Olasılıklar ve reel sayılarla ilgili yalnızca en temel aksiyomları kullanarak, kişi çok daha güçlü bir ifadeyi kanıtlayabilir:
Herhangi iki bağımsız, aynı şekilde dağıtılmış sabit olmayan rastgele değer X−Y farkı hiçbir zaman ayrı bir düzgün dağılıma sahip değildir.
(Sürekli değişkenler için benzer bir ifade iki rv farkının Tekdüzen PDF'sinde kanıtlanmıştır .)
Buradaki fikir, X−Y aşırı bir değer olması olasılığının, X−Y sıfır olma şansından daha az olması gerektiğidir , çünkü X−Y maksimize etmenin (söyleyebilmenin) tek bir yolu vardır, oysa farkı sıfırlamanın birçok yolu vardır. , çünkü X ve Y aynı dağılıma sahiptir ve bu nedenle birbirlerine eşit olabilirler. İşte detaylar.
İlk varsayımsal iki değişken olduğunu gözlemlemek X ve Y Söz konusu her sadece sınırlı sayıda elde edebilirsiniz n en az olacak, çünkü pozitif olasılığı değerlerin n belirgin farklar ve düzgün bir dağılım atar hepsini eşit olasılık. Eğer n sonsuzsa, o zaman pozitif, eşit olasılığa sahip olası farkların sayısı olacaktır, bu nedenle şanslarının toplamı sonsuz olacaktır, bu imkansızdır.
Sonra , farklılıkların sayısı sınırlı olduğu için, aralarında en büyükler olacaktır. En küçük değeri çıkarılarak zaman büyük fark, sadece elde edilebilir Y bu --let çağrısına m ve varsayalım bu olasılık vardır q=Pr(Y=m) --from büyük değeri X --let çağrısı bu, bir M ile p=Pr(X=M). Çünkü X ve Y bağımsız, bu farkın şans bu şansı ürünüdür,
Pr(X−Y=M−m)=Pr(X=M)Pr(Y=m)=pq>0.(*)
Son olarak , X ve Y aynı dağılıma sahip olduklarından, farklılıklarının 0. değerini üretebileceği birçok yol vardır. Bu yollar arasında X=Y=m ve X=Y=M. olduğu durumlar arasındadır . Çünkü bu dağılım sabit değil,m ,M. farklıdır . Gösteriyor ki bu iki olgu ayrık olaylardır ve bu nedenle katkıda bulunmalıdır, en azındanbir miktarp2+q2 şansa olduğuX−Ysıfır; yani,
Pr(X−Y=0)≥Pr(X=Y=m)+Pr(X=Y=M)=p2+q2.
Sayıların kareleri, negatif olmayan yana 0≤(p−q)2, biz çıkarsamak nereden (∗) bu
Pr(X−Y=M−m)=pq≤pq+(p−q)2=p2+q2−pq<p2+q2≤Pr(X−Y=0),
X - Y dağılımını gösterenX−Y tek biçimli değildir, QED.
Yoruma cevap olarak düzenle
Mutlak farklılıkların benzer bir analizi |X−Y|X ve Y aynı dağılıma sahip olduklarından, m=−M. olduğunu gözlemler . Bu, Pr(X−Y=|M−m|)=2pq.Aynı cebirsel teknik hemen hemen aynı sonucu verir, ancak 2 p q = 2 p q + ( p incelememizi gerektirir ( X - Y = | M - 2 ve 2 p q + p2pq=2pq+(p−q)22pq+p2+q2=1. denklem sisteminin tek bir çözümü vardır Bup=q=1/2 makul bir madeni para tekabül eden (bir "iki taraflı kalıp"). Bu istisna dışında, mutlak farklılıkların sonucu, farklılıklarla aynıdır ve daha önce verilmiş olan temel sebeplerin aynısıdır: yani, iki farklı rasgele değişkenin mutlak farklılıkları, ikiden fazla farklı farklılık olduğunda eşit olarak dağıtılamaz pozitif olasılık ile.
(düzenlemenin sonu)
Bu sonucu, biraz daha karmaşık bir şey hakkında soran soruya uygulayalım.
Kalıbın her bağımsız rulosunu ( haksız bir kalıp olabilir ) rasgele bir değişken Xi, i=1,2,…,n. modelleyin . Bu n silindirlerde gözlenen farklar ΔXi=Xi+1−Xi. sayılarıdır . Bu n−1 sayılarının eşit dağılım gösterdiğini merak edebiliriz . Bu gerçekten istatistiksel beklentilerle ilgili bir soru: beklenen number X i sayısı ΔXiMesela sıfıra eşit mi? Beklenen ΔXi−1 eşit beklenen sayı nedir ? Vesaire vesaire.
Bu sorunun sorunlu yönü olduğunu ΔXi olan değil , örneğin: Bağımsız ΔX1=X2−X1 ve ΔX2=X3−X2 aynı rulo içeren X2.
Ancak, bu gerçekten bir zorluk değil. İstatistiksel beklenti ilave olduğundan ve tüm farklılıklar aynı dağılıma sahip olduğundan , farklılıkların olası herhangi bir k değerini seçersek , farkın n'nin tüm sırasındaki k eşit olması beklenen sayı, beklenen miktarın sadece n - 1 katıdır. işlemin tek bir basamağında farkın k'ye eşit olması . Bu tek adımlı beklenti Pr ( Δ X i = k ) (herhangi bir i için ). Bu beklentiler tüm k için aynı olacaktır (yani, tek tip)nn−1kPr(ΔXi=k)ik) eğer ve sadece tek bir ΔXi. için aynılarsa i . Ancak, ΔXi , kalıp önyargılı olsa bile düzgün bir dağılıma sahip olmadığını gördük . Bu nedenle, bu zayıf frekans beklentisinde bile, silindirlerin farklılıkları aynı değildir.