Este problema viene de Casella y Berger que no demuestran rigurosamente (en su clave de solución) que la estadística no es suficiente.
Dejemos que $X_1,\dots,X_n$ sea una muestra aleatoria de una población con PDF $f(x|\theta)=\theta x^{\theta-1} \cdot 1_{\{x\in(0,1)\}}$ para $\theta>0$ . Demostrar que $\sum_i X_i$ no es suficiente para $\theta$ .
Si escribe el PDF $p(\vec{x}|\theta)$ de la muestra aleatoria, está claro por el teorema de la factorización que $\prod_i X_i$ o $\sum_i \log(X_i)$ son suficientes para $\theta$ el PDF $p$ también sugiere $\sum_i X_i$ es no suficiente para $\theta$ . Sin embargo, para demostrarlo con rigor, debemos analizar $p(\vec{x},\theta)/q(T(\vec{x},\theta)$ , donde $p$ es la distribución de la muestra $\vec{x}$ , $q$ es la distribución de la estadística $T(\vec{X})=\sum_i X_i$ .
Pero encontrar la distribución de $T(X)=\sum_i X_i$ parece poco práctico. He observado que $f$ es la PDF de un Beta( $\theta$ ,1), pero comprobando en Internet, la distribución de la suma de variables aleatorias Beta no parece tener una forma cerrada. ¿Hay alguna vía alternativa (por ejemplo, demostrar que no hay una factorización que implique $T(\vec{X})$ )? ¿Omitió C&B una explicación completa que $\sum_i X_i$ no es suficiente porque no existe ninguno en realidad?