Questa risposta ha lo scopo di fare una dimostrazione il più elementare possibile, perché spesso queste cose arrivano all'idea essenziale. Gli unici fatti necessari (al di là del più semplice tipo di manipolazioni algebriche) sono la linearità dell'integrazione (o, equivalentemente, dell'attesa), il cambiamento della formula delle variabili per gli integrali e il risultato assiomatico che un PDF integra all'unità.
Motivare questa dimostrazione è l'intuizione che quando è simmetrico rispetto a , allora il contributo di qualsiasi quantità all'attesa avrà lo stesso peso della quantità , perché e sono sui lati opposti di e ugualmente lontani da esso. A condizione, quindi, che per tutte le , tutto si annulli e le aspettative devono essere zero. Il rapporto tra e , allora, è il nostro punto di partenza. a G ( x ) E X ( G ( X ) ) G ( 2 a - x ) x 2 a - x a G ( x ) = - G ( 2 a - x ) x x 2 a - xfXun'G ( x )EX( G ( X) )G ( 2 a - x )X2 a - xun'G ( x ) = - G ( 2 a - x )XX2 a - x
Notate, scrivendo , che la simmetria può anche essere espressa dalla relazioney= x + a
fX( y) = fX( 2 a - y)
per tutti . Per qualsiasi funzione misurabile , il cambiamento uno-a-uno della variabile da a cambia in , invertendo la direzione dell'integrazione, implicandoysolX2 a - xdX- dX
EX( G ( X) ) = ∫G ( x ) fX( X ) dx = ∫G ( x ) fX( 2 a - x ) dx = ∫G ( 2 a - x ) fX( X ) dx .
Supponendo che questa aspettativa esista (cioè, l'integrale converge), la linearità dell'integrale implica
∫( G ( x ) - G ( 2 a - x ) ) fX( X ) dx = 0.
Considera i momenti strani su , che sono definiti come le aspettative di , . In questi casiun'solk , a( X) = ( X- a )Kk = 1 , 3 , 5 , ...
solk , a( x ) - Gk , a( 2 a - x )= ( x - a )K- ( 2 a - x - a )K= ( x - a )K- ( a - x )K= ( 1K- ( - 1 )K) ( x - a )K= 2 ( x - a )K,
proprio perché è dispari. Applicando il risultato precedente si ottieneK
0 = ∫( Gk , a( x ) - Gk , a( 2 a - x ) ) fX( X ) dx = 2 ∫( x - a )KfX( X ) dx .
Poiché il lato destro è il doppio del esimo momento circa dividendo per mostra che questo momento è zero quando esiste.Kun'2
Infine, la media (supponendo che esista) è
μX= EX(X) = ∫X fX( X ) dx = ∫( 2 a - x ) fX( X ) dx .
Ancora una volta sfruttando la linearità e ricordando che perché è una distribuzione di probabilità, possiamo riorganizzare l'ultima uguaglianza da leggere∫fX( X ) dx = 1fX
2 μX= 2 ∫x fX( X ) dx = 2 a ∫fX( X ) dx = 2 a × 1 = 2 a
con la soluzione unica . Pertanto, tutti i nostri precedenti calcoli dei momenti su sono davvero i momenti centrali, QED.μX= aun'
Postword
La necessità di dividere per in più punti è correlata al fatto che esiste un gruppo di ordine agisce sulle funzioni misurabili (vale a dire, il gruppo generato dalla riflessione nella linea attorno ). Più in generale, l'idea di una simmetria può essere generalizzata all'azione di qualsiasi gruppo. La teoria delle rappresentazioni di gruppo implica che quando il personaggio22un'di quell'azione su una funzione non è banale, è ortogonale al carattere banale e ciò significa che l'aspettativa della funzione deve essere zero. Le relazioni di ortogonalità implicano l'aggiunta (o l'integrazione) sul gruppo, da cui la dimensione del gruppo appare costantemente in denominatori: la sua cardinalità quando è finita o il suo volume quando è compatto.
La bellezza di questa generalizzazione diventa evidente nelle applicazioni con simmetria manifesta , come nelle equazioni meccaniche (o meccaniche quantistiche) del moto dei sistemi simmetrici esemplificate da una molecola di benzene (che ha un gruppo di simmetria di 12 elementi). (L'applicazione QM è più rilevante qui perché calcola esplicitamente le aspettative.) I valori di interesse fisico - che in genere coinvolgono integrali multidimensionali di tensori - possono essere calcolati con niente più lavoro di quanto fosse coinvolto qui, semplicemente conoscendo i caratteri associati al integrandi. Ad esempio, i "colori" di varie molecole simmetriche - i loro spettri a varie lunghezze d'onda - possono essere determinati ab initio con questo approccio.