Diambil dari Grimmet dan Stirzaker :
Tunjukkan bahwa tidak dapat menjadi kasus bahwa mana terdistribusi secara seragam pada [0,1] dan dan adalah independen dan terdistribusi secara identik. Anda tidak boleh berasumsi bahwa X dan Y adalah variabel kontinu.
Sebuah bukti sederhana dengan mencukupi kontradiksi untuk kasus di mana , diasumsikan diskrit dengan alasan bahwa itu selalu mungkin untuk menemukan dan sehingga sedangkan .
Namun bukti ini tidak mencakup yang benar-benar kontinu atau kontinu tunggal. Petunjuk / Komentar / Kritik?
probability
random-variable
continuous-data
uniform
proof
hak cipta
sumber
sumber
Jawaban:
Hasilnya dapat dibuktikan dengan gambar: area abu-abu yang terlihat menunjukkan bahwa distribusi seragam tidak dapat didekomposisi sebagai jumlah dari dua variabel independen yang didistribusikan secara identik.
Notasi
Biarkan dan Y menjadi iid sehingga X + Y memiliki distribusi seragam pada [ 0 , 1 ] . Ini berarti bahwa untuk semua 0 ≤ a ≤ b ≤ 1 ,X Y X+Y [0,1] 0≤a≤b≤1
Dukungan penting dari distribusi umum dan Y karena itu [ 0 , 1 / 2 ] (karena jika tidak akan ada kemungkinan positif yang X + Y kebohongan luar [ 0 , 1 ] ).X Y [0,1/2] X+Y [0,1]
Gambar
Mari . Renungkan diagram ini yang menunjukkan bagaimana jumlah variabel acak dihitung:0<ϵ<1/4
Distribusi probabilitas yang mendasari adalah yang bersama untuk . Probabilitas dari setiap kejadian a < X + Y ≤ b diberikan oleh probabilitas total yang tercakup oleh pita diagonal yang membentang di antara garis x + y = a dan x + y = b . Tiga band-band seperti ditunjukkan: dari 0 ke ε , muncul sebagai segitiga biru kecil di kiri bawah; dari 1 / 2 - ε untuk 1 / 2(X,Y) a<X+Y≤b x+y=a x+y=b 0 ϵ 1/2−ϵ , ditampilkan sebagai persegi panjang abu-abu yang ditutup dengan dua segitiga (kuning dan hijau); dan dari 1 - ϵ ke 1 , muncul sebagai segitiga merah kecil di kanan atas.1/2+ϵ 1−ϵ 1
Apa yang Ditunjukkan Gambar
Dengan membandingkan segitiga kiri bawah pada gambar dengan alun-alun kiri bawah yang mengandungnya dan mengeksploitasi asumsi awal untuk dan Y , jelas bahwaX Y
Perhatikan bahwa ketidaksetaraan itu ketat: kesetaraan tidak mungkin karena ada beberapa kemungkinan positif bahwa dan Y lebih kecil dari ϵ tetapi tetap X + Y > ϵ .X Y ϵ X+Y>ϵ
Demikian pula, membandingkan segitiga merah dengan kuadrat di sudut kanan atas,
Akhirnya, membandingkan dua segitiga yang berlawanan di kiri atas dan kanan bawah dengan pita diagonal yang berisi mereka memberikan ketimpangan yang ketat,
The terjadi kemudian ketimpangan pertama dari dua sebelumnya (mengambil akar kuadrat dan kalikan mereka) sedangkan yang kedua menggambarkan (ketat) dimasukkannya segitiga dalam band dan kesetaraan terakhir mengungkapkan keseragaman . Kesimpulan bahwa 2 ϵ < 2 ϵ adalah kontradiksi yang membuktikan X dan Y tidak dapat ada, QED .X+Y 2ϵ<2ϵ X Y
sumber
Saya mencoba menemukan bukti tanpa mempertimbangkan fungsi karakteristik. Kelt kurtosis melakukan trik. Inilah jawaban dua baris: karena X dan Y adalah iid. Kemudian Kurt ( U ) = - 1.2 menyiratkan Kurt ( X ) = - 2.4 yang merupakan kontradiksi dengan Kurt ( X )Kurt(U)=Kurt(X+Y)=Kurt(X)/2 X Y Kurt(U)=−1.2 Kurt(X)=−2.4 untuk variabel acak apa saja.Kurt(X)≥−2
Agak lebih menarik adalah garis penalaran yang membuat saya sampai pada titik itu. (dan Y ) harus dibatasi antara 0 dan 0,5 - yang jelas, tetapi sangat membantu bahwa momen dan momen pusatnya ada. Mari kita mulai dengan mempertimbangkan mean dan varians: E ( U ) = 0,5 dan Var ( U ) = 1X Y E(U)=0.5 . JikaXdanYdidistribusikan secara identik, maka kami memiliki:Var(U)=112 X Y
Jadi . Untuk varian kami juga perlu menggunakan independensi untuk menerapkan:E(X)=0.25
Maka danσX=1Var(X)=124 . Wow! Itu banyak variasi untuk variabel acak yang dukungannya berkisar dari 0 hingga 0,5. Tetapi kita harus mengharapkan itu, karena standar deviasi tidak akan skala dengan cara yang sama seperti yang dilakukan oleh mean.σX=126√≈0.204
Sekarang, apa standar deviasi terbesar yang dapat dimiliki oleh variabel acak jika nilai terkecil yang dapat diambil adalah 0, nilai terbesar yang dapat diambil adalah 0,5, dan rata-rata 0,25? Mengumpulkan semua probabilitas pada dua titik massa pada ekstrem, 0,25 dari rata-rata, jelas akan memberikan standar deviasi 0,25. Jadi kita besar tetapi bukan tidak mungkin. (Saya berharap untuk menunjukkan bahwa ini menyiratkan probabilitas terlalu banyak terletak pada ekor untuk X + Y menjadi seragam, tetapi saya tidak bisa mendapatkan apa pun dengan itu di belakang amplop.)σX X+Y
Pertimbangan momen kedua hampir menempatkan kendala yang tidak mungkin pada jadi mari kita pertimbangkan momen yang lebih tinggi. Bagaimana dengan koefisien kemiringan momen Pearson , γ 1 = E ( X - μ X ) 3X ? Ini ada sejak momen sentral ada danσX≠0. Sangat membantu untuk mengetahui beberapa sifat dari kumulans, khususnya menerapkan independensi dan kemudian memberikan distribusi yang identik:γ1=E(X−μX)3σ3X=κ3κ3/22 σX≠0
Properti aditivitas ini adalah generalisasi dari bagaimana kita berurusan dengan mean dan varians di atas - memang, kumulan pertama dan kedua hanya dan κ 2 = σ 2 .κ1=μ κ2=σ2
Thenκ3(U)=2κ3(X) and (κ2(U))3/2=(2κ2(X))3/2=23/2(κ2(X))3/2 . The fraction for γ1 cancels to yield Skew(U)=Skew(X+Y)=Skew(X)/2–√ X
The uniform distribution has excess kurtosis−1.2 so we require X to have excess kurtosis −2.4 . But the smallest possible excess kurtosis is −2 , which is achieved by the Binomial(1,12) Bernoulli distribution.
sumber