Niech X, Y i Z będą trzema niezależnymi zmiennymi losowymi. Jeśli X / Y ma taki sam rozkład jak Z, to czy prawdą jest, że X ma taki sam rozkład jak YZ?
Niech X, Y i Z będą trzema niezależnymi zmiennymi losowymi. Jeśli X / Y ma taki sam rozkład jak Z, to czy prawdą jest, że X ma taki sam rozkład jak YZ?
Odpowiedzi:
To może się zdarzyć. Na przykład, jeśli , i są niezależnymi zmiennymi Rademachera , tzn. Mogą być równe 1 lub -1 z jednakowym prawdopodobieństwem. W tym przypadku jest Rademacher, więc ten sam rozkład, jak , a jest Rademacher więc ten sam rozkład, jak .
Ale ogólnie tak się nie stanie. Tak długo, jak istnieją środki, konieczne (ale niewystarczające) warunki dla aby mieć taki sam rozkład jak , i dla aby mieć taki sam rozkład jak , to:
Drugie równości, po których następuje niezależność. Podstawienie daje:
Jeśli to lub równoważnie, o ile ,
Zasadniczo nie jest to prawdą. Na przykład, niech będzie przetłumaczoną zmienną Bernouilli , która przyjmuje wartości lub z jednakowym prawdopodobieństwem, więc . Wtedy przyjmuje wartości lub z jednakowym prawdopodobieństwem, więc . (Pozostawiam to wyobraźni czytelnika, jak dramatyczny efekt musiałby zastosować nieprzetłumaczonyZmienna Bernouilli, lub jedna przetłumaczona tylko nieznacznie, więc jest bardzo bliska 0 z prawdopodobieństwem połowy. Zauważ, że w przykładzie Rademacher nie było tutaj problemu, ponieważ wszystkie trzy oczekiwania były zerowe, zauważ też, że ten warunek nie jest wystarczający.)
Możemy zbadać, w jaki sposób to zawodzi, konstruując bardziej wyraźny kontrprzykład. Dla uproszczenia załóżmy, że jest skalowanym Bernouilli i przyjmuje wartości lub z jednakowym prawdopodobieństwem. Wtedy wynosi , , lub z jednakowym prawdopodobieństwem. Oczywiste jest, że , i . Niech będzie zmienną niezależną pochodzącą z tego samego rozkładu. Jaki jest rozkład ? Czy to to samo, co rozkład ? Nie musimy nawet opracowywać pełnego rozkładu prawdopodobieństwa, aby przekonać się, że nie może być; wystarczy pamiętać, że może wynosić tylko zero lub dwa, podczas gdy może przyjąć dowolną wartość uzyskaną z pomnożenia jednego z przez jeden z .
Jeśli chcesz uzyskać morał w tej opowieści, spróbuj pobawić się skalowanymi i przetłumaczonymi zmiennymi Bernouilli (w tym zmiennymi Rademacher). Mogą być prostym sposobem na konstruowanie przykładów - i kontrprzykładów. Pomaga mieć mniej wartości w podporach, dzięki czemu rozkłady różnych funkcji zmiennych mogą być łatwo opracowane ręcznie.
Jeszcze bardziej ekstremalnie możemy rozważyć zdegenerowane zmienne, które mają tylko jedną wartość w ich obsłudze. Jeżeli i są zdegenerowane (z ), a następnie będzie zbyt i dlatego rozkład pasuje wartość . Podobnie jak w moim przykładzie Rademacher, taka sytuacja pokazuje, że twoje warunki mogą być spełnione. Jeśli zamiast tego, jak sugeruje @whuber w komentarzach, pozwalamy zdegenerować się z , ale pozwalamy zmieniać, to zbudowanie jeszcze prostszego kontrprzykładu jest bardzo łatwe. Jeśli może przyjąć dwie skończone, niezerowe wartości - i , powiedzmy - z prawdopodobieństwem dodatnim, następnie , a zatem , mogą przyjmować wartości i . Teraz ma zatem po jej stronie, więc nie można wykonać z takiego samego rozkładu jak . Jest to podobne, ale prostsze niż mój argument, że podpory nie mogą się zgadzać w moim oryginalnym kontrprzykładzie.