階乗の対数スケール
スターリング近似は積を和に変換し、これは大規模なn数学を扱いやすくする基本的な動きです：
ln(n!) ≈ n·ln(n) − n + 0.5·ln(2πn)
この公式は、k=1..nに対する和Σ ln(k)をln(x)の積分によって近似し、その後台形則を適用して誤差を制限することから生じます。
幾何学的に重要な理由
n次元球の体積公式にはΓ(n/2 + 1)が含まれており、これは整数nに対して(n/2)!または半整数の積に等しくなります。スターリングは、各値を直接計算することなく、大規模なnに対してこれらを推定することができます。
スターリング近似は、10進法の表記でlog(n!) ≈ n·log(n) − n·log(e)を与え、桁数の推定に有用です。
n = 10の場合：ln(10!) ≈ 10·2.303 − 10 + 0.5·ln(62.83) ≈ 23.03 − 10 + 2.08 = 15.10（正確値：15.104）。
n = 100の場合：ln(100!) ≈ 100·4.605 − 100 + 0.5·ln(628.3) ≈ 460.5 − 100 + 3.24 = 363.7（正確値：363.74）。
n=20でのスターリング近似
直接計算：ln(20) ≈ 2.996。ln(2π·20) = ln(125.66) ≈ 4.833。
体積公式
半径rのn次元球の体積：
V_n(r) = C_n · r^n where C_n = π^(n/2) / Γ(n/2 + 1)
小さなnに対するC_nの値は、Γ(1/2) = √πと漸化式を使用するパターンに従います：
- n=1: C_1 = π^(1/2)/Γ(3/2) = √π/(√π/2) = 2
- n=2: C_2 = π^1/Γ(2) = π/1 = π
- n=3: C_3 = π^(3/2)/Γ(5/2) = π^(3/2)/(3√π/4) = 4π/3
- n=4: C_4 = π²/Γ(3) = π²/2
- n=5: C_5 = π^(5/2)/Γ(7/2) = π^(5/2)/(15√π/8) = 8π²/15
注意：C_nはn=5近くでピークに達し（≈ 5.264）、その後減少します。大きなnに対して、C_n → 0。
n=5での最大値
C_5 = 8π²/15。π² ≈ 9.870の場合：
C_5 = 8·9.870/15 = 78.96/15 ≈ 5.264
これが最大値であることを確認するために：C_6 = π³/6 ≈ 31.006/6 ≈ 5.168。したがってC_6 < C_5 — ピークはn=5で発生しました。
コーナーの体積分率
定量化されたコーナーパラドックス：n次元単位超立方体[−1,1]^nのうち、半径1の内接球の外にある部分の割合は何ですか？
Corner fraction = 1 − C_n / 2^n
| n | C_n | 2^n | 球の分率 | コーナー分率 | |---|---|---|---|---| | 2 | 3.14 | 4 | 78.5% | 21.5% | | 3 | 4.19 | 8 | 52.4% | 47.6% | | 4 | 4.93 | 16 | 30.8% | 69.2% | | 5 | 5.26 | 32 | 16.4% | 83.6% | | 6 | 5.17 | 64 | 8.1% | 91.9% | | 10 | 2.55 | 1024 | 0.25% | 99.75% |
最適化への影響
コーナーパラドックスは高次元空間での最適化に直接的な影響を持ちます：
ランダムサーチは失敗する。 n次元パラメータ空間のランダムな点はほぼ確実にコーナーに着地します — 原点から遠く、極端なパラメータ値を持つ。良い解決策が適度なパラメータ値の近くにクラスタ化されている場合、ランダムサーチではほぼ決して見つかりません。
勾配降下法は成功する。 局所勾配を追従することで、盲目的にサンプリングするのではなく、幾何学的に体系的にナビゲートします。次元の呪いはランダム手法に悪影響を与えます。構造化された手法は適応します。
距離の集約。 高次元では、ランダムな点の間のすべてのペアワイズ距離は同じ値の周りに集約されます：[0,1]^n内の均一な点の場合、すべてが約√(2n/3)になります。'最も近い'と'最も遠い'が区別不可能になるため、最近傍法は機能しなくなります。
ハミングの処方箋：直感を信頼する前に幾何学を理解してください。高次元空間では、幾何学は確かに直感に反しており、数学が唯一の信頼できるガイドです。