Używając tylko najbardziej podstawowych aksjomatów o prawdopodobieństwach i liczbach rzeczywistych, można udowodnić znacznie silniejsze stwierdzenie:
Różnica dowolnych dwóch niezależnych, identycznie rozmieszczonych niestałych wartości losowych X- Y nigdy nie ma dyskretnego rozkładu jednorodnego.
(Analogiczne stwierdzenie dla zmiennych ciągłych zostało udowodnione w Uniform PDF różnicy dwóch rv .)
Chodzi o to, że szansa X- Y jest wartością ekstremalną, musi być mniejsza niż szansa, że X- Y wynosi zero, ponieważ istnieje tylko jeden sposób (powiedzmy) maksymalizacji X- Y podczas gdy istnieje wiele sposobów, aby zerować różnicę , ponieważ X i Y mają taki sam rozkład, a zatem mogą być sobie równe. Oto szczegóły.
Po pierwsze zauważ, że dwie hipotetyczne dwie zmienne X i Y mowa, mogą osiągnąć tylko skończoną liczbę n wartości z prawdopodobieństwem dodatnim, ponieważ będą co najmniej n wyraźne różnice, a równomierny rozkład przypisuje im wszystkie równe prawdopodobieństwo. Jeśli n jest nieskończone, to byłaby liczba możliwych różnic o dodatnim, równym prawdopodobieństwie, skąd suma ich szans byłaby nieskończona, co jest niemożliwe.
Ymq=Pr(Y=m)XMp=Pr(X=M).XY
Pr(X−Y=M−m)=Pr(X=M)Pr(Y=m)=pq>0.(*)
Wreszcie , ponieważ i mają ten sam rozkład, istnieje wiele sposobów ich różnice mogą wytwarzać wartość Wśród tych sposobów są przypadki, w których i Ponieważ ten rozkład nie jest stały, różni się od To pokazuje, że te dwa przypadki są zdarzeniami rozłącznymi, a zatem muszą przyczyniać się co najmniej w wysokości do szansy, że wynosi zero; to jest,XY0.X=Y=mX=Y=M.mM.p 2 + q 2 X - Yp2+q2X−Y
Pr(X−Y=0)≥Pr(X=Y=m)+Pr(X=Y=M)=p2+q2.
Ponieważ kwadraty liczb nie są ujemne, skąd wywodzimy z że0≤(p−q)2,(∗)
Pr(X−Y=M−m)=pq≤pq+(p−q)2=p2+q2−pq<p2+q2≤Pr(X−Y=0),
pokazujący rozkład nie jest jednolity, QED.X−Y
Edytuj w odpowiedzi na komentarz
Podobna analiza różnic bezwzględnychzauważa, że ponieważ i mają taki sam rozkład,Wymaga to od nas zbadaniaTa sama technika algebraiczna daje prawie taki sam wynik, ale istnieje możliwość, że iTen układ równań ma unikalne rozwiązanie|X−Y|XYm=−M.Pr(X−Y=|M−m|)=2pq.2pq=2pq+(p−q)22pq+p2+q2=1.p=q=1/2odpowiadający uczciwej monecie („dwustronna kostka”). Oprócz tego wyjątku wynik dla różnic bezwzględnych jest taki sam jak dla różnic i z tych samych powodów już podanych: mianowicie, absolutne różnice dwóch zmiennych losowych iid nie mogą być równomiernie rozłożone, gdy występują więcej niż dwie wyraźne różnice z prawdopodobieństwem dodatnim.
(koniec edycji)
Zastosujmy ten wynik do pytania, które dotyczy czegoś nieco bardziej złożonego.
Modeluj każdy niezależny rzut kości (która może być niesprawiedliwą kością) za pomocą losowej zmiennej Różnice obserwowane w tych rolkach to liczby Możemy się zastanawiać, jak równomiernie rozmieszczone są te liczby . To naprawdę pytanie dotyczące oczekiwań statystycznych: jaka jest na przykład oczekiwana liczba które są równe zeru? Jaka jest oczekiwana liczba równa ? Itd itd.Xi, i=1,2,…,n.nΔXi=Xi+1−Xi.n−1ΔXiΔXi−1
Problematycznym aspektem tego pytania jest to, że nie są niezależne: na przykład i dotyczą tego samego rzutuΔXi Δ X 1 = X 2 - X 1 Δ X 2 = X 3 - X 2 X 2 .ΔX1=X2−X1ΔX2=X3−X2X2.
To jednak nie jest trudność. Ponieważ oczekiwanie statystyczne jest addytywne, a wszystkie różnice mają ten sam rozkład, jeśli wybierzemy dowolną możliwą wartość różnic, oczekiwana liczba razy różnica równa w całej sekwencji rzutów jest tylko krotnością oczekiwanej liczby różnica razy równa się w jednym etapie procesu. Oczekiwanie na jeden krok to (dla dowolnego ). Oczekiwania te będą takie same dla wszystkich (to znaczy jednolitych ) wtedy i tylko wtedy, gdy będą takie same dla pojedynczegokknn−1kPr(ΔXi=k)ikΔ X i . Δ X iΔXi. Ale widzieliśmy, że żaden nie ma równomiernego rozkładu, nawet gdy matryca może być stronnicza. Zatem nawet w tym słabszym sensie oczekiwanych częstotliwości różnice walców nie są jednolite.ΔXi