斯特林近似是用于较大正整数的阶乘的渐近展开公式:
n!∼2πn(en)n.
这里,e 是自然常数e,符号 ∼ 表示当 n 趋于无穷大时,两边的比值趋于 1。该公式将许多整数的乘积转化为包含幂和指数函数的表达式,在组合数学、概率论、数学分析和数值计算中具有基础性作用。更精确的形式还给出了修正项、严格的误差界,以及对伽马函数的推广。
基本形式及其含义
对于正整数 n,
n!=1⋅2⋯n.
斯特林近似表明:
n→∞lim2πn(n/e)nn!=1.
这一结论描述的是相对误差,而非绝对误差。尽管相对误差趋于零,n! 与首项近似之间的绝对差值却会无限增大。
取自然对数,可得等价形式:
log(n!)=nlogn−n+21log(2πn)+O(n1).
大O记号表明了剩余误差随 n 增大时的阶。一个较粗略但常常有用的版本是
log(n!)=nlogn−n+O(logn).
主项 nlogn 刻画了对数增长的主要部分。要使估计在乘法意义上准确,减去 n 至关重要;而因子 2πn 则提供了达到渐近等价所需的归一化。
例如,
10!=3,628,800,
而
20π(e10)10≈3,598,695.62.
首项近似比真实值约小 0.83%。只加入一个修正项,就能将相对误差降至约 0.0032%。
历史发展
该公式源于十八世纪初对阶乘和概率的研究。亚伯拉罕·德莫弗得到了如下形式的近似:
n!∼Cn(en)n,
其中常数 C 最初尚未确定。詹姆斯·斯特林确定了这个常数为 2π。两人的成果发表于1730年前后。
因此,两人在历史上的贡献是互补的:德莫弗确立了主要的渐近结构,斯特林则确定了如今常见公式中的常数。后来,求和方法与渐近分析的发展产生了系统的修正级数,即现在通常所称的斯特林级数。
修正项与严格的界
更精细的乘法形式展开为
n!∼2πn(en)n(1+12n1+288n21−51840n3139−2488320n4571+⋯).
相应的对数展开结构更为简单:
log(n!)∼(n+21)logn−n+21log(2π)+12n1−360n31+1260n51−1680n71+⋯.
更一般地,对于固定的非负整数 m,
log(n!)=(n+21)logn−n+21log(2π)+k=1∑m2k(2k−1)n2k−1B2k+Rm(n),
其中 B2k 为伯努利数;当 m=0 时,该求和为空。
对于正数 n,余项的符号与第一个被略去的项相同,并满足
0<(−1)mRm(n)<(2m+2)(2m+1)n2m+1∣B2m+2∣.
因此,对数级数的截断既给出了近似,也直接给出了其误差界。
一组特别方便的上下界通常称为罗宾斯界,对每个整数 n≥1 都成立:
2πn(en)ne1/(12n+1)<n!<2πn(en)ne1/(12n).
这些不等式特别表明,斯特林首项表达式总是低估 n!。
渐近级数,而非收敛级数
在自变量固定时,斯特林修正级数若被视为无穷级数,通常是发散的。它的意义在于渐近性质:保留任意固定数量的项,在 n→∞ 时就能达到所述阶的精度。
这与收敛的泰勒级数不同;对于后者,在适当的定义域内不断增加项数,就会趋近于函数值。在发散的渐近展开中,各项的大小通常先减小、后增大。在最小项附近截断往往有效;继续保留远超这一位置的项,反而可能使近似变差。
公式的由来
两种方法分别解释了斯特林公式的不同特征。
求和与欧拉–麦克劳林公式
取对数可将阶乘的乘积转化为和:
log(n!)=k=1∑nlogk.
用积分可得到初步近似:
∫1nlogxdx=nlogn−n+1.
这解释了主导项 nlogn−n,但尚未给出完整的归一化。
欧拉–麦克劳林公式通过添加端点修正项和导数修正项,细化了求和与积分之间的关系。将其应用于 logx,便得到斯特林对数展开,其中包括 21logn 项和 n 的负奇数次幂项。
确定常数项还需要额外的归一化论证。一种经典方法利用表示 π 的沃利斯乘积,得到常数 21log(2π)。
伽马积分与高斯集中现象
伽马函数给出如下精确表示:
n!=Γ(n+1)=∫0∞tne−tdt.
被积函数在 t=n 处达到最大值。令
t=n+nu.
对于固定的 u,展开指数可得
nlogt−t=nlogn−n−2u2+O(n∣u∣3).
由于 dt=ndu,主要贡献近似为
nne−nn∫−∞∞e−u2/2du.
高斯积分等于 2π,于是得到
n!∼2πn(n/e)n.
这是拉普拉斯方法的一个实例:当被积函数高度集中在某个最大值点附近时,可在局部用二次函数替代其指数,从而近似计算积分。严格证明还需控制远离该最大值点的部分对积分的贡献。
推广到伽马函数
对于正实数 x,斯特林公式可推广为
Γ(x)∼2πxx−21e−x.
等价地,
Γ(x+1)∼2πx(ex)x.
必须仔细区分这两个表达式:由于 Γ(x+1)=xΓ(x),自变量的平移会改变 x 的幂次。
对于复数变量 z,对数展开为
logΓ(z)∼(z−21)logz−z+21log(2π)+k=1∑∞2k(2k−1)z2k−1B2k.
在对数分支选取相容的条件下,当 ∣z∣→∞ 时,这一展开在闭扇形区域
∣argz∣≤π−δ,δ>0,
内一致成立。
这一扇形限制排除了负实轴的一个邻域;伽马函数在非正整数处有极点,而在负实轴附近,对数分支问题也变得重要。正实数情形下的误差界不能原封不动地用于任意复数自变量。
应用
计数与组合数学
组合数学中的许多量都可表示为阶乘之比。对于二项式系数,对其中三个阶乘分别应用斯特林公式,可得
(kn)∼2πnp(1−p)1exp(nH(p)),p=nk,
条件是 k→∞ 且 n−k→∞。这里
H(p)=−plogp−(1−p)log(1−p)
是用自然对数度量的二元信息熵。
当 p 与 0 和 1 始终保持一定距离时,这一近似尤其便于使用。如果在 n 增大时 k 保持固定,那么用斯特林首项近似替代 k!,并不能使相对误差趋于零。
一个重要的特例是中心二项式系数:
(n2n)∼πn4n.
这类估计描述了许多组合序列的增长。
概率与统计
斯特林近似可将涉及阶乘的离散概率转化为便于处理的表达式。对于成功概率固定为 p∈(0,1) 的二项分布,它导出局部高斯近似
Pr(X=k)∼2πnp(1−p)1exp(−2np(1−p)(k−np)2)
该式在 n→∞ 且 k−np=O(n) 时成立。
这将阶乘估计与正态分布和中心极限定理联系起来。上述近似针对中心区域内各个点的概率质量;在远端尾部,它并不自动成为相对误差趋于零的近似。
该公式也用于涉及泊松分布、多项分布、似然以及渐近归一化常数的计算。
数值计算
阶乘增长过快,许多标准的浮点运算格式都无法直接表示。计算
log(n!)≈(n+21)logn−n+21log(2π)+12n1−360n31
可避免直接求出 n! 本身的巨大数值。
对数计算对于阶乘的乘积和比值尤其有用,例如二项概率和似然函数。不过,几个数值很大且十分接近的对数相减,仍可能造成相消和精度损失。因此,可靠的实现会结合使用渐近公式、通过伽马函数递推关系调整自变量,以及专门保证数值稳定性的方法。
精度与局限
首项近似的相对误差为
2πn(n/e)nn!−1=12n1+O(n−2).
因此,其误差大致按 1/n 的速率减小。加入因子 1+1/(12n),可将相对误差降至 n−2 阶。
有几点重要区别需要注意:
- 达到渐近精度需要足够大的自变量。 精确的不等式对于较小的正整数仍然成立,但截断近似的相对误差可能依然很大。
- 绝对误差和相对误差的表现不同。 对于巨大的阶乘,即使相对误差很小,也可能对应非常大的绝对差值。
- 项数更多并不总意味着精度更高。 修正级数是渐近的,而非收敛的。
- 对每个阶乘作近似,都需要检查其自变量。 在 n!/[k!(n−k)!] 这样的比值中,仅有 n 很大,并不能保证 k 和 n−k 也很大。
- 复数自变量需要控制适用区域和分支。 正实数情形下的误差界不能不加区分地用于整个复平面。