ソートされたデータの世界へようこそ！

これまで、個々の順序統計量（乱数グループの最小値や最大値を求めるなど）について学んできましたが、最小値と最大値が「一緒になって」どのような振る舞いをするのか考えたことはありますか？そこで登場するのが順序統計量の同時分布です。

例えば、保険会社が100件の保険金請求を扱っている場面を想像してみてください。彼らは最小の請求額や最大の請求額を単独で見るだけでなく、「最小の請求額が500ドルを超え、かつ最大の請求額が10,000ドル未満である」という同時確率を知る必要があるかもしれません。このように、ソートされた値がどのように相互作用するかを理解することは、Exam Pにおいて非常に重要なスキルとなります。

1. 基礎の復習：クイック・リマインド

同時分布の公式に飛び込む前に、設定を改めて整理しておきましょう。
1. \(n\) 個の独立かつ同一の分布に従う（i.i.d.）確率変数： \(X_1, X_2, \dots, X_n\) からスタートします。
2. それらを小さい順に並べ替えます： \(X_{(1)} \le X_{(2)} \le \dots \le X_{(n)}\)。
3. \(X_{(1)}\) は最小値、\(X_{(n)}\) は最大値となります。

重要な注意点：並べ替えているため、同時密度関数は順序が維持されている範囲（例： \(x_1 < x_2 < \dots < x_n\)）でのみ定義されます。順序統計量の同時密度を計算する際、この境界条件を無視してしまうと、ほぼ間違いなく誤った答えになってしまいます！

2. 全ての順序統計量の同時PDF

ソートされた変数セット全体の同時確率密度関数（PDF）を求める公式は、驚くほどシンプルです。

PDFが \(f(x)\) であるi.i.d.変数のセットに対して、すべての \(n\) 個の順序統計量の同時PDFは以下のようになります：
\(f_{X_{(1)}, \dots, X_{(n)}}(x_1, \dots, x_n) = n! \cdot f(x_1) \cdot f(x_2) \cdot \dots \cdot f(x_n)\)
ただし、 \(x_1 < x_2 < \dots < x_n\) の場合（それ以外は0）。

なぜ \(n!\) がつくのか？

例え話：3つの異なる色のボール（赤、青、緑）があると想像してください。これらを取り出す順番は \(3! = 6\) 通りあります。しかし、大きさを基準に「ソート」してしまえば、その順序は1通りに決まりますよね。この \(n!\) は、元々はあり得た全ての並び順が、ソートという操作によってたった1つの順序に集約されることを考慮に入れているのです。

3. 2つの順序統計量の同時PDF

Exam Pでは、2つの順序統計量、通常は最小値 \(X_{(1)}\) と最大値 \(X_{(n)}\) の同時分布を問われることが最も多いです。

第 \(i\) 順序統計量と第 \(j\) 順序統計量（\(i < j\)）の同時PDFの一般式は以下の通りです：
\(f_{X_{(i)}, X_{(j)}}(u, v) = \frac{n!}{(i-1)!(j-i-1)!(n-j)!} [F(u)]^{i-1} [f(u)] [F(v) - F(u)]^{j-i-1} [f(v)] [1 - F(v)]^{n-j}\)
ここで \(u < v\)。

パニックにならないで！一見モンスターのような式に見えますが、これは単なる多項分布の考え方の応用です。試験で90%の確率で遭遇する特別なケースを分解してみましょう。

「有名なペア」：最小値と最大値

\(X_{(1)}\) と \(X_{(n)}\) の同時PDFについては、公式は大幅に簡略化されます：
\(f_{X_{(1)}, X_{(n)}}(u, v) = n(n-1) [F(v) - F(u)]^{n-2} f(u) f(v)\)
ここで \(u < v\)。

段階的な考え方：
1. 1つの要素を最小値（\(u\)）にする必要があります：これが \(f(u)\)。
2. 1つの要素を最大値（\(v\)）にする必要があります：これが \(f(v)\)。
3. 残りの \(n-2\) 個の要素は、必ずその間（\(u\)と\(v\)の間）に収まらなければなりません：これが \([F(v) - F(u)]^{n-2}\)。
4. 定数 \(n(n-1)\) は、\(n\) 個のうちどれを最小値にし、残りの \(n-1\) 個のうちどれを最大値にするかを選ぶ組み合わせから来ています。

重要なポイント：

これらの公式を使うときは、常に \(n\) を特定し、\(F(x)\) と \(f(x)\) を求め、それを \(n(n-1)\) のテンプレートに当てはめてください。境界を必ず再確認しましょう：PDFが0でないのは \(u < v\) の時だけです。

4. 試験によく出る課題：確率の計算

最も一般的な出題は、\(P(X_{(n)} - X_{(1)} \le k)\) のような確率を求めるものです。これは同時PDFを使って重積分をすることで解くのが最も簡単です。

例題：
3つのi.i.d.変数が一様分布 Uniform(0,1) に従うとします。このとき、最小値と最大値の同時PDFはどうなるでしょう？
1. Uniform(0,1) の場合： \(f(x) = 1\)、\(F(x) = x\)。
2. \(n = 3\)。
3. 公式に代入： \(f_{X_{(1)}, X_{(3)}}(u, v) = 3(3-1) [v - u]^{3-2} (1)(1)\)。
4. 結果： \(0 < u < v < 1\) において \(6(v - u)\)。

知っていましたか？
\(X_{(n)} - X_{(1)}\) という量は標本範囲（サンプルレンジ）と呼ばれます。アクチュアリーはポートフォリオのリスクの広がりを理解するために、この範囲を使用するんですよ！

5. よくある落とし穴を避けるために

間違い1：積分範囲を忘れること。
同時PDFを積分する際、\(u\)（最小値）が \(v\)（最大値）より大きくなることはないことを忘れないでください。積分範囲は \(\int_{0}^{1} \int_{0}^{v} \dots du dv\) のような形になることが多いです。

間違い2：PDFとCDFを混同すること。
公式 \(n(n-1) [F(v) - F(u)]^{n-2} f(u) f(v)\) において、「真ん中」の部分はCDF（\(F\)）を使い、特定の値の部分はPDF（\(f\)）を使うことに注意してください。

クイック復習ボックス：
• \(n\) 個すべてソート： \(n! \prod f(x_i)\)
• 最小値と最大値： \(n(n-1)[F(max)-F(min)]^{n-2} f(min)f(max)\)
• 常に条件を確認： \(x_{(1)} < x_{(2)} < \dots < x_{(n)}\)

まとめ：なぜこれが重要なのか

順序統計量の同時分布は、データの極値の「形」を見ることを可能にしてくれます。保険金請求サイズの範囲が一定の制限内に収まる確率を計算するときも、2番目に大きい値と最大値の期待差を求めるときも、これらの公式はあなたの強力な道具となります。最初は難しく感じるかもしれませんが、大丈夫です。これらは確率と組み合わせの基本的なルールの論理的な延長に過ぎません。あなたなら絶対に理解できます！