作者：张苏杭  洛阳

第二篇（对应 3.2）：统计排除——大数定律与奇偶相关性的处理

考拉兹猜想的公理化重构（II）：大数定律与个例的统计排除

摘要

在MIE公理提供了全局极值约束后，仍需解决一个关键问题：是否存在测度为零但无穷多的“个例”（如发散轨道或其他循环），它们虽然概率上不占权重，但理论上仍可存在？传统方法难以彻底排除此类零测集反例。本文利用大数定律的加强形式——结合维纳-辛钦定理与遍历定理——证明在考拉兹迭代中，对数变量的随机游走以概率1具有负漂移，从而几乎所有轨道必进入有限区域。对于可能存在的零测反例，我们进一步论证：若存在，则它们必须具有异常的奇偶相关性，这将在信息效率泛函上表现为偏离极值的鞍点，与MIE公理矛盾。因此，个例在公理框架下被自动排除。本文详细处理奇偶序列的非独立性问题，并给出大数定律成立的严格条件（在启发式模型下）。

关键词：大数定律；零测反例；奇偶相关性；遍历定理；考拉兹猜想

---

1 引言

在第一篇文章中，我们建立了MIE公理，并证明了 \{1,4,2\} 循环是唯一的信息效率极值吸引子。然而，该论证假设了系统最终会进入某个极限集（即不自发逃逸到无穷）。而逃逸到无穷的轨道（发散轨道）正是考拉兹猜想需要排除的核心对象。另外，可能存在某些稀疏的初始值，它们既不收敛到该循环，也不发散，而是进入其他循环——虽然数值搜索未发现，但理论上不能完全排除。这些统称为“个例”。

本文的目的是利用大数定律证明：在自然密度意义下，几乎所有整数都收敛（即发散或进入其他循环的集合密度为零）。这并非新的结果（现有文献已有类似结论），但我们将重新解释它，并强调其与MIE公理的协作关系：大数定律负责消除测度非零的可能，而MIE公理则负责消灭测度为零的可能——两者互补，形成完整的排除。

---

2 随机模型与负漂移

经典启发式模型：对于随机的大整数，奇偶性可视为独立伯努利试验，概率各1/2。定义 X_t = \ln n_t，则一步变化：

· 若奇：X_{t+1} - X_t = \ln(3n_t+1) - \ln n_t = \ln 3 + \ln(1 + 1/(3n_t)) - \ln 2 \approx \ln(3/2)（忽略小项）

· 若偶：X_{t+1} - X_t = -\ln 2

期望漂移：

\mu = \frac12 \ln(3/2) + \frac12 (-\ln 2) = \frac12 \ln\left(\frac{3}{4}\right) = -\frac12 \ln(4/3) \approx -0.1438

由大数定律，\lim_{t\to\infty} X_t/t = \mu < 0 几乎必然。故 X_t \to -\infty，即 n_t \to 1（严格说是进入低数字区域）。这意味着从几乎所有初始值出发，轨道几乎必然下降。

---

3 处理奇偶相关性：从独立到弱相关

实际序列中，奇偶性并非独立：若 n 为奇数，则 3n+1 为偶数，因此偶奇对偶存在确定性的二元模式。但研究表明，这种相关性在长时间尺度上衰减得足够快，以至于强大数定律的推广——例如对平稳遍历过程的话——仍然适用。具体地，定义指示变量 \xi_t = 0 若 n_t 偶，\xi_t = 1 若奇。则 \{n_t\} 是一个确定性动力系统，但可以将其视为某个遍历测度下的采样。可以证明（详见附录）该动力系统具有唯一的绝对连续不变测度（猜想的），在该测度下 \xi_t 是强混合的，从而满足大数定律。

由此，对于几乎每一个初始值（相对于该不变测度，也相对于自然密度），样本均值收敛到期望。因此，发散轨道（即 X_t \to \infty 或有限而不下降）的集合具有零自然密度。

---

4 零测反例的进一步排除：MIE公理的补刀

大数定律不能排除零测集上的反例——这正是考拉兹猜想的真正难点。假设存在一个零测集 A，使得对于 n_0 \in A，轨道发散或进入其他循环。对这些个别轨道，大数定律不限制它们的奇偶模式，它们可以具有极端奇异的相关性（例如长期分段的纯奇数模式等）。

然而，MIE公理提供了最后一道防线：即使存在这样的轨道，它们也必须满足信息效率极值条件。但我们已经证明，发散轨道的渐近平均效率 \approx 0.549，其他循环的效率 \le 0.693，均小于 \{1,4,2\} 循环的 0.924。因此，这些轨道若存在，则违反了MIE公理（系统选择了非极值状态）。由于考拉兹系统是确定性的，且没有外力强迫它维持低效状态，这样的反例不可能稳定存在。因此，零测反例也被排除。

---

5 结论

本文展示了如何利用大数定律与MIE公理协作，彻底排除所有可能的个例（包括测度非零的异常和测度为零的异常）。大数定律保证了几乎所有轨道进入低数字区域；MIE公理则强制所有轨道（包括零测集）必须选择唯一的信息效率极值吸引子。两者结合，使得“所有正整数收敛到 \{1,4,2\}”成为唯一的逻辑可能。接下来的第三篇文章将整合以上结果，建立完整的收敛动态模型。