हालांकि एक सटीक संभावना (साथ छोड़कर विशेष परिस्थितियों में नहीं की जा सकती ), यह संख्यानुसार उच्च सटीकता के लिए जल्दी से गणना की जा सकती। इस सीमा के बावजूद, यह कड़ाई से साबित किया जा सकता है कि सबसे बड़े मानक विचलन वाले धावक के पास जीतने का सबसे बड़ा मौका है। आंकड़ा स्थिति को दर्शाता है और दिखाता है कि यह परिणाम सहज रूप से स्पष्ट क्यों है:n≤2
पांच धावकों के समय के लिए संभाव्यता घनत्व दिखाए गए हैं। सभी एक सामान्य माध्यम के बारे में निरंतर और सममित हैं। (सभी समय सकारात्मक हैं यह सुनिश्चित करने के लिए स्केल्ड बीटा घनत्व का उपयोग किया गया था।) एक घनत्व, गहरे नीले रंग में खींचा गया है, बहुत अधिक फैल गया है। इसकी बाईं पूंछ में दिखाई देने वाला भाग ऐसे समय का प्रतिनिधित्व करता है जो कोई अन्य धावक आमतौर पर मेल नहीं खा सकता है। क्योंकि वह बाईं पूंछ, अपने अपेक्षाकृत बड़े क्षेत्र के साथ, प्रशंसनीय संभावना का प्रतिनिधित्व करती है, इस घनत्व वाले धावक के पास दौड़ जीतने की सबसे बड़ी संभावना है। (वे भी आखिरी में आने का सबसे बड़ा मौका है!)μ
ये परिणाम केवल सामान्य वितरण से अधिक के लिए सिद्ध होते हैं: यहां प्रस्तुत तरीके समरूपता वाले वितरण के लिए समान रूप से लागू होते हैं और निरंतर । (यह उन लोगों के लिए हितकारी होगा, जो सामान्य रूप से मॉडल का उपयोग करते हुए वस्तुओं को चलाते समय करते हैं।) जब इन मान्यताओं का उल्लंघन किया जाता है, तो संभव है कि सबसे बड़े मानक विचलन वाले धावक के पास जीतने का सबसे बड़ा मौका न हो (मैं काउंटरटेक्म्पल्स का निर्माण छोड़ देता हूं) पाठकों की दिलचस्पी), लेकिन हम अभी भी इस धारणा के तहत साबित कर सकते हैं कि सबसे बड़ी एसडी के साथ धावक के पास जीतने का सबसे अच्छा मौका होगा बशर्ते कि एसडी पर्याप्त रूप से बड़ा हो।
आंकड़ा यह भी बताता है कि मानक विचलन (तथाकथित "अर्धविराम") के एक तरफा एनालॉग्स पर विचार करके समान परिणाम प्राप्त किए जा सकते हैं, जो केवल एक तरफ वितरण के फैलाव को मापते हैं। बाईं ओर बड़े फैलाव के साथ एक धावक (बेहतर समय की ओर) को जीतने का एक बड़ा मौका होना चाहिए, बाक़ी वितरण में क्या होता है, इसकी परवाह किए बिना। ये विचार हमें इस बात की सराहना करने में मदद करते हैं कि सर्वश्रेष्ठ होने का गुण कैसे है (एक समूह में) की संपत्ति अन्य गुणों जैसे कि औसत से भिन्न होती है।
चलिए रनर समय का प्रतिनिधित्व करने वाले यादृच्छिक चर हैं। प्रश्न मानता है कि वे स्वतंत्र हैं और आम तौर पर सामान्य माध्य μ के साथ वितरित किए जाते हैं । (हालांकि यह वस्तुतः एक असंभव मॉडल है, क्योंकि यह नकारात्मक समय के लिए सकारात्मक संभावनाएं प्रस्तुत करता है, यह अभी भी वास्तविकता के लिए एक उचित अनुमान हो सकता है बशर्ते मानक विचलन μ से काफी छोटा हो ।)X1,…,Xnμμ
निम्नलिखित तर्क को पूरा करने के लिए, स्वतंत्रता के दमन को बनाए रखें, लेकिन अन्यथा मान लें कि का वितरण F i द्वारा दिया गया है और ये वितरण संबंधी कानून कुछ भी हो सकते हैं । सुविधा के लिए, यह भी मान लें कि वितरण F n घनत्व f n के साथ निरंतर है । बाद में, आवश्यकतानुसार, हम अतिरिक्त मान्यताओं को लागू कर सकते हैं बशर्ते कि वे सामान्य वितरण के मामले में शामिल हों।XiFiFnfn
किसी भी और infinitesimal d y के लिए , मौका है कि अंतिम धावक के अंतराल में समय है ( y - d y , y ] और सबसे तेज़ धावक सभी प्रासंगिक संभावनाओं को गुणा करके प्राप्त किया जाता है (क्योंकि सभी बार स्वतंत्र हैं):ydy(y−dy,y]
Pr(Xn∈(y−dy,y],X1>y,…,Xn−1>y)=fn(y)dy(1−F1(y))⋯(1−Fn−1(y)).
इन सभी पारस्परिक रूप से अनन्य संभावनाओं से अधिक पैदावार
Pr(Xn≤min(X1,X2,…,Xn−1))=∫Rfn(y)(1−F1(y))⋯(1−Fn−1(y))dy.
सामान्य वितरण के लिए, इस इंटीग्रल का मूल्यांकन बंद रूप में नहीं किया जा सकता है जब : इसे संख्यात्मक मूल्यांकन की आवश्यकता होती है।n>2
यह आंकड़ा 1: 2: 3: 4: 5 के अनुपात में मानक विचलन वाले प्रत्येक पांच धावकों के लिए अभिन्न भूखंड देता है। एसडी जितना बड़ा होता है, फ़ंक्शन को बाईं ओर स्थानांतरित किया जाता है - और इसका क्षेत्र उतना ही बड़ा हो जाता है। क्षेत्र लगभग 8: 14: 21: 26: 31% हैं। विशेष रूप से, सबसे बड़े एसडी वाले धावक के पास जीतने का 31% मौका होता है।
यद्यपि एक बंद रूप नहीं पाया जा सकता है, फिर भी हम ठोस निष्कर्ष निकाल सकते हैं और साबित कर सकते हैं कि सबसे बड़ा एसडी वाला धावक जीतने की संभावना है। , परिवर्तन कहते हैं, हमें अध्ययन करने की आवश्यकता है कि वितरण में से किसी एक के मानक विचलन के रूप में क्या होता है । जब यादृच्छिक चर एक्स एन द्वारा पुनः पैमाना है σ > 0 अपने मतलब के आसपास, अपने एसडी से गुणा किया जाता σ और च n ( y ) d y के लिए बदल जाएगा च n ( y / σ ) घ y / σFnXnσ>0σfn(y)dyfn(y/σ)dy/σ। चर का परिवर्तन करने से अभिन्न में रनर का मौका के लिए एक अभिव्यक्ति देता है एन के एक समारोह के रूप में, जीतने σ :y=xσnσ
ϕ(σ)=∫Rfn(y)(1−F1(yσ))⋯(1−Fn−1(yσ))dy.
अब मान लीजिए कि माध्यिकाओं सब से वितरण बराबर हैं और सभी वितरण सममित और निरंतर हैं कि, घनत्व के साथ च मैं । (यह निश्चित रूप से सवाल की शर्तों के तहत मामला है, क्योंकि एक सामान्य मंझला इसका मतलब है।) चर के एक साधारण (स्थानीय) परिवर्तन से हम यह मान सकते हैं कि यह सामान्य माध्य 0 है ; समरूपता का अर्थ है f n ( y ) = f n ( - y ) और 1 - F j ( - y ) = F n ( y)nfi0fn(y)=fn(−y)1−Fj(−y)=Fj(y)सभी । इन रिश्तों अभिन्न अधिक गठबंधन करने के लिए हमें सक्षम ( - ∞ , 0 ] अभिन्न से अधिक के साथ ( 0 , ∞ ) देने के लिएy(−∞,0](0,∞)
ϕ(σ)=∫∞0fn(y)(∏j=1n−1(1−Fj(yσ))+∏j=1n−1Fj(yσ))dy.
समारोह विभेदक है। इसका व्युत्पन्न, अभिन्न को विभेदित करके प्राप्त किया जाता है, जहां एक शब्द का रूप होता हैϕ
yfn(y)fi(yσ)(∏j≠in−1Fj(yσ)−∏j≠in−1(1−Fj(yσ)))
के लिए i=1,2,…,n−1 ।
मान्यताओं हम वितरण के बारे में किए आश्वस्त करने के लिए डिजाइन किए गए थे कि के लिए एक्स ≥ 0 । इस प्रकार, के बाद से एक्स = y σ ≥ 0 , बाईं उत्पाद में प्रत्येक शब्द से अधिक सही उत्पाद में अपनी इसी अवधि, उत्पादों के अंतर जिसका अर्थ गैर नकारात्मक है। अन्य कारकों y च n ( y ) च मैं ( y σ ) स्पष्ट रूप से गैर नकारात्मक रहे हैं, क्योंकि घनत्व नकारात्मक नहीं हो और कर सकते हैंFj(x)≥1−Fj(x)x≥0x=yσ≥0yfn(y)fi(yσ) । हम जानते हैं कि यह निष्कर्ष निकाल सकते φ ' ( σ ) ≥ 0 के लिए σ ≥ 0 , साबित करते हुए किसंभावना है कि खिलाड़ी एन के मानक विचलन के साथ जीत बढ़ जाती है एक्स एन ।y≥0ϕ′(σ)≥0σ≥0nXn
यह साबित करने के लिए पर्याप्त है कि रनर जीत जाएगा बशर्ते X n का मानक विचलन पर्याप्त रूप से बड़ा हो। यह काफी संतोषजनक नहीं है, क्योंकि एक बड़े एसडी के परिणामस्वरूप शारीरिक रूप से अवास्तविक मॉडल हो सकता है (जहां नकारात्मक जीतने के समय में सराहनीय संभावनाएं हैं)। लेकिन मान लें कि सभी वितरणों में उनके मानक विचलन के अलावा समान आकार हैं । इस मामले में, जब वे सभी एक ही एसडी होते हैं, तो X मैं स्वतंत्र और पहचान के साथ वितरित किया जाता है: किसी के पास किसी और की तुलना में जीतने की अधिक या कम संभावना नहीं हो सकती है, इसलिए सभी संभावनाएं समान हैं ( 1 / n तक )। रनर n के सभी वितरण सेट करके प्रारंभ करेंnXnXi1/nnnn