Вероятность и статистика · объяснение и практика
Как минимум и максимум меняют распределение выборки
Как вывести законы минимума и максимума независимой одинаковой выборки через совместные события и не перепутать вероятность порога со средним крайним значением.

В теме Случайные величины и распределения · Учебная карта
В маршруте Совместные и преобразованные распределения · 10 тем
Главная мысль
Для независимых одинаково распределённых X₁,…,Xₙ с функцией распределения F закон максимума имеет CDF F(x)ⁿ. Для минимума CDF равна 1−[1−F(x)]ⁿ. Степени возникают из события, которое должны выполнить все наблюдения.
Максимум не превосходит порог, только если его не превосходит каждый
Пусть три независимые величины равномерны между нулём и двумя. Обозначим максимум через M. Для значения x внутри этого интервала вероятность Xᵢ≤x равна x/2. Событие M≤x означает одновременное выполнение всех трёх неравенств. Поэтому P(M≤x)=(x/2)³; снаружи интервала CDF дополняется нулём слева и единицей справа.
В частности, вероятность максимума не больше единицы равна 1/8. Сам максимум не является равномерной величиной: большие значения ему достаются чаще. Производная CDF внутри носителя даёт плотность 3x²/8. Её форма отражает отбор самого большого наблюдения, а не изменение исходного закона каждого отдельного элемента выборки.
Для минимума удобнее сначала взять дополнение
Минимум m больше x тогда и только тогда, когда все три наблюдения больше x. Поэтому P(m>x)=(1−x/2)³, а P(m≤x)=1−(1−x/2)³. При x=1 получается 7/8. Вероятности минимума и максимума относятся к разным событиям и не могут вычисляться одной и той же степенью без дополнения.
Ожидания также различаются: интегрирование плотности максимума даёт E(M)=3/2, а симметрия исходного интервала или интеграл хвоста минимума даёт E(m)=1/2. Число 1/8 из предыдущего расчёта — вероятность конкретного порога, не среднее значение. В общем случае нельзя получать ожидание экстремума, просто взяв экстремум отдельных ожиданий.
Пример
Какова вероятность, что все три значения попадут в верхнюю половину интервала?
Это событие m>1. По независимости его вероятность равна (1/2)³=1/8; оно не совпадает с событием M>1, вероятность которого 7/8.
Что меняется при других предположениях
Для независимых, но неодинаково распределённых величин вместо F(x)ⁿ будет произведение их отдельных CDF. При зависимости произведение вообще не обосновано. Например, если все наблюдения буквально одинаковы, максимум равен одному наблюдению и его закон не меняется. Число записанных строк не создаёт независимую выборку.
Для промежуточной порядковой статистики учитывают число наблюдений, не превосходящих порог. При независимой одинаковой выборке это биномиальный счёт. При наличии повторяющихся значений аккуратно различают строгие и нестрогие неравенства. Формулы крайних CDF выше удобны именно тем, что их можно заново получить из событий, сохранив нужные знаки и условия.
От чтения к действию
А теперь — вы
Частые вопросы
Почему минимум имеет CDF с дополнением?
Произведение удобно описывает событие, что все значения больше порога. Для события о минимуме не больше порога берут противоположное.
Независимость следует из слова «выборка» автоматически?
Нужно проверить принятое определение и способ получения данных. Копии одного измерения не становятся независимыми наблюдениями.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Как обратная функция распределения задаёт квантили
Как обобщённая обратная функция выбирает квантиль при скачках CDF, почему равенство F(q)=p может не иметь решения и чем это отличается от интерполяции выборки.
Открыть темуКак совместная таблица задаёт маргинальные и условные законы
Как одна таблица вероятностей пары восстанавливает отдельные законы, события по нескольким клеткам и условное распределение после фиксации одного признака.
Открыть тему