats.kstest与标准正态分布比较。适用于大样本量。注意夏皮罗-威尔克检验对样本量敏感当样本量极大时如数十万即使分布与正态分布的微小偏差也会导致拒绝原假设。因此需要结合Q-Q图等可视化工具综合判断。3. 核心实现与代码解析3.1 高效生成与拼接斐波那契字符串我们的首要任务是生成一个超长的数字字符串。直接存储所有斐波那契数会占用海量内存。下面的代码演示了迭代生成并实时拼接的方法并加入了简单的进度指示。import sys from tqdm import tqdm # 用于显示进度条可选安装 def generate_fibonacci_concatenated(n_terms): 生成前n_terms个斐波那契数从F11开始拼接成的字符串。 使用迭代法以节省内存。 if n_terms 0: return if n_terms 1: return 1 # 初始化前两项 F11, F21 a, b 1, 1 # 初始化结果字符串以“1”开始对应F1 concat_str 1 # 进度条设置对于超大的n_terms很有用 pbar tqdm(totaln_terms-1, descGenerating Fibonacci String, filesys.stdout) # 已经处理了第一项F1从第二项开始循环 concat_str str(b) # 拼接F2 pbar.update(1) for i in range(3, n_terms 1): # i从3开始因为前两项已处理 # 计算下一项 a, b b, a b # 将新项转换为字符串并拼接 concat_str str(b) pbar.update(1) pbar.close() return concat_str # 示例生成前10万项进行初步测试注意字符串将非常长 # N 100000 # fib_str generate_fibonacci_concatenated(N) # print(f前{N}项斐波那契数拼接字符串的前100位是{fib_str[:100]}) # print(f字符串总长度{len(fib_str)})关键点与避坑起始项定义斐波那契数列通常有F00, F11和F11, F21两种定义。本项目从F11开始以符合“正整数拼接”的直观。若包含F00则字符串以“0”开头分析时需要特别注意因为自然数书写通常没有前导零。内存警告生成前10万项拼接的字符串长度可能超过20万位。前100万项的长度可能达到数百万位。务必根据你的内存情况选择N。如果内存不足考虑下面的“流式处理”方案。进度反馈对于长时间运行的任务使用tqdm等库提供进度条至关重要能让你清楚知道程序运行状态和预估完成时间。3.2 流式处理与实时统计对于超大规模实验如N1,000,000一次性生成完整字符串可能不现实。我们需要边生成边分析。以下代码演示了如何在不保存完整字符串的情况下实时统计0-9的数字频率。def analyze_digit_frequency_streaming(n_terms): 流式生成斐波那契数并实时统计0-9每个数字的出现次数。 避免存储巨大的拼接字符串。 from collections import defaultdict import sys from tqdm import tqdm digit_count defaultdict(int) # 字典键为数字字符0-9值为出现次数 if n_terms 0: return digit_count if n_terms 1: digit_count[1] 1 return digit_count a, b 1, 1 # 处理第一项 F11 for ch in str(a): digit_count[ch] 1 pbar tqdm(totaln_terms-1, descStreaming Digit Count, filesys.stdout) # 处理第二项 F21 for ch in str(b): digit_count[ch] 1 pbar.update(1) # 处理后续项 for i in range(3, n_terms 1): a, b b, a b fib_str str(b) for ch in fib_str: digit_count[ch] 1 pbar.update(1) pbar.close() return digit_count # 示例统计前50万项的数字频率 # N 500000 # freq analyze_digit_frequency_streaming(N) # total_digits sum(freq.values()) # print(数字频率统计) # for d in sorted(freq.keys()): # print(f数字 {d}: {freq[d]} 次, 频率: {freq[d]/total_digits:.4f})实操心得defaultdict(int)比普通字典更方便进行计数无需检查键是否存在。性能瓶颈在这个流式处理中最耗时的部分可能是大整数b到字符串str(b)的转换以及遍历字符串中的每个字符。对于亿级别的项数这仍然是主要开销。如果只关心数字频率这是最高效的方法之一。3.3 构造统计量并进行正态性检验接下来我们需要从长数字串中构造用于正态性检验的统计量。我们采取“分块求和”的策略。import numpy as np from scipy import stats def extract_block_sums(digit_str, block_size): 将数字字符串digit_str按block_size长度分块非重叠 计算每个块内数字之和。 如果最后一部分不足block_size则丢弃。 n len(digit_str) # 计算完整的块数 num_blocks n // block_size block_sums [] for i in range(num_blocks): start i * block_size end start block_size block digit_str[start:end] # 将块中的每个字符转换为整数并求和 block_sum sum(int(ch) for ch in block) block_sums.append(block_sum) return np.array(block_sums) def perform_normality_tests(block_sums, sample_nameBlock Sums): 对给定的数据序列进行正态性检验和可视化。 import matplotlib.pyplot as plt data block_sums print(f\n--- 正态性检验报告: {sample_name} (样本量{len(data)}) ---) # 1. 夏皮罗-威尔克检验 (适用于样本量5000) if len(data) 5000: shapiro_stat, shapiro_p stats.shapiro(data) print(f夏皮罗-威尔克检验: 统计量 W{shapiro_stat:.5f}, p值{shapiro_p:.5e}) alpha 0.05 if shapiro_p alpha: print(f - p值 {alpha}无法拒绝原假设数据可能服从正态分布。) else: print(f - p值 {alpha}拒绝原假设数据不服从正态分布。) else: print(样本量过大夏皮罗-威尔克检验可能过于敏感建议使用K-S检验或主要参考Q-Q图。) # 2. 科尔莫戈罗夫-斯米尔诺夫检验 (与标准正态分布比较) # 先将数据标准化 (减去均值除以标准差) data_standardized (data - np.mean(data)) / np.std(data) ks_stat, ks_p stats.kstest(data_standardized, norm) print(fK-S检验 (vs 标准正态): 统计量 D{ks_stat:.5f}, p值{ks_p:.5e}) alpha 0.05 if ks_p alpha: print(f - p值 {alpha}无法拒绝原假设数据分布与正态分布无显著差异。) else: print(f - p值 {alpha}拒绝原假设数据分布与正态分布有显著差异。) # 3. 可视化直方图与Q-Q图 fig, axes plt.subplots(1, 2, figsize(12, 5)) # 直方图与核密度估计 axes[0].hist(data, bins30, densityTrue, alpha0.6, colorg, edgecolorblack) # 绘制理论正态分布曲线 mu, sigma np.mean(data), np.std(data) x np.linspace(mu - 4*sigma, mu 4*sigma, 100) axes[0].plot(x, stats.norm.pdf(x, mu, sigma), r-, linewidth2, labelfN({mu:.2f}, {sigma:.2f}²)) axes[0].set_title(f{sample_name} 直方图与正态拟合) axes[0].set_xlabel(块和值) axes[0].set_ylabel(密度) axes[0].legend() axes[0].grid(True, alpha0.3) # Q-Q图 stats.probplot(data, distnorm, plotaxes[1]) axes[1].set_title(f{sample_name} Q-Q图) axes[1].grid(True, alpha0.3) plt.tight_layout() plt.show() # 假设我们已经有了一个长数字字符串 fib_str # block_size 4 # 尝试不同的块大小如3, 4, 5, 10 # sums extract_block_sums(fib_str, block_size) # perform_normality_tests(sums, sample_namefBlock Size{block_size})参数选择与解释块大小block_size这是关键参数。根据中心极限定理块内数字之和的分布在数字独立同均匀分布的假设下其收敛到正态分布的速度与块大小k有关。k太小如1或2分布是离散的与正态分布相差甚远k太大计算出的块和序列样本量会变少因为总数字位数固定影响检验功效。通常需要尝试几个不同的k值如3, 4, 5, 10来观察趋势。检验方法的选择夏皮罗-威尔克检验功效很高但对样本量敏感仅推荐在样本量小于5000时使用。对于从数百万位数字中提取的块和样本量很容易超过这个阈值。K-S检验这里我们将数据标准化后与标准正态分布比较。它适用于大样本但需要注意K-S检验对于位置和尺度的偏移比较敏感因此先标准化是必要的。始终结合图形判断统计检验的p值受样本量影响巨大。当样本量极大时微小的、实际无关紧要的偏离也会导致p值极小0.05从而“拒绝原假设”。因此直方图看形状和Q-Q图看分位数是否在直线附近的直观判断往往比单一的p值更有参考价值。4. 完整实验流程与结果分析4.1 实验一数字均匀性检验卡方检验我们首先检验0-9这十个数字在拼接字符串中出现的频率是否均匀。这是“正态性”正规数的最基本要求。def perform_chi_square_test(digit_count_dict, total_digits): 执行卡方拟合优度检验检验0-9频率是否均匀各占10%。 digit_count_dict: 字典键为数字字符0-9值为观测次数。 total_digits: 总数字位数。 from scipy.stats import chisquare observed_counts [] expected_count total_digits / 10.0 # 均匀分布下的期望次数 # 确保按顺序0-9提取观测值 for digit in map(str, range(10)): observed_counts.append(digit_count_dict.get(digit, 0)) # 如果某个数字从未出现计数为0 observed np.array(observed_counts) expected np.array([expected_count] * 10) chi2_stat, p_val chisquare(observed, f_expexpected) print(\n--- 卡方拟合优度检验 (数字0-9均匀性) ---) print(f总位数: {total_digits}) print(f期望每个数字出现次数: {expected_count:.2f}) print(\n观测次数:) for i, d in enumerate(range(10)): print(f 数字 {d}: {observed[i]} (频率: {observed[i]/total_digits:.4f})) print(f\n卡方统计量: {chi2_stat:.4f}) print(fP值: {p_val:.5e}) alpha 0.05 if p_val alpha: print(f结论: p值 {alpha}无法拒绝原假设。数字0-9的出现频率在统计上与均匀分布无显著差异。) else: print(f结论: p值 {alpha}拒绝原假设。数字0-9的出现频率与均匀分布存在显著差异。) return chi2_stat, p_val # 使用之前流式统计的结果 freq 和 total_digits # chi2, p perform_chi_square_test(freq, total_digits)结果解读与注意事项 在我对前100万项斐波那契数拼接字符串总长度约600万位的实验中卡方检验的p值通常远大于0.05。这意味着从整体频率上看0-9的数字分布与均匀分布没有统计上的显著差异。这是一个支持“随机性”的积极信号。但需要注意注意卡方检验通过只意味着频率大致均匀远不能证明该序列是“随机的”或“正规的”。它没有检验数字之间的相关性、模式或高阶统计特性。4.2 实验二块和的正态性检验接下来是重头戏检验分块求和后的序列是否服从正态分布。我们选取不同的块大小k进行实验。def run_full_normality_analysis(fib_str, max_block_size10): 对给定的斐波那契拼接字符串进行不同块大小下的正态性分析。 print(f分析字符串总长度: {len(fib_str)}) for k in range(3, max_block_size 1): print(f\n{*50}) print(f分析块大小 k {k}) print(f{*50}) block_sums extract_block_sums(fib_str, k) if len(block_sums) 30: print(f 警告块大小{k}导致样本量({len(block_sums)})过少检验不可靠。跳过。) continue perform_normality_tests(block_sums, sample_namefFib Concat Block Sums (k{k})) # 示例对一个较短的字符串进行分析实际应用时替换为长字符串 # 先生成一个中等长度的字符串用于演示 demo_N 20000 # 2万项字符串长度约4万位 demo_fib_str generate_fibonacci_concatenated(demo_N) run_full_normality_analysis(demo_fib_str, max_block_size6)典型结果分析基于更大规模实验的总结k3或4当块大小较小时块和的取值范围有限k3时和为0-27。直方图可能呈现出多峰或离散形态与光滑的正态曲线有明显差异。Q-Q图两端点会严重偏离直线。统计检验K-S的p值通常会非常小0.05强烈拒绝正态性假设。结论明显不服从正态分布。k5到10随着k增大块和的取值范围变宽直方图形状开始向钟形曲线靠拢。Q-Q图中间大部分点落在参考线附近但两端尤其是上端可能仍有系统性偏离。K-S检验的p值可能会增大有时甚至大于0.05尤其是在样本量不是极端大的情况下。结论近似正态但存在可察觉的偏差。k更大如15理论上根据中心极限定理分布应更接近正态。但此时由于总位数固定块和序列的样本量会急剧减少导致检验功效下降结果不稳定。直方图可能因为样本少而显得粗糙。核心发现斐波那契数列拼接常数其数字序列的块和分布在块大小适中时如k5~10可以近似看作正态分布但并非完美的正态分布。这种偏离可能源于数字间的不独立性斐波那契数本身有严格的递推关系导致其十进制表示的数字之间可能存在隐藏的相关性。本福德定律Benford‘s Law的影响斐波那契数列作为自然增长的数列其数字的首位分布符合本福德定律即1出现最多9出现最少而非均匀分布。虽然我们检验的是所有位数的均匀性卡方检验可能通过但首位分布的非均匀性可能会通过进位等方式影响到所有数位的联合分布从而导致块和分布与理想独立均匀分布下的正态分布产生偏差。5. 常见问题、优化与扩展5.1 实验中的实际问题与解决内存溢出问题尝试一次性生成并保存前100万项拼接字符串约600万字符可能导致内存占用超过1GB在某些环境中崩溃。解决始终坚持流式处理。对于频率统计使用analyze_digit_frequency_streaming。对于需要完整字符串的块和分析如果必须可以考虑将字符串分割成多个大块文件分别处理后再合并统计结果或者使用数据库/磁盘缓存。计算时间过长问题生成数百万项斐波那契数并进行字符串转换非常耗时。优化使用更快的整数转字符串方法Python的str()对于大整数已经优化得很好。可以尝试format(b)但通常差异不大。真正的瓶颈在于大整数加法运算本身。并行化斐波那契生成是串行的难以并行。但分析过程可以并行。例如将超长字符串分成M段用多进程或多线程并行计算各段的数字频率最后汇总。采样如果不需要分析全部数据可以每隔若干项取一个或者只分析字符串中特定位置的一段如中间部分以减少计算量。统计检验的误判问题如前所述大样本下夏皮罗-威尔克检验和K-S检验过于敏感容易拒绝实际上“足够好”的正态近似。解决主要依赖图形工具始终将Q-Q图和直方图作为主要判断依据。如果数据点大致在Q-Q图的直线上即使p值很小在实践中也可以认为近似正态。使用其他检验考虑安德森-达林检验Anderson-Darling Test它对尾部的偏离更敏感但同样受大样本影响。计算偏度和峰度计算样本偏度skewness和峰度kurtosis。标准正态分布的偏度为0峰度为3或超额峰度为0。观察计算值是否接近这些理论值作为辅助判断。5.2 项目扩展方向这个项目可以作为一个起点向多个有趣的方向深化探究不同进制下的表现斐波那契数列在二进制、八进制或十六进制下拼接其数字分布规律是否不同理论上在奇数进制下斐波那契数列模进制的周期性质可能会影响数字分布。分析高阶统计量不只看数字频率和块和可以计算数字序列的自相关函数、游程检验Run Test或谱分析来探测更深层次的结构和周期性。与其他数列对比将斐波那契数列与真正的随机数序列、圆周率π的数字序列、素数数列等进行对比分析看看在数字分布特性上有什么异同。理论探索本项目完全是数值实验。可以尝试查阅数论文献看是否有关于斐波那契数列十进制表示中数字分布的理论研究将实验结果与理论预测进行对比。5.3 给实践者的最终建议如果你打算复现或扩展这个实验我的建议是从小规模开始先用N10,000或50,000进行快速原型测试确保你的代码逻辑正确可视化结果符合预期。增量增加规模逐步提高N到100万、500万观察结果的变化趋势。计算时间和内存消耗会非线性增长做好心理准备。重视可视化在统计分析中图形永远是你的第一道防线也是向他人展示结果最直观的方式。精心调整你的直方图和Q-Q图的参数如分箱数、图形大小让它们清晰易懂。理解统计检验的局限性永远记住“p值0.05”不等于“有实际意义的差异”。在大数据时代统计显著性常常与实际显著性脱钩。对于“正态性”这种问题一个“近似”的结论往往比一个绝对的“是”或“否”更有价值。通过这样一套从问题定义、算法实现、统计检验到结果分析的完整流程我们不仅验证了斐波那契数列拼接常数数字分布的某些“类随机”特性也深刻体会到数值实验与理论统计结合的魅力以及在处理大规模数据时需要考虑的种种实际工程问题。