Пусть X, Y и Z три независимых случайных величины. Если X / Y имеет такое же распределение, как Z, верно ли, что X имеет такое же распределение, как YZ?
Пусть X, Y и Z три независимых случайных величины. Если X / Y имеет такое же распределение, как Z, верно ли, что X имеет такое же распределение, как YZ?
Ответы:
Это может случится. Например, если , и являются независимыми переменными Радемахера , то есть они могут быть равны 1 или -1 с равной вероятностью. В этом случае также Радемахер, так что имеет такое же распределение, , в то время как является Радемахер поэтому имеет такое же распределение , как .Y Z X / Y Z Y Z X
Но это не произойдет в целом. До тех пор, пока существуют средства, необходимые (но не достаточные) условия для того, чтобы имел то же распределение, что и , и чтобы имел то же распределение, что и , были бы: Z Y Z X E ( Z ) = E ( X Y - 1 ) = E ( X ) E ( Y - 1 ) E ( X ) = E ( Y Z ) = E ( Y ) E ( Z )
Вторые равенства следуют за независимостью. Подстановка дает:
Если то или, что то же самое, до тех пор, пока ,1 = E ( Y ) E ( Y - 1 ) E ( Y ) ≠ 0
Это не правда в целом. Например, пусть - переводная переменная Бернулли, которая принимает значения или с равной вероятностью, поэтому . Тогда принимает значения или с равной вероятностью, поэтому . (Я оставляю это на воображение читателя, какой драматический эффект это имело бы использовать непереведенный1 2 EY - 1 1 0,5 E ( Y - 1 ) = 0,75 ≠ 1,5 - 1Вместо этого переменная Бернулли, или одна переведена незначительно, поэтому она очень близка к 0 с вероятностью наполовину. Обратите внимание, что в примере Rademacher здесь не было никаких проблем, потому что все три ожидания были нулевыми, отметим далее, что это условие не является достаточным.)
Мы можем исследовать, как этот терпит неудачу, создав более явный контрпример. Для простоты предположим, что является масштабированным Бернулли и принимает значения или с равной вероятностью. Тогда равно , , или с равной вероятностью. Ясно, что , и . Пусть - независимая переменная, взятая из того же распределения. Что такое распределение ? Это так же, как распределениеX 0 2 X / Y0 / 2 2 / 1 2 / 2 Р ( Х / Y = 0 ) = 1 P(X/Y=1)=1 P(X/Y=2)=1Y Z X X Y Z { 1 , 2 } { 0 , 1 , 2 } ? Нам даже не нужно отрабатывать полное распределение вероятностей, чтобы понять, что этого не может быть; достаточно помнить, что может быть только нулем или двумя, в то время как может принимать любое значение, которое вы можете получить, умножив один из на один из .
Если вам нужна мораль для этой истории, попробуйте поиграться с масштабированными и переведенными переменными Бернулли (включая переменные Радемахера). Они могут быть простым способом построения примеров - и контрпримеров. Это помогает иметь меньше значений в опорах, так что распределения различных функций переменных могут быть легко определены вручную.
Еще более экстремально мы можем рассмотреть вырожденные переменные, которые имеют только одно значение в своей поддержке. Если и являются вырожденными (с ) , то будет тоже, и поэтому распределение будет соответствовать значению . Как и мой пример с Радемахером, это ситуация, показывающая, что ваши условия могут быть выполнены. Если вместо этого, как предполагает @whuber в комментариях, мы допустим, что вырождается с , но допускаем изменение , то построить еще более простой контрпример очень легко. Если может принимать два конечных ненулевых значения - иY Y ≠ 0 Z = X / Y Y Z Z X P ( X = 1 ) Y Y a b X / Y Z a - 1 b - 1 Y Z a b - 1 ≠ 1 X , скажем, с положительной вероятностью, тогда и, следовательно, , могут принимать значения и . Теперь поэтому имеет в его поддержку, поэтому он не может следовать тем же распределение, . Это похоже на мой аргумент о том, что опоры не могут совпадать в моем исходном контрпримере, но проще.