A remark on comparison of the sum and the maximum of positive random variables

Este artículo desmiente una conjetura reciente de Arnold y Villasenor sobre la comparación entre la suma y el máximo de variables aleatorias independientes e idénticamente distribuidas con distribución normal semicircular.

Lo esencial

Imagina que tienes un grupo de amigos, todos con personalidades muy similares (en matemáticas, decimos que son "variables aleatorias idénticas"). Vamos a jugar con dos conceptos simples:

1. La Suma ($S_n$): Si todos juntan su dinero en una bolsa, ¿cuánto hay en total?
2. El Máximo ($M_n$): Si miramos solo al amigo que tiene más dinero, ¿cuánto tiene él?

El Gran Misterio: ¿Son lo mismo?

Hace poco, dos matemáticos famosos (Arnold y Villasenor) descubrieron algo curioso con un tipo especial de amigos llamados "distribuciones seminales" (half-normal). Descubrieron que si tienes dos amigos, la suma de su dinero es, en promedio, exactamente $\sqrt{2}$ veces el dinero del amigo más rico.

Es como decir: "Si tienes dos amigos, la bolsa total es siempre proporcional al que tiene más".

Luego, se hicieron una pregunta valiente: ¿Esto funciona si tenemos 3, 4 o 100 amigos?
Conjeturaron que sí. Pensaron que la suma total siempre sería proporcional al máximo, solo que el número mágico cambiaría según cuántos amigos tuvieras. Específicamente, creían que la suma era igual a $(n!)^{1/n}$ veces el máximo.

La Misión de Kazuki Okamura

El autor de este artículo, Kazuki Okamura, dijo: "Espera un momento. Déjame verificar si esa regla mágica funciona para grupos de 3 o más amigos".

Su conclusión es un rotundo NO. La conjetura es falsa.

¿Cómo lo demostró? (La analogía del "Carrera de Velocidad")

Para probar que la suma y el máximo no son "primos gemelos" en grupos grandes, Okamura usó dos estrategias, como si estuviera analizando una carrera desde dos extremos opuestos:

1. La carrera de los "Lentos" (Cerca de cero)

Imagina que miramos a los amigos cuando tienen muy, muy poco dinero (cercano a cero).

• Okamura demostró que, matemáticamente, si la suma y el máximo fueran proporcionales, el factor de proporcionalidad debería ser exactamente ese número mágico $(n!)^{1/n}$.
• Esto es como decir: "Si van a ser iguales, tienen que llevarse de la mano con este paso exacto".

2. La carrera de los "Rápidos" (Cerca del infinito)

Aquí es donde la trampa se revela. Okamura miró qué pasa cuando el dinero es enorme (cuando $x$ va hacia el infinito).

• El caso de los "Rápidos" ($\beta \ge 1$):
  Imagina que el dinero de los amigos crece de una forma muy explosiva. Okamura calculó que, cuando el dinero es gigantesco, la probabilidad de que el Máximo sea enorme es mucho, mucho más alta que la probabilidad de que la Suma sea enorme (ajustada por el factor mágico).

  • Analogía: Es como si el amigo más rico pudiera ganar la lotería por sí solo, pero para que la suma total de todos sea igual a esa cantidad, todos los demás tendrían que ganar la lotería al mismo tiempo, lo cual es casi imposible. La suma "se queda atrás" comparada con el máximo.

• El caso de los "Lentos" ($0 < \beta < 1$):
  Aquí los amigos tienen una distribución especial llamada "subexponencial". En este mundo, la suma total suele estar dominada por el amigo más rico.

  • Analogía: Si tienes un grupo donde uno tiene 1 millón y los otros tienen 1, la suma es casi 1 millón. Pero Okamura demostró que, incluso en este caso, la relación matemática exacta que proponían los otros autores se rompe. Si intentas forzar la ecuación, terminas con una contradicción absurda (como intentar demostrar que $\pi$ es un número racional, lo cual es imposible).

El Ejemplo de los 3 Amigos (La prueba final)

Para el caso de 3 amigos, Okamura hizo un truco de magia con las matemáticas:

1. Calculó cuánto dinero tendría la suma de los cuadrados de sus fortunas.
2. Calculó cuánto tendría el cuadrado del más rico.
3. Si la conjetura fuera cierta, estos dos números deberían encajar perfectamente.
4. Pero al hacer la cuenta, apareció el número $\pi$ (pi) en un lugar donde no debería estar, creando una contradicción matemática. Es como si te dijeran que 2 + 2 = 5, y tú pudieras demostrar que eso haría que la luna fuera de queso, lo cual sabemos que no es cierto.

Conclusión Simple

El artículo nos enseña que, aunque las reglas de la probabilidad a veces parecen simétricas y bonitas, no siempre se mantienen cuando el grupo crece.

• Con 2 amigos, la suma y el máximo son "primos" perfectos.
• Con 3 o más, esa relación mágica se rompe. La suma y el máximo dejan de comportarse de la misma manera cuando miramos los extremos (muy poco dinero o mucho dinero).

Okamura nos recuerda que en matemáticas, no basta con que algo funcione en un caso pequeño; hay que probar que funciona para todos los casos, y en este caso, la "regla de oro" propuesta por los otros autores tenía un agujero.

Resumen técnico

Resumen Técnico: Una observación sobre la comparación de la suma y el máximo de variables aleatorias positivas

Autor: Kazuki Okamura
Contexto: Refutación de una conjetura reciente sobre distribuciones de media normal (half-normal).

1. El Problema

El artículo aborda una conjetura propuesta recientemente por Arnold y Villasenor en relación con la distribución de la suma ($S_n$) y el máximo ($M_n$) de variables aleatorias independientes e idénticamente distribuidas (i.i.d.) que siguen una distribución media normal (half-normal).

• El caso conocido ($n=2$): Se ha demostrado que para dos variables media normales independientes, la suma y el máximo son del mismo tipo de distribución, cumpliendo la relación:
  $$X_1 + X_2 \stackrel{d}{=} \sqrt{2} \max\{X_1, X_2\}$$
• La Conjetura ($n \ge 3$): Arnold y Villasenor conjeturaron que esta relación se generaliza para $n \ge 3$ de la siguiente manera:
  $$X_1 + \dots + X_n \stackrel{d}{=} (n!)^{1/n} \max\{X_1, \dots, X_n\}$$
  donde $\stackrel{d}{=}$ denota igualdad en distribución.

El objetivo del presente trabajo es refutar esta conjetura para $n \ge 3$ bajo la distribución media normal estándar.

2. Metodología

Okamura emplea un enfoque analítico basado en el comportamiento asintótico de las funciones de distribución acumulada (CDF) y de supervivencia. La prueba se realiza por contradicción, asumiendo que la igualdad en distribución se cumple y demostrando que esto lleva a inconsistencias matemáticas.

La metodología se divide en dos etapas principales de comparación asintótica:

1. Comportamiento cerca de cero ($x \to 0^+$):

   • Se analiza la densidad de probabilidad $f(x)$ cerca del origen.
   • Se demuestra un lema (Lema 2.1) que establece que si $S_n = C M_n$ en distribución, la constante $C$ debe ser necesariamente $(n!)^{1/n}$. Esto se logra comparando los límites de $P(S_n \le x)$ y $P(M_n \le x)$ divididos por $x^n$ cuando $x \to 0$.

2. Comportamiento en la cola ($x \to +\infty$):
   Se distinguen dos casos basados en el parámetro $\beta$ de la familia de distribuciones generalizada de gamma (donde la media normal corresponde a $\beta=2$):

   • Caso $\beta \ge 1$: Se establecen cotas inferiores para $P(M_n > x)$ y cotas superiores para $P(S_n > x)$ utilizando integración por partes y convexidad. Se demuestra que el límite de la razón entre las probabilidades de cola diverge, contradiciendo la igualdad en distribución.
   • Caso $0 < \beta < 1$: Se utiliza la teoría de distribuciones subexponenciales. Se demuestra que la variable $X_1$ es subexponencial, lo que implica que la cola de la suma es asintóticamente equivalente a la cola del máximo ($P(S_n > x) \sim P(M_n > x)$). Sin embargo, al aplicar la constante $C = (n!)^{1/n}$, se llega a una contradicción al comparar las tasas de decaimiento de las colas.

3. Contribuciones Clave y Resultados

• Refutación de la Conjetura: El Teorema 1.1 establece que para variables i.i.d. con densidad $f(x) = c_1 \exp(-c_2 x^\beta)$, si se cumple la condición $\beta < \frac{n \log n}{n \log n - \log(n!)}$, entonces no existe ninguna constante $C$ tal que $S_n = C M_n$ en distribución.
• Aplicación a la Distribución Media Normal: Para la distribución media normal estándar, los parámetros son $\beta = 2$, $c_1 = \sqrt{2/\pi}$, $c_2 = 1/2$. La condición del teorema se cumple si y solo si $n \ge 3$. Por lo tanto, la conjetura de Arnold y Villasenor es falsa para todo $n \ge 3$.
• Análisis Específico para $n=3$:
  • Se ofrece una prueba alternativa para el caso $n=3$ utilizando momentos.
  • Se calcula el segundo momento de la suma ($E[S_3^2]$) y del máximo ($E[M_3^2]$).
  • Si la igualdad en distribución fuera cierta, se deduciría una relación algebraica que implicaría que $\pi$ pertenece al cuerpo de números generados por $\sqrt{3}$ y $6^{1/3}$. Esto contradice el hecho de que $\pi$ es un número transcendente.
  • Nota: Aunque los valores numéricos son cercanos ($3.24$ vs $3.30$), no son iguales.

4. Significado e Impacto

• Corrección de la Literatura: El trabajo corrige una afirmación errónea en la literatura reciente sobre propiedades de distribuciones de cola pesada y distribuciones de media normal.
• Límites de la Propiedad de Estabilidad: Demuestra que la propiedad de que la suma y el máximo sean del mismo tipo (una característica notable en la distribución media normal para $n=2$) no se generaliza a muestras más grandes, incluso bajo condiciones de regularidad fuertes.
• Herramientas Analíticas: El artículo proporciona técnicas robustas para comparar distribuciones de sumas y máximos mediante el análisis de comportamiento asintótico en ambos extremos (cerca de 0 y en infinito), aplicables a una subclase de distribuciones gamma generalizadas.
• Conexión con Teoría de Números: La demostración alternativa para $n=3$ conecta problemas de probabilidad con propiedades fundamentales de los números trascendentes, ofreciendo una perspectiva interdisciplinaria única.

En conclusión, Okamura demuestra rigurosamente que la relación de escala entre la suma y el máximo de variables media normales es exclusiva del caso $n=2$ y no se extiende a $n \ge 3$, cerrando así una conjetura abierta en el campo de la teoría de la probabilidad.