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

Dit artikel weerlegt een conjectuur van Arnold en Villasenor over de vergelijking tussen de som en het maximum van onafhankelijke en identiek verdeelde half-normale stochastische variabelen.

De kern

De Kern: Een Wiskundige "Onzin" Ontmaskerd

Stel je voor dat je een groep vrienden hebt die allemaal ongeveer even groot zijn, maar met een beetje variatie (zoals mensen in een zaal). Wiskundigen Arnold en Villasenor hadden onlangs een interessante theorie opgesteld over twee manieren om de "grootte" van deze groep te meten:

1. De Som: Je telt de lengte van iedereen bij elkaar op.
2. De Maximum: Je kijkt alleen naar de langste persoon in de groep.

Hun theorie was als volgt: Als je de som van de lengtes vergelijkt met de lengte van de langste persoon, dan is er een vaste verhouding. Voor twee mensen was dit al bewezen. Maar ze dachten: "Als dit werkt voor twee mensen, werkt het dan ook voor drie, vier of tien mensen?" Ze stelden een regel op die zei: "De som is altijd precies even groot als de maximum vermenigvuldigd met een specifiek getal."

Kazuki Okamura, de auteur van dit artikel, zegt: "Nee, dat klopt niet." Hij heeft bewezen dat deze regel voor groepen van drie of meer mensen (en bepaalde soorten wiskundige verdelingen) volledig fout is.

De Analogie: De "Bak met Blokken"

Om dit te begrijpen, laten we een analogie gebruiken:

Stel je hebt een bak met blokken.

• De Som ($S_n$): Je gooit alle blokken in de bak en meet hoe hoog de stapel is.
• Het Maximum ($M_n$): Je zoekt het grootste blok en meet alleen dat ene blok.

De oude theorie zei: "Als je de stapel (Som) vergelijkt met het grootste blok (Maximum), is de stapel altijd precies $X$ keer zo hoog als dat ene blok, ongeacht hoeveel blokken je hebt."

Okamura zegt: "Dat is als zeggen dat als je drie appels hebt, het totale gewicht van de drie appels altijd precies hetzelfde is als het gewicht van de zwaarste appel vermenigvuldigd met een vast getal. Dat klinkt logisch als de appels heel erg op elkaar lijken, maar in de wiskundige wereld van 'half-normale' blokken (een specifieke vorm van onzekerheid) gaat dit mis zodra je meer dan twee blokken hebt."

Hoe heeft hij dit bewezen? (De Twee Uitersten)

Okamura gebruikt twee verschillende manieren om te laten zien dat de theorie niet klopt. Hij kijkt naar de uitersten: heel kleine waarden en heel grote waarden.

1. De "Kleine Stap" (Nabij nul)

Stel je voor dat je kijkt naar blokken die bijna geen gewicht hebben (ze zijn heel klein).

• Okamura laat zien dat als de theorie waar zou zijn, de verhouding tussen de som en het maximum een heel specifiek getal moet zijn (namelijk de derdemachtswortel van $n!$, oftewel een getal dat afhangt van het aantal mensen).
• Dit is als het "paspoort" van de theorie. Als de verhouding niet klopt bij kleine waarden, is de theorie al fout. Maar hij gaat verder.

2. De "Grote Sprong" (Naar oneindig)

Dit is waar het echt misgaat. Stel je voor dat je kijkt naar extreem grote blokken (extreme gebeurtenissen).

• Het Maximum: Als er één enorm groot blok is, bepaalt dat blok de hele "grootte" van de groep. De kans dat er een enorm blok is, is redelijk groot.
• De Som: Als je de som neemt, moeten alle blokken samenwerken. Bij deze specifieke wiskundige verdeling (de half-normale verdeling) is het echter zo dat als je naar extreem grote waarden kijkt, de som zich heel anders gedraagt dan het maximum.

Okamura laat zien dat als je naar oneindig grote waarden kijkt, de verhouding tussen de kans op een enorme som en de kans op een enorm maximum niet constant blijft.

• De theorie zegt: "Ze blijven in verhouding."
• De realiteit (bewezen door Okamura) zegt: "Nee, de som wordt relatief veel kleiner dan wat de theorie voorspelt."

Het is alsof je zegt: "Als één persoon een berg kan verplaatsen, kunnen drie personen samen drie bergen verplaatsen." Maar in dit specifieke wiskundige universum blijken drie personen samen juist minder effectief te zijn dan de som van hun individuele krachten zou suggereren. De "berg" van de som groeit niet snel genoeg om de theorie te volgen.

Het Specifieke Geval: Drie Vrienden

Okamura geeft ook een leuk, specifiek voorbeeld voor het geval er precies drie mensen zijn ($n=3$).
Hij rekent uit wat het gemiddelde gewicht zou zijn als de theorie waar was, en vergelijkt dit met de werkelijke berekening.

• De theorie zou leiden tot een getal dat $\pi$ (de cirkelconstante) bevat op een manier die wiskundig onmogelijk is.
• Het is alsof je probeert een vierkant te tekenen met een oppervlakte die precies gelijk is aan de oppervlakte van een cirkel, maar dan met een getal dat $\pi$ is. De wiskunde zegt: "Dat kan niet, want $\pi$ is een 'transcendent' getal en past niet in die specifieke formule."

Conclusie

Kortom:

1. De oude ideeën: Arnold en Villasenor dachten dat de som en het maximum van deze specifieke wiskundige variabelen altijd in een perfecte verhouding tot elkaar stonden, net zoals bij twee variabelen.
2. De nieuwe ontdekking: Okamura bewijst dat dit niet waar is voor groepen van drie of meer.
3. De les: In de wereld van kansrekening en statistiek kun je niet zomaar aannemen dat iets wat voor twee werkt, ook voor drie werkt. De dynamiek verandert drastisch zodra je meer variabelen toevoegt, vooral als het gaat om extreme waarden (zoals de langste persoon of de grootste som).

Dit artikel is een "remark" (een opmerking), maar het is een belangrijke rem die een verkeerde weg afsluit, zodat andere wiskundigen niet verder zoeken naar een regel die niet bestaat.

Technische samenvatting

Titel: Een opmerking over de vergelijking van de som en het maximum van positieve stochastische variabelen

Auteur: Kazuki Okamura
Doel: Het weerleggen van een conjectuur van Arnold en Villasenor (2024) betreffende de verdeling van de som versus het maximum van onafhankelijke, identiek verdeelde (i.i.d.) half-normale stochastische variabelen.

---

1. Het Probleem en de Context

Arnold en Villasenor bewezen onlangs dat voor twee onafhankelijke half-normale stochastische variabelen $X_1$ en $X_2$, de som en het maximum dezelfde verdelingsklasse delen. Specifiek geldt:
$$X_1 + X_2 \stackrel{d}{=} \sqrt{2} \max\{X_1, X_2\}$$
Zij stelden vervolgens de volgende conjectuur voor $n \geq 3$:
$$X_1 + \dots + X_n \stackrel{d}{=} (n!)^{1/n} \max\{X_1, \dots, X_n\}$$
waarbij $X_i$ onafhankelijk en half-normaal verdeeld zijn. Het doel van dit artikel is om aan te tonen dat deze conjectuur onjuist is voor $n \geq 3$.

2. Methodologie

Okamura gebruikt een bewijs door contradictie. De kern van de methode bestaat uit het vergelijken van de asymptotisch gedrag van de verdelingsfuncties van de som ($S_n$) en het maximum ($M_n$) in twee extreme regimes:

1. Kleine waarden ($x \to 0^+$): Analyse van de dichtheidsfunctie in de buurt van nul.
2. Grote waarden ($x \to +\infty$): Analyse van de staartgedragingen (tail behavior) van de verdelingen.

De analyse wordt uitgevoerd binnen een bredere klasse van verdelingen: de generalized gamma-verdelingen met dichtheid:
$$f(x) = c_1 \exp(-c_2 x^\beta), \quad x \geq 0$$
waarbij $\beta > 0$. De half-normale verdeling is een speciaal geval met $\beta = 2$.

3. Belangrijkste Resultaten en Bewijsstappen

Stap 1: Asymptotiek bij $x \to 0$

In Lemma 2.1 wordt aangetoond dat als er een constante $C$ bestaat zodat $S_n \stackrel{d}{=} C M_n$, dan moet deze constante noodzakelijkerwijs gelijk zijn aan:
$$C = (n!)^{1/n}$$
Dit wordt bewezen door de limieten van $P(S_n \leq x)$ en $P(M_n \leq x)$ te analyseren als $x \to 0$. Omdat de dichtheidsfunctie continu is bij 0, gedragen de integralen zich als $x^n$. Dit levert de unieke schalingsfactor op.

Stap 2: Asymptotiek bij $x \to \infty$ (Geval $\beta \geq 1$)

Voor $\beta \geq 1$ (waaronder de half-normale verdeling met $\beta=2$) worden onder- en bovengrenzen afgeleid voor de overlevingskansen $P(M_n > x)$ en $P(S_n > x)$.

• Maximum: $P(M_n > x)$ wordt ondergrensd door een term die proportioneel is aan $x^{-(\beta-1)} e^{-x^\beta}$.
• Som: $P(S_n > x)$ wordt bovengrensd door een term die proportioneel is aan $x^{n-\beta} e^{-n^{1-\beta}x^\beta}$.

Onder de voorwaarde (1.3) in het artikel, namelijk:
$$\beta < \frac{n \log n}{n \log n - \log(n!)}$$
blijkt dat de verhouding tussen de overlevingskansen naar oneindig gaat:
$$\lim_{x \to \infty} \frac{P(M_n > x/(n!)^{1/n})}{P(S_n > x)} = \infty$$
Dit betekent dat de staarten van de verdelingen fundamenteel verschillen, wat in strijd is met de aanname dat ze gelijk zijn in verdeling. Voor de half-normale verdeling ($\beta=2$) geldt deze ongelijkheid precies wanneer $n \geq 3$.

Stap 3: Asymptotiek bij $x \to \infty$ (Geval $0 < \beta < 1$)

Voor $0 < \beta < 1$ wordt aangetoond dat $X_1$ een subexponentiële verdeling heeft. Voor subexponentiële variabelen geldt een bekend resultaat:
$$\lim_{x \to \infty} \frac{P(M_n > x)}{P(S_n > x)} = 1$$
Als $S_n \stackrel{d}{=} C M_n$ zou gelden, zou dit leiden tot een contradictie in de limietverhouding van de overlevingskansen van de individuele variabelen, specifiek omdat $(n!)^{1/n} > 1$ voor $n \geq 2$.

Stap 4: Alternatief bewijs voor $n=3$ (Momenten)

In Lemma 2.4 en Remark 2.3 biedt de auteur een alternatief, elementair bewijs voor het specifieke geval $n=3$ met de half-normale verdeling.

• De tweede momenten worden berekend: $E[S_3^2] = 3 + \frac{12}{\pi}$ en $E[M_3^2] = 1 + \frac{2\sqrt{3}}{\pi}$.
• Als de conjectuur waar zou zijn, zou gelden: $3 + \frac{12}{\pi} = 6^{2/3} (1 + \frac{2\sqrt{3}}{\pi})$.
• Dit impliceert dat $\pi$ een algebraïsch getal zou zijn (in het veld $\mathbb{Q}(\sqrt{3}, 6^{1/3})$), wat in strijd is met het feit dat $\pi$ een transcendent getal is.
• Numeriek zijn de waarden dicht bij elkaar ($\approx 3.24$ vs $\approx 3.30$), maar wiskundig strikt ongelijk.

4. Bijdragen en Conclusie

• Weerlegging van de Conjectuur: Het artikel bevestigt definitief dat de relatie $S_n \stackrel{d}{=} (n!)^{1/n} M_n$ niet geldt voor $n \geq 3$ voor half-normale verdelingen.
• Veralgemening: De resultaten zijn van toepassing op een brede subklasse van generaliseerde gamma-verdelingen, afhankelijk van de parameter $\beta$ en het aantal variabelen $n$.
• Technische Diepgang: Het artikel combineert analytische methoden (asymptotische analyse, integratie door delen) met probabilistische concepten (subexponentiële verdelingen) en algebraïsche argumenten (transcendentie van $\pi$).

5. Significatie

Deze studie corrigeert een recente misvatting in de literatuur over de relatie tussen sommen en maximums van positieve stochastische variabelen. Het benadrukt dat de elegante relatie die geldt voor $n=2$ (waar de som en het maximum in verdeling gerelateerd zijn via een constante) niet generaliseerbaar is naar hogere dimensies voor deze specifieke verdelingen. Dit heeft implicaties voor de modellering van extreme waarden en de analyse van convoluties in de kansrekening en statistiek.