Математика / Вероятность и статистика

Вероятность размаха независимой равномерной выборки

Распределение размаха равномерной выборки показывает, с какой вероятностью все наблюдения окажутся внутри некоторого короткого участка исходного интервала.

Опубликовано: Обновлено:

Формула

$$P(R\le r)=n u^{n-1}-(n-1)u^n,\qquad u=\frac{r}{b-a},\quad 0\le u\le1$$
Схема Как объём влияет на размах
00.250.50.75100.250.50.751P(R ≤ r)r/(b − a)n = 2n = 5

Функции распределения нормированного размаха для двух и пяти точек.

Обозначения

$R$
Случайный размах: максимум минус минимум, единицы X
$r$
Порог размаха, единицы X
$n$
Объём независимой выборки, —
$a,b$
Границы равномерного распределения, единицы X
$u$
Порог, делённый на длину исходного интервала, —

Условия применения

Выборка содержит n ≥ 2 независимых величин с распределением U(a; b), b > a. Размах R — разность максимума и минимума. Внутренняя часть формулы применяется при 0 ≤ r ≤ b − a; за пределами этого диапазона функция распределения равна нулю или единице.

Ограничения

Условие R ≤ r не означает, что все точки попали в заранее выбранный интервал длины r: сам короткий участок может располагаться в разных местах. Для зависимых или неравномерных данных полученное распределение использовать нельзя. Наблюдаемый размах не равен ширине всей генеральной совокупности.

Подробное объяснение

Размах готового набора — одно число. Здесь рассматривается другой вопрос: каким это число будет в следующей независимой серии? Удобно разделить его на полную длину интервала. После нормировки распределение зависит только от объёма n, а единицы и положение исходного окна исчезают.

Для n точек на [0; 1] совместная плотность минимума s и максимума t равна n(n − 1)(t − s)ⁿ⁻² при 0 < s < t < 1. Множитель n(n − 1) выбирает крайние наблюдения, остальные n − 2 должны лежать между ними. Для заданного расстояния u минимум может перемещаться по участку длины 1 − u.

Поэтому плотность нормированного размаха равна n(n − 1)uⁿ⁻²(1 − u). Интегрируя её от нуля до порога, получаем n uⁿ⁻¹ − (n − 1)uⁿ. Производная неотрицательна, а значения на концах равны нулю и единице: это две проверки функции распределения.

С увеличением объёма выборки крайние точки обычно расходятся к границам. Поэтому для фиксированной доли u < 1 вероятность маленького размаха уменьшается. В отличие от события попадания всех точек в заранее заданное окно здесь учитывается свободное положение минимума.

Например, при двух точках и половине полной длины получается 2·0,5 − 0,5² = 0,75. Вероятность попадания обеих точек в заранее выбранную половину всего лишь 0,25. Различие объясняется разными условиями событий. График сравнивает размахи двух и пяти точек.

Как пользоваться формулой

  1. Уточните, что требуется вероятность разницы крайних значений, а не попадания в заранее закреплённое окно.
  2. Определите полную длину L = b − a и разделите порог r на L, используя одинаковые единицы измерения.
  3. Если r меньше нуля, запишите нулевую вероятность; если r не меньше L, вероятность равна единице.
  4. Для внутреннего порога вычислите n·u^(n − 1) − (n − 1)·u^n, сохраняя достаточную точность степеней.
  5. Проверьте границы и здравый смысл: при большем числе независимых точек маленький размах становится менее вероятным.

Историческая справка

Вероятностное изучение размаха относится к теории крайних порядковых статистик, которая входит в курсы математической статистики XX–XXI веков. Для равномерной модели оно особенно наглядно: совместная плотность минимума и максимума превращает вопрос о размахе в интегрирование по треугольной области.

Учебные материалы университетов Пенсильвании и Вашингтона рассматривают порядок наблюдений и связанные плотности. Здесь формула для размаха получена из того же подсчёта крайних точек: фиксированное расстояние между ними оставляет переменную позицию левой границы. Такой вывод показывает, почему в ответе возникает не одна степень, а разность двух слагаемых.

Персональный приоритет этому выражению не приписывается. Нужно также отличать теоретическое распределение размаха от описательной статистики готового набора и от контрольных карт технологического процесса. У последних могут быть дополнительные допущения, которых в этой простой равномерной модели нет.

Историческая линия формулы

Формула относится к стандартной теории совместных порядковых статистик. Источники подтверждают модель независимой выборки и плотность крайних значений; интегрирование по их разности даёт приведённую функцию распределения без дополнительного исторического авторства.

Пример

Пять независимых времён равномерны на [0; 10] с. Требуется вероятность, что разница между самым поздним и самым ранним временем не превысит 5 с. Полная длина окна 10 с, поэтому u = 5/10 = 0,5 и n = 5. P(R ≤ 5) = 5·0,5⁴ − 4·0,5⁵ = 5/16 − 4/32 = 0,3125 − 0,125 = 0,1875. Ответ — 18,75 %. Здесь начало короткого участка не фиксировано: допускается любая конфигурация точек с разницей крайних значений до 5 с. Для проверки можно интегрировать плотность 20u³(1 − u) от 0 до 0,5: первообразная 5u⁴ − 4u⁵ даёт те же 0,1875. Отношение времён безразмерно, поэтому ответ не изменится при переводе всех времён в миллисекунды.

Частая ошибка

Нельзя подставлять r в секундах прямо вместо u: в степенях стоит доля полной длины. Не заменяйте результат на uⁿ — это вероятность попадания в конкретный участок. Не используйте n = 1: тогда размах тождественно нулевой и распределение вырождено. Условие равномерности проверяют для исходной модели, а не по тому, что значения в небольшой серии выглядят распределёнными примерно ровно.

Практика

Задачи с решением

Размах двух точек

Условие. Две независимых U(0; 1). Найдите вероятность R ≤ 0,5.

Решение. Подставляем n = 2: 2·0,5 − 0,5² = 0,75.

Ответ. 0,75

Три времени

Условие. Три независимых U(2; 6) с. Найдите P(R ≤ 1 с).

Решение. Длина окна 4 с, u = 0,25. Ответ 3·0,25² − 2·0,25³ = 0,15625.

Ответ. 0,15625

Дополнительные источники

  • https://online.stat.psu.edu/stat415/Lesson01
  • https://faculty.washington.edu/yenchic/20A_stat512/Lec9_Order.html
  • https://sites.math.duke.edu/~jonm/Math231/orderStatistics.html
  • https://itl.nist.gov/div898/software/dataplot/refman2/auxillar/ordstmea.htm

Связанные формулы

Математика

Равномерное распределение: вероятность попасть в интервал

$P(c\le X\le d)=\frac{d-c}{b-a},\qquad a\le c\le d\le b$

Для непрерывного равномерного распределения на отрезке [a,b] вероятность попадания в его часть [c,d] равна отношению длин. Равные по длине части имеют одинаковые вероятности независимо от положения.

Аналитика

Размах вариации

$R=x_{max}-x_{min}$

Размах вариации показывает расстояние между максимальным и минимальным значением набора данных. Это самый простой показатель разброса.

Математика

Экспоненциальное распределение: вероятность времени ожидания

$P(T>t)=e^{-\lambda t}$

Экспоненциальная модель даёт вероятность ждать событие дольше t при постоянной интенсивности λ. В отличие от счёта событий по Пуассону, случайной величиной здесь служит непрерывное время до ближайшего события.