关于随机划分[0,1]区间后第k小区间期望长度证明中对称性应用的疑问

我完全理解你的困惑——这个证明里的对称性步骤确实有点跳步，我来帮你把逻辑补全清楚：

首先先回顾下证明里的变量替换逻辑，先把定义的细节明确：

• 我们把随机划分得到的n+1个区间长度排序为 $s_1 \geq s_2 \geq \dots \geq s_{n+1}$，满足 $s_1 + s_2 + \dots + s_{n+1} = 1$
• 定义 $x_i = s_i - s_{i+1}$（其中约定 $s_{n+2}=0$），反过来就得到 $s_k = x_k + x_{k+1} + \dots + x_{n+1}$
• 再做替换 $y_i = i x_i$，展开求和可以验证：$y_1 + y_2 + \dots + y_{n+1} = 1$（因为展开后刚好等于所有$s_i$的和）

接下来就是你疑惑的对称性部分：为什么 $E[y_i] = \frac{1}{n+1}$？

核心在于**$y_1,y_2,\dots,y_{n+1}$是同分布的随机变量**，理由如下：

• 当我们在[0,1]中随机选n个点时，未排序的区间长度（从左到右的各个段）是可交换的——也就是说，任意交换两个未排序区间的位置，它们的联合概率分布完全不变。
• 排序后的区间$s_1\sim s_{n+1}$虽然不再可交换，但通过$x_i$和$y_i$的定义，我们把问题转化到了“区间长度的递减间隙”的加权空间：$y_i$代表的是「第i大的区间比第i+1大的区间多出的部分的i倍」。
• 由于未排序区间的对称性，对于任意两个不同的i和j，$y_i$和$y_j$取任意特定值的概率都是相等的，即它们的分布完全相同。

有了同分布这个结论，再结合线性期望的性质（线性期望不需要变量独立，只要期望存在就成立）：
$$E[y_1] + E[y_2] + \dots + E[y_{n+1}] = E[y_1 + y_2 + \dots + y_{n+1}] = E[1] = 1$$
因为所有$E[y_i]$相等，所以每个$E[y_i] = \frac{1}{n+1}$。

接下来的步骤就顺理成章了：

• 由$y_i = i x_i$，可得$E[x_i] = \frac{E[y_i]}{i} = \frac{1}{i(n+1)}$
• 再用线性期望计算$E[s_k]$：
  $$E[s_k] = E[x_k + x_{k+1} + \dots + x_{n+1}] = E[x_k] + E[x_{k+1}] + \dots + E[x_{n+1}] = \frac{1}{n+1}\left( \frac{1}{k} + \frac{1}{k+1} + \dots + \frac{1}{n+1} \right)$$

你可以用小例子验证这个结论，比如n=1（划分成2个区间），k=1（最大区间）：

• 按公式计算期望是$\frac{\frac{1}{1}+\frac{1}{2}}{2} = \frac{3}{4}$
• 实际计算：随机选点$X\sim Uniform(0,1)$，最大区间长度的期望是$\int_0^1 max(x,1-x)dx = \frac{3}{4}$，完全匹配。同时这里$y_1$和$y_2$的期望都是$\frac{1}{2}$，也符合对称性的结论。

备注：内容来源于stack exchange，提问作者LM2357