Mi pregunta gira en torno a la siguiente propiedad:
Dejemos que ${\bf u} \in \mathbb{R}^3$ sea un vector aleatorio con distribución uniforme en la esfera unitaria tridimensional. Entonces la proyección sobre cualquier vector unitario dado $\bf v \in \mathbb{R}^3$ $$X = {\bf u}^\mathrm{T} {\bf v}$$ tiene una distribución uniforme $$X \sim \mathcal{U}(-1,+1).$$
Esto se puede demostrar fácilmente argumentando primero que $X$ tiene la misma distribución que cualquier proyección canónica de $\bf u$ debido a la simetría y luego empleando algo de geometría [lo que hice aquí en (12)] : para $x\in[-1,+1]$ escriba la FCD de $F_X(x)$ como la relación de las superficies entre una tapa de altura $1+x$ de la esfera unitaria y de toda la esfera unitaria. Sorprendentemente, la superficie de la tapa es lineal en su altura $x$ y se obtiene $$F_X(x) = \frac{2\pi(1+x)}{4\pi} = \frac{1+x}{2}$$ que es una distribución uniforme en $[-1,+1]$ y termina la prueba.
Mi problema: Esto parece una propiedad muy atractiva del espacio tridimensional. Es tan sencilla que seguramente miles de matemáticos se han topado con ella. Sin embargo, no encuentro otras fuentes o material sobre ella. Utilizo mucho esta propiedad en mi trabajo y quiero toda la información posible sobre ella, además de una fuente matemática sólida. Estoy seguro de mi prueba y por supuesto verifiqué todo numéricamente, pero no me gusta ser autorreferente en algo tan básico.
Mi pregunta: ¿Podría facilitarme lo siguiente?
- Una o más fuentes buenas en la propiedad.
- Toda la información e intuición fructífera posible al respecto.
¡Muchas gracias!
Apéndice: Aquí hay más información que podría encender la discusión. Para lo mismo en $\mathbb{R}^1$ se obtiene una distribución uniforme discreta en $x \in \{-1,+1\}$ . En $\mathbb{R}^2$ se obtiene el PDF $f_X(x) = 1 /(\,\pi\sqrt{1-x^2}\,)$ con postes en $x = -1$ y $x = +1$ . Esto demuestra: cuanto más baja es la dimensión, más probable es que $\bf u$ golpea una dirección similar a $\bf v$ . Para $\mathbb{R}^N$ la masa probable de $f_X(x)$ se concentra cada vez más cerca de $0$ con el aumento de $N$ porque los vectores aleatorios de alta dimensión tienden a ser ortogonales.