Stellen Sie sich eine Wahl vor, bei der Personen eine binäre Wahl treffen: Sie stimmen für A oder dagegen. Das Ergebnis ist, dass m Menschen für A stimmen, und daher ist das Ergebnis von A p = m / n .
Wenn ich diese Wahlen modellieren möchte, kann ich davon ausgehen, dass jede Person mit der Wahrscheinlichkeit unabhängig für A stimmt , was zur binomialen Verteilung der Stimmen führt: Stimmen für A ∼ B i n o m ( n , p ) . Diese Verteilung hat den Mittelwert m = n p und die Varianz n p ( 1 - p ) .
Ich kann auch andere Annahmen treffen. Zum Beispiel kann ich annehmen, dass die Wahrscheinlichkeit selbst eine Zufallsvariable ist, die aus einer Verteilung stammt (z. B. Beta); Dies kann zu einer Beta-Binomialverteilung der Stimmen für A führen. Oder ich kann davon ausgehen, dass Personen in Gruppen von k abstimmen , wobei jede Gruppe von k Personen die gleiche Wahl trifft und es A mit der Wahrscheinlichkeit p ist . Dies führt zu einer Binomialverteilung mit größerer Varianz. In all diesen Fällen ist die Varianz der resultierenden Verteilung größer als im einfachsten Binomialschema.
Kann ich behaupten, dass die Binomialverteilung die geringstmögliche Varianz aufweist? Mit anderen Worten, kann diese Behauptung irgendwie präzisiert werden, z. B. indem einige vernünftige Bedingungen für die möglichen Verteilungen angegeben werden? Was wären diese Bedingungen?
Oder gibt es vielleicht eine vernünftige Verteilung mit geringerer Varianz?