李傲天1. 项目概述
圆周率（π）作为数学中最著名的无理数之一，其数字序列的随机性一直是数学家和计算机科学家关注的重点。本项目通过将π转换为2-10进制表示，并对其随机性进行量化分析，探索了π在不同进制下的分布特性。
核心发现：π在2-10进制下均表现出极高的随机性，其中10进制表现最佳（99.76分），2进制相对较弱（92.57分），但仍属于高随机性范畴。
这个研究不仅验证了π数字序列的随机分布特性，更重要的是建立了一套完整的进制转换和随机性评估的技术流程。对于从事密码学、随机数生成算法研究的人员来说，这些方法和结论具有重要的参考价值。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 研究背景与意义
2.1 π的数学特性
π是一个超越数，这意味着它不是任何有理系数多项式的根。更引人注目的是，π被认为可能是一个正规数（虽然尚未被严格证明）。正规数的定义是：在任何进制表示下，其数字序列中所有可能的有限数字组合都以相等的概率出现。
这个特性使得π的数字序列成为研究随机性的理想对象。在密码学领域，高质量的随机序列是许多加密算法的基础。如果π确实是一个正规数，那么它的数字序列可能成为天然的随机数源。
2.2 进制转换的重要性
不同进制下的数字表示会揭示数字序列的不同特性。例如：
- 2进制（二进制）是计算机的基础
- 8进制和16进制常用于计算机编程
- 10进制是我们日常使用的进制
通过比较π在不同进制下的随机性表现，我们可以更全面地理解其数字分布特性。这对于开发基于π的随机数生成算法尤为重要，因为算法可能需要适应不同的进制环境。
3. 技术实现细节
3.1 数据准备
本项目使用了1000位高精度十进制π值作为源数据。选择这个长度的考虑是：
- 足够长以展现统计特性
- 在计算资源允许范围内
- 能提供可靠的统计显著性
数据以MATLAB的.mat文件格式存储，变量名为pi_digits，包含整数位3及后续999位小数。
3.2 进制转换算法
3.2.1 传统方法的局限
传统的"乘基取整法"对于长位数转换存在累积误差问题。例如，在将0.1（十进制）转换为二进制时，就会出现无限循环的情况（0.0001100110011...）。
3.2.2 二分法迭代算法
本项目采用了更精确的二分法迭代算法，其核心思想是通过区间逼近来确定每一位数字。具体步骤：
- 整数位处理：直接使用除基取余法
- 小数位处理：
- 初始化当前值为0
- 对于每一位小数位k：
- 在[0, base-1]范围内进行二分查找
- 找到最大的d使得d×base⁻ᵏ ≤ 剩余小数部分
- 更新当前值并继续下一位
这种方法避免了累积误差，确保了每一位数字的精确性。MATLAB实现中使用了符号计算（sym）来保持高精度。
3.3 随机性评估模型
3.3.1 评估指标设计
我们设计了三个维度的指标来全面评估随机性：
-
卡方检验p值（30%权重）：
- 检验数字分布的均匀性
- 理论频次=1000/base
- p值>0.05表示符合均匀分布
-
信息熵占比（40%权重）：
- 衡量序列的无序程度
- 实际熵与理论最大熵的比值
- 越接近1表示无序性越强
-
短游程占比（30%权重）：
- 检测序列的独立性
- 短游程（长度≤2）占总游程的比例
- 高比例表示无明显重复模式
3.3.2 综合得分计算
综合得分=100×(0.3×χ²_p_norm + 0.4×熵占比 + 0.3×短游程占比)
其中χ²_p_norm=min(p/0.05, 1)，确保各项指标在[0,1]范围内。
4. 实验结果与分析
4.1 各进制随机性得分
下表展示了2-10进制π序列的随机性评估结果：
| 进制 | 卡方p值 | 信息熵占比 | 短游程占比 | 综合得分 |
|---|---|---|---|---|
| 10 | 0.8530 | 0.9990 | 0.9933 | 99.76 |
| 9 | 0.6108 | 0.9986 | 0.9886 | 99.60 |
| 8 | 0.2555 | 0.9978 | 0.9853 | 99.47 |
| ... | ... | ... | ... | ... |
| 2 | 0.4479 | 0.9996 | 0.7530 | 92.57 |
4.2 结果解读
-
整体表现：
- 所有进制得分≥92.57
- 8个进制得分≥96.40
- 验证了π的高随机性
-
进制间差异：
- 10进制最优（99.76）
- 2进制相对较弱（92.57）
- 差异主要来自短游程占比
-
指标分析：
- 信息熵占比普遍很高（≥0.9968）
- 卡方p值波动较大（0.0597-0.8530）
- 短游程占比是主要区分因素
4.3 可视化分析
虽然原文没有提供可视化，但我们可以想象：
- 各进制数字频率分布图会显示均匀分布
- 信息熵占比随进制变化曲线平坦
- 短游程占比在低进制时明显下降
5. 应用与扩展
5.1 实际应用场景
-
密码学：
- 基于π的伪随机数生成
- 加密算法的密钥生成
-
算法测试：
- 随机性测试的标准序列
- 算法性能评估基准
-
数学研究：
- 正规数猜想的实证支持
- 无理数性质研究
5.2 改进方向
-
扩展数据长度：
- 10,000位或更长
- 验证长序列的稳定性
-
增加评估指标：
- 相邻数字相关性
- 高阶统计量
-
跨无理数比较：
- 自然常数e
- 黄金比例φ
6. 实现细节与代码解析
6.1 进制转换核心代码
matlab复制function pi_base = decimal2base_pi(pi_sym, base, total_len)
% 初始化输出数组
pi_base = zeros(1, total_len);
% 处理整数部分
pi_integer = floor(pi_sym);
pi_base(1) = mod(pi_integer, base);
pi_frac = pi_sym - pi_integer;
% 二分法处理小数部分
current_val = sym(0);
for i = 2:total_len
k = i - 1;
low = 0; high = base - 1;
while low < high
mid = floor((low + high + 1)/2);
mid_val = current_val + sym(mid)/sym(base)^k;
if mid_val <= pi_frac
low = mid;
else
high = mid - 1;
end
end
pi_base(i) = low;
current_val = current_val + sym(low)/sym(base)^k;
end
end
关键点：
- 使用符号计算保持精度
- 二分查找确保准确性
- 逐位确定最优数字
6.2 随机性评估代码
matlab复制function score = calc_random_score(pi_digits, base)
% 卡方检验
digit_range = 0:(base-1);
obs_freq = arrayfun(@(x) sum(pi_digits==x), digit_range);
exp_freq = length(pi_digits) / base * ones(1, base);
chi2 = sum((obs_freq - exp_freq).^2 ./ exp_freq);
df = base - 1;
chi2_p = 1 - chi2cdf(chi2, df);
chi2_norm = min(chi2_p/0.05, 1);
% 信息熵计算
freq = obs_freq / length(pi_digits);
freq = freq(freq > 0);
entropy = -sum(freq .* log2(freq));
max_entropy = log2(base);
entropy_ratio = entropy / max_entropy;
% 游程分析
run_lengths = get_run_lengths(pi_digits);
short_run = run_lengths(run_lengths <= 2);
short_ratio = length(short_run) / length(run_lengths);
% 综合得分
score = 100 * (0.3*chi2_norm + 0.4*entropy_ratio + 0.3*short_ratio);
end
注意事项：
- 卡方检验的自由度为base-1
- 信息熵计算需排除零概率事件
- 游程分析要注意边界条件
7. 常见问题与解决方案
7.1 进制转换精度问题
问题：长序列转换时出现精度丢失
解决方案：
- 使用符号计算（如MATLAB的sym）
- 采用二分法等数值稳定算法
- 定期进行反向验证
7.2 随机性评估指标选择
问题：如何选择合适的评估指标
建议：
- 覆盖均匀性、无序性、独立性
- 根据应用场景调整权重
- 考虑计算复杂度和统计效力
7.3 结果复现性
确保复现性的关键：
- 使用相同的源数据
- 固定随机种子（如涉及随机操作）
- 记录详细的参数设置
8. 实践建议
-
对于密码学应用：
- 优先考虑10进制序列
- 关注短游程占比指标
- 考虑混合不同进制序列
-
对于算法测试：
- 使用多种进制序列
- 建立基准测试集
- 监控各项指标变化
-
对于数学研究：
- 扩展数据长度
- 尝试更高进制
- 比较不同无理数
在实际应用中，我发现进制转换的精度对最终结果影响很大。特别是在低进制（如2进制）转换时，必须使用高精度算法，否则会引入系统性偏差。另外，随机性评估应该根据具体应用场景调整指标权重，比如在密码学应用中可能需要更强调短游程占比。