Мы бросаем шестигранный кубик большое количество раз.
Вычисляя разницу (абсолютную величину) между рулоном и его предыдущим рулоном, должны ли различия быть равномерно распределены?
Для иллюстрации с 10 рулонами:
roll num result diff
1 1 0
2 2 1
3 1 1
4 3 2
5 3 0
6 5 2
7 1 4
8 6 5
9 4 2
10 4 0
Будут ли diff
значения равномерно распределены?
distributions
uniform
HeyJude
источник
источник
Ответы:
Нет, это не равномерно
Вы можете посчитать36 одинаково вероятных возможностей для абсолютных различий
который дает распределение вероятности для абсолютных разностей
источник
Используя только самые основные аксиомы о вероятностях и действительных числах, можно доказать гораздо более сильное утверждение:
(Аналогичное утверждение для непрерывных переменных доказано в Uniform PDF разности двух rv .)
Идея состоит в том, что вероятность того, чтоX−Y является экстремальным значением, должна быть меньше, чем вероятность того, что X−Y равна нулю, потому что есть только один способ (скажем) максимизировать X−Y тогда как есть много способов уменьшить ноль. потому что X и Y имеют одинаковое распределение и поэтому могут равняться друг другу. Вот подробности.
Прежде всего заметим, что гипотетические две переменныеX и Y идет речь, каждая из них может достичь только конечного числа n значений с положительной вероятностью, потому что будет как минимум n различных различий, и равномерное распределение присваивает им одинаковую вероятность. Если n бесконечно, то так будет число возможных различий, имеющих положительную, равную вероятность, откуда сумма их шансов будет бесконечной, что невозможно.
Далее , поскольку число различий конечно, среди них будет наибольшее. Наибольшая разница может быть достигнута только в том случае, если вычесть наименьшее значение изY -let, называющего его m и предположить, что оно имеет вероятность q=Pr(Y=m) - из наибольшего значения вызова X -let, что это M с p=Pr(X=M). Поскольку X и Y независимы, вероятность этой разницы является результатом этих шансов,
Наконец , потому чтоX иY имеют одинаковое распределение, есть много способов их различия могут продуцировать значение0. Среди этих способов являются случаикогдаX=Y=m иX=Y=M. Поскольку это распределение непостоянное,m отличается отM. Это показывает, что эти два случая являются непересекающимися событиями, и поэтому они должны вноситькак минимумвеличинуp2+q2 в вероятность того, чтоX−Y ноль; то есть,
Так как квадраты чисел не являются отрицательными,0≤(p−q)2, откуда мы выводим из (∗) что
показывая распределениеX−Y не является равномерным, QED.
Редактировать в ответ на комментарий
Аналогичный анализ абсолютных различий|X−Y| отмечает, что, потому что X иY имеют одинаковое распределение,m=−M. Это требует от нас изученияPr(X−Y=|M−m|)=2pq. Тот же алгебраический метод дает почти тот же результат, но есть вероятность, что2pq=2pq+(p−q)2 и2pq+p2+q2=1. Эта система уравнений имеет единственное решениеp=q=1/2 , соответствующей справедливой монеты (а «двусторонний умереть»). Помимо этого исключения, результат для абсолютных различий такой же, как и для различий, и по тем же базовым причинам, которые уже приведены: а именно, абсолютные различия двух случайных переменных iid не могут быть равномерно распределены, когда имеется более двух различных различий с положительной вероятностью.
(конец редактирования)
Давайте применим этот результат к вопросу, который задает что-то более сложное.
Смоделируйте каждый независимый бросок кристалла (который может быть нечестным штампом) со случайной величинойXi, i=1,2,…,n. Различиянаблюдаемые в этихn валков числоΔXi=Xi+1−Xi. Мы могли бы задаться вопросом, насколько равномерно распределены этиn−1 числа. Это действительно вопрос о статистических ожиданиях: что ожидаемое числоΔXi например, равны нулю? Что такое ожидаемое число ΔXi равняться −1 ? И т. Д.
Проблематичный аспект этого вопроса является то , чтоΔXi является не независимыми: например, ΔX1=X2−X1 и ΔX2=X3−X2 включает один и тот же рулон X2.
Тем не менее, это не очень сложно. Поскольку статистическое ожидание является аддитивным и все различия имеют одинаковое распределение, если мы выберем любое возможное значениеk различий, ожидаемое число раз, равное разницеk во всей последовательности изn бросков, будет просто вn−1 раз больше ожидаемого числа раз разница равнаk в один шаг процесса. Это одношаговое ожиданиеPr(ΔXi=k) (для любогоi ). Эти ожидания будут одинаковыми для всехk (то естьравномерно) тогда и только тогда, когда они одинаковы для одного ΔXi. Но мы видели , что ни ΔXi не имеет равномерное распределение, даже когда умирают может быть предвзятым. Таким образом, даже в этом более слабом смысле ожидаемых частот различия роликов не являются однородными.
источник
На интуитивном уровне случайное событие может быть равномерно распределено, только если все его результаты одинаково вероятны.
Так ли это для рассматриваемого случайного события - абсолютной разницы между двумя бросками костей?
В этом случае достаточно взглянуть на крайности - каковы самые большие и самые маленькие значения, которые может принимать эта разница?
Очевидно, что 0 - наименьшее (мы смотрим на абсолютные различия, и броски могут быть одинаковыми), а 5 - самое большое (
6
против1
).Мы можем показать, что событие неоднородно, показав, что
0
вероятность его возникновения (или меньше) выше, чем5
.На первый взгляд, есть только два способа возникновения 5 - если первый кубик равен 6, а второй - 1, или наоборот . Сколько способов может возникнуть 0?
источник
Как представил Генри, различия в равномерно распределенных распределениях распределены неравномерно.
Чтобы проиллюстрировать это с помощью смоделированных данных, мы можем использовать очень простой R-скрипт:
Мы видим, что это действительно дает равномерное распределение. Давайте теперь посмотрим на распределение абсолютных отличий двух случайных выборок от этого распределения.
источник
Другие работали над расчетами, я дам вам ответ, который кажется мне более интуитивным. Вы хотите изучить сумму двух в единицах от rv (Z = X + (-Y)), общее распределение представляет собой (дискретный) продукт свертки:
Из обработки сигналов мы знаем, как ведет себя продукт свертки:
В более общем смысле мы знаем, что единственными функциями, которые устойчивы при свертке, являются функции семейства гауссовских. т.е. только гауссовское распределение является стабильным путем сложения (или, в более общем случае, линейной комбинации). Это также означает, что вы не получите равномерное распределение при объединении равномерных распределений.
Что касается того, почему мы получаем эти результаты, ответ лежит в разложении этих функций по Фурье. Преобразование Фурье продукта свертки является простым произведением преобразований Фурье каждой функции. Это дает прямую связь между четырьмя коэффициентами функций прямоугольника и треугольника.
источник
Как вы можете легко видеть, количество точек для каждого цвета не одинаково; следовательно, различия не распределены равномерно.
источник
Так что функцияп( DT= д) не является постоянным в d , Это означает, что распределение не является равномерным.
источник