On the bivariate Erdős–Kac theorem and correlations of the Möbius function
Notice bibliographique
Résumé
Abstract Given a positive integer n let ω (n) denote the number of distinct prime factors of n, and let a be fixed positive integer. Extending work of Kubilius, we develop a bivariate probabilistic model to study the joint distribution of the deterministic vectors (ω(n), ω(n + a)), with n ≤ x as x → ∞, where n and n + a belong to a subset of ℕ with suitable properties. We thus establish a quantitative version of a bivariate analogue of the Erdős–Kac theorem on proper subsets of ℕ. We give three applications of this result. First, if y = x0(1) is not too small then we prove (in a quantitative way) that the y-truncated Möbius function μy has small binary autocorrelations. This gives a new proof of a result due to Daboussi and Sarkőzy. Second, if μ(n; u) :=e(uω(n)), where u ∈ ℝ then we show that μ(.; u) also has small binary autocorrelations whenever u = o(1) and $u\sqrt {\mathop {\log }\nolimits_2 x} \to \infty$ , as x → ∞. These can be viewed as partial results in the direction of a conjecture of Chowla on binary correlations of the Möbius function. Our final application is related to a problem of Erdős and Mirsky on the number of consecutive integers less than x with the same number of divisors. If $y = x^{{1 \over \beta }}$ , where β = β(x) satisfies certain mild growth conditions, we prove a lower bound for the number of consecutive integers n ≤ x that have the same number of y-smooth divisors. Our bound matches the order of magnitude of the one conjectured for the original Erdős-Mirsky problem.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».