Können zwei Zufallsvariablen die gleiche Verteilung haben und doch mit ziemlicher Sicherheit unterschiedlich sein?

21

Ist es möglich, dass zwei Zufallsvariablen die gleiche Verteilung haben und sich dennoch mit ziemlicher Sicherheit unterscheiden?

distributions probability

— HornetsFan
quelle

38

Lassen und definieren . Es ist leicht zu beweisen, dass . $X\sim N(0,1)$ $Y=-X$ $Y\sim N(0,1)$

Aber

P {ω : X (ω) = Y. (ω)} = P {ω : X (ω) = 0, Y. (ω) = 0} \leq P {ω : X (ω) = 0} = 0 .

$P\{\omega : X(\omega)=Y(\omega)\} = P\{\omega : X(\omega)=0,Y(\omega)=0\} \leq P\{\omega : X(\omega)=0\} = 0 \, .$

Daher unterscheiden sich und mit der Wahrscheinlichkeit eins. $X$ $Y$

— Zen
quelle

18

Derselbe Trick funktioniert viel allgemeiner und sogar in Fällen, die für jemanden "einfacher" erscheinen, der sich zum ersten Mal mit dem Thema befasst. Betrachten wir zum Beispiel

und

, wo

ist eine Bernoulli - Zufallsvariable mit Erfolgswahrscheinlichkeit ist

.

X

$X$

1 - X

$1-X$

X

$X$

1 / 2

$1/2$

— Kardinal

24

$X$ $Y$

Tatsächlich sind zwei Zufallsvariablen mit der gleichen Verteilung nicht unbedingt auf dem gleichen Wahrscheinlichkeitsraum definiert, daher macht die Frage im Allgemeinen keinen Sinn.

— Stéphane Laurent
quelle

3

(+1) Ihr zweiter Punkt ist besonders wichtig und hilft, wenn Sie ihn verstehen, die Unterschiede zwischen den beiden beteiligten Konzepten zu erläutern.

— Kardinal

-1

$X(x)=x$ $Y(x)=1-x$ $x \in [0,1]$ $F(x)=x$ $f(x)=1$ $X+Y$ $x=1$

— RRBaldino
quelle

Willkommen auf unserer Webseite. Können Sie erläutern, inwiefern Ihr Beitrag die Frage in diesem Thread beantwortet und inwiefern er sich von der Antwort von Zen (und dem Kommentar von @Cardinal zu dieser Antwort ) unterscheidet?

— Whuber