Joint distribution of order statistics

Q: สถิติอันดับ (Order Statistics) ของกลุ่มตัวแปรสุ่มถูกนิยามอย่างไร?

คือการนำตัวแปรสุ่มชุดหนึ่งมาเรียงลำดับจากค่าน้อยที่สุดไปหาค่ามากที่สุด เขียนแทนด้วย $X_{(1)} \le X_{(2)} \le \dots \le X_{(n)}$

Q: เงื่อนไขสำคัญเกี่ยวกับขอบเขต (Bounds) ในการแจกแจงร่วมของสถิติอันดับคืออะไร?

ความหนาแน่นร่วม (Joint PDF) จะมีค่าไม่เป็นศูนย์เฉพาะในช่วงที่ค่าเรียงตามลำดับเท่านั้น นั่นคือ $x_1 < x_2 < \dots < x_n$

Q: สูตรฟังก์ชันความหนาแน่นร่วม (Joint PDF) ของสถิติอันดับทั้งหมด $n$ ตัวคืออะไร?

$f_{X_{(1)}, \dots, X_{(n)}}(x_1, \dots, x_n) = n! \cdot f(x_1) \cdot f(x_2) \cdot \dots \cdot f(x_n)$ สำหรับ $x_1 < x_2 < \dots < x_n$

Q: เหตุใดจึงต้องมีตัวคูณ $n!$ ในสูตรความหนาแน่นร่วมของสถิติอันดับ?

เพื่อชดเชยการเรียงสับเปลี่ยน (Permutations) ของตัวแปรเดิม $n$ ตัวที่มีความเป็นไปได้ทั้งหมด ซึ่งตอนนี้ถูกบังคับให้เหลือเพียงลำดับเดียวที่เรียงไว้แล้ว

Q: สูตรทั่วไปสำหรับ Joint PDF ของสถิติอันดับสองตัวใดๆ (ตัวที่ $i$ และ $j$) คืออะไร?

$f_{X_{(i)}, X_{(j)}}(u, v) = \frac{n!}{(i-1)!(j-i-1)!(n-j)!} [F(u)]^{i-1} f(u) [F(v) - F(u)]^{j-i-1} f(v) [1 - F(v)]^{n-j}$

Q: จงบอกสูตร Joint PDF ของค่าต่ำสุด ($X_{(1)}$) และค่าสูงสุด ($X_{(n)}$)?

$f_{X_{(1)}, X_{(n)}}(u, v) = n(n-1) [F(v) - F(u)]^{n-2} f(u) f(v)$ สำหรับ $u < v$

Q: ตรรกะเบื้องหลังส่วนประกอบ $[F(v) - F(u)]^{n-2}$ ในสูตร Min-Max คืออะไร?

คือการบังคับให้ตัวแปรที่เหลืออีก $n-2$ ตัว (ที่ไม่ใช่ค่าต่ำสุดและสูงสุด) ต้องมีค่าตกอยู่ภายในช่วงระหว่าง $u$ ถึง $v$

Q: พิสัยของตัวอย่าง (Sample Range) นิยามอย่างไรในรูปของสถิติอันดับ?

$R = X_{(n)} - X_{(1)}$ (ค่าสูงสุดลบด้วยค่าต่ำสุด)

Q: ในการอินทิเกรตเพื่อหาความน่าจะเป็นร่วมของสถิติอันดับ ขอบเขตการอินทิเกรตชั้นในมักจะเป็นอย่างไร?

มักจะติดตัวแปรของอีกชั้นหนึ่ง เช่น อินทิเกรตเทียบ $u$ จากขอบล่างของโดเมนไปจนถึง $v$ (เพราะ $u < v$)

Q: เมื่อใดควรใช้ PDF ($f$) และเมื่อใดควรใช้ CDF ($F$) ในสูตรสถิติอันดับ?

ใช้ PDF สำหรับค่าที่ตำแหน่งเจาะจง (เช่น จุดที่เลือกเป็น min หรือ max) และใช้ CDF (หรือผลต่าง CDF) สำหรับกลุ่มข้อมูลที่ต้องตกอยู่ในช่วงใดช่วงหนึ่ง

Exam P – Probability · SOA (Society of Actuaries) · อ่านประมาณ 2 นาที

ยินดีต้อนรับสู่โลกของข้อมูลที่เรียงลำดับ!

ในการเรียนรู้ก่อนหน้านี้ เราได้ดู สถิติอันดับ (Order Statistics) แบบแยกส่วนกันไปแล้ว เช่น การหาค่าต่ำสุดหรือค่าสูงสุดของกลุ่มตัวแปรสุ่มเพียงอย่างใดอย่างหนึ่ง แต่ถ้าเราอยากรู้ว่าค่าต่ำสุดและค่าสูงสุดมีพฤติกรรม ร่วมกัน อย่างไรล่ะ? นั่นคือจุดที่ การแจกแจงร่วมของสถิติอันดับ (Joint Distribution of Order Statistics) เข้ามามีบทบาทครับ

ลองจินตนาการว่าบริษัทประกันภัยแห่งหนึ่งกำลังดูรายการสินไหมทดแทน 100 รายการ พวกเขาไม่ได้สนใจแค่รายการที่เล็กที่สุดหรือใหญ่ที่สุดเพียงอย่างเดียว แต่อาจต้องการทราบความน่าจะเป็นร่วมกันว่า สินไหมที่เล็กที่สุดมีค่ามากกว่า $500 ในขณะที่สินไหมที่ใหญ่ที่สุดมีค่าน้อยกว่า $10,000 การเข้าใจว่าค่าที่เรียงลำดับเหล่านี้มีปฏิสัมพันธ์กันอย่างไรเป็นทักษะสำคัญสำหรับ Exam P ครับ

1. พื้นฐานที่ต้องทบทวน

ก่อนที่เราจะดำดิ่งลงไปในสูตรร่วม มาเตือนความจำเกี่ยวกับเงื่อนไขตั้งต้นกันก่อนครับ:
1. เราเริ่มต้นด้วยตัวแปรสุ่มจำนวน $n$ ตัวที่เป็นอิสระต่อกันและมีการแจกแจงเหมือนกันหมด (i.i.d.): $X_1, X_2, \dots, X_n$
2. เราทำการ "เรียงลำดับ" จากน้อยไปมาก: $X_{(1)} \le X_{(2)} \le \dots \le X_{(n)}$
3. $X_{(1)}$ คือ ค่าต่ำสุด (Minimum) และ $X_{(n)}$ คือ ค่าสูงสุด (Maximum)

ข้อควรระวัง: เนื่องจากเราทำการเรียงลำดับ ความหนาแน่นร่วม (Joint density) จึงถูกกำหนดไว้เฉพาะในช่วงที่ลำดับยังคงเดิมเท่านั้น (เช่น ในช่วงที่ $x_1 < x_2 < \dots < x_n$) หากคุณคำนวณความหนาแน่นร่วมของสถิติอันดับแล้วลืมนึกถึงขอบเขต (Bounds) เหล่านี้ คำตอบที่ได้มักจะผิดครับ!

2. Joint PDF ของสถิติอันดับทั้งหมด

หากเราต้องการหาฟังก์ชันความหนาแน่นร่วม (PDF) สำหรับตัวแปรที่เรียงลำดับแล้วทั้งหมด สูตรนั้นดูเรียบง่ายอย่างน่าประหลาดใจครับ

สำหรับชุดตัวแปรแบบ i.i.d. ที่มี PDF คือ $f(x)$ ความหนาแน่นร่วมของสถิติอันดับทั้ง $n$ ตัว คือ:
$f_{X_{(1)}, \dots, X_{(n)}}(x_1, \dots, x_n) = n! \cdot f(x_1) \cdot f(x_2) \cdot \dots \cdot f(x_n)$
โดยมีเงื่อนไขว่า $x_1 < x_2 < \dots < x_n$ (และเป็นศูนย์ในกรณีอื่นๆ)

ทำไมต้องมี $n!$?

อุปมาอุปไมย: ลองนึกภาพว่าคุณมีลูกบอลสีต่างกัน 3 ลูก (แดง, น้ำเงิน, เขียว) คุณสามารถหยิบลูกบอลขึ้นมาได้ทั้งหมด $3! = 6$ วิธี (การเรียงสับเปลี่ยน) อย่างไรก็ตาม เมื่อคุณ "เรียงลำดับ" ตามขนาดแล้ว จะมีเพียง วิธีเดียว เท่านั้นที่ลูกบอลจะอยู่ในลำดับที่เรียงกัน ค่า $n!$ จึงเป็นตัวที่อธิบายการจัดลำดับทั้งหมดที่เคยเป็นไปได้ ซึ่งตอนนี้ยุบรวมกลายเป็นลำดับที่ถูกเรียงไว้อย่างชัดเจนเพียงหนึ่งเดียวครับ

3. Joint PDF ของสถิติอันดับสองตัว

ในข้อสอบ Exam P คุณมักจะถูกถามเกี่ยวกับการแจกแจงร่วมของสถิติอันดับเพียงสองตัว ซึ่งโดยปกติจะเป็น ค่าต่ำสุด $X_{(1)}$ และ ค่าสูงสุด $X_{(n)}$

สูตรทั่วไปสำหรับ Joint PDF ของสถิติอันดับที่ $i$ และ $j$ (โดยที่ $i < j$) คือ:
$f_{X_{(i)}, X_{(j)}}(u, v) = \frac{n!}{(i-1)!(j-i-1)!(n-j)!} [F(u)]^{i-1} [f(u)] [F(v) - F(u)]^{j-i-1} [f(v)] [1 - F(v)]^{n-j}$
สำหรับ $u < v$

อย่าเพิ่งตกใจ! สูตรนี้ดูเหมือนสัตว์ประหลาด แต่มันคือตรรกะของ Multinomial ที่ซ่อนอยู่ในรูปอื่นครับ มาดูเคสพิเศษที่คุณจะเจอในข้อสอบถึง 90% ของเวลาทั้งหมดกัน

"คู่หูยอดฮิต": ค่าต่ำสุดและค่าสูงสุด

สำหรับ Joint PDF ของ $X_{(1)}$ และ $X_{(n)}$ สูตรจะลดรูปเหลือเพียง:
$f_{X_{(1)}, X_{(n)}}(u, v) = n(n-1) [F(v) - F(u)]^{n-2} f(u) f(v)$
สำหรับ $u < v$

ตรรกะทีละขั้นตอน:
1. เราต้องการรายการหนึ่งให้เป็นค่าต่ำสุด ($u$): นั่นคือ $f(u)$
2. เราต้องการรายการหนึ่งให้เป็นค่าสูงสุด ($v$): นั่นคือ $f(v)$
3. อีก $n-2$ รายการที่เหลือ ต้อง ตกอยู่ในช่วงระหว่างค่าทั้งสอง: นั่นคือ $[F(v) - F(u)]^{n-2}$
4. ค่าคงที่ $n(n-1)$ มาจากการเลือกเลือกว่าตัวแปรใดใน $n$ ตัวที่จะเป็นค่าต่ำสุด และตัวแปรใดใน $n-1$ ตัวที่เหลือที่จะเป็นค่าสูงสุด

สิ่งที่ควรจำให้แม่น:

เมื่อทำงานกับสูตรเหล่านี้ ให้ระบุค่า $n$, หา $F(x)$ และ $f(x)$ ของคุณให้เจอ แล้วแทนค่าลงในโครง $n(n-1)$ ครับ ตรวจสอบขอบเขตให้ดี: PDF จะมีค่าไม่เท่ากับศูนย์ก็ต่อเมื่อ $u < v$ เท่านั้น

4. โจทย์ข้อสอบที่พบบ่อย: การคำนวณความน่าจะเป็น

โจทย์ที่พบบ่อยที่สุดมักจะถามหาความน่าจะเป็น เช่น $P(X_{(n)} - X_{(1)} \le k)$ ซึ่งวิธีที่ง่ายที่สุดคือการใช้ Joint PDF และการอินทิเกรตสองชั้นครับ

ตัวอย่างการคำนวณ:
สมมติว่าคุณมีตัวแปร i.i.d. จำนวน 3 ตัวจากการแจกแจงแบบ Uniform(0,1) จงหา Joint PDF ของค่าต่ำสุดและค่าสูงสุด
1. สำหรับ Uniform(0,1): $f(x) = 1$ และ $F(x) = x$
2. $n = 3$
3. แทนค่าในสูตร: $f_{X_{(1)}, X_{(3)}}(u, v) = 3(3-1) [v - u]^{3-2} (1)(1)$
4. ผลลัพธ์: $6(v - u)$ สำหรับ $0 < u < v < 1$

คุณทราบหรือไม่?
ค่า $X_{(n)} - X_{(1)}$ เรียกว่า พิสัยของตัวอย่าง (Sample Range) นักคณิตศาสตร์ประกันภัยใช้พิสัยในการทำความเข้าใจการกระจายตัวของความเสี่ยงในพอร์ตการลงทุนครับ!

5. ข้อผิดพลาดที่ควรหลีกเลี่ยง

ข้อผิดพลาดที่ 1: ลืมขอบเขตของการอินทิเกรต
เมื่ออินทิเกรต Joint PDF ต้องจำไว้ว่า $u$ (ค่าต่ำสุด) ไม่มีทางมีค่ามากกว่า $v$ (ค่าสูงสุด) ขอบเขตการอินทิเกรตของคุณมักจะอยู่ในรูป $\int_{0}^{1} \int_{0}^{v} \dots du dv$

ข้อผิดพลาดที่ 2: ใช้ PDF กับ CDF สลับกัน
ในสูตร $n(n-1) [F(v) - F(u)]^{n-2} f(u) f(v)$ สังเกตว่าส่วนที่อยู่ "ตรงกลาง" จะใช้ CDF ($F$) ในขณะที่จุดเฉพาะเจาะจงจะใช้ PDF ($f$)

สรุปย่อ:
• เรียงทั้ง $n$ ตัว: $n! \prod f(x_i)$
• Min และ Max: $n(n-1)[F(max)-F(min)]^{n-2} f(min)f(max)$
• ตรวจสอบเงื่อนไขเสมอ: $x_{(1)} < x_{(2)} < \dots < x_{(n)}$

สรุป: ทำไมเรื่องนี้ถึงสำคัญ

การแจกแจงร่วมของสถิติอันดับช่วยให้เราเห็น "รูปร่าง" ของค่าสุดโต่งในข้อมูลของเรา ไม่ว่าคุณกำลังคำนวณความน่าจะเป็นที่พิสัยของขนาดสินไหมจะอยู่ภายในขอบเขตที่กำหนด หรือหาค่าคาดหมายของผลต่างระหว่างค่าสูงสุดอันดับสองและค่าสูงสุด สูตรเหล่านี้คือเครื่องมือสำคัญของคุณครับ แม้มันจะดูน่าเกรงขาม แต่มันก็เป็นเพียงการต่อยอดเชิงตรรกะจากกฎพื้นฐานของความน่าจะเป็นและการจัดหมู่เท่านั้น คุณทำได้แน่นอน!

เช็กเร็ว

ตอนนี้ตอบได้ไหม?

เปิดแต่ละคำถามเพื่อตรวจว่าคุณเข้าใจประเด็นสำคัญของบทนี้แล้วหรือยัง

สถิติอันดับ (Order Statistics) ของกลุ่มตัวแปรสุ่มถูกนิยามอย่างไร?

คือการนำตัวแปรสุ่มชุดหนึ่งมาเรียงลำดับจากค่าน้อยที่สุดไปหาค่ามากที่สุด เขียนแทนด้วย $X_{(1)} \le X_{(2)} \le \dots \le X_{(n)}$

เงื่อนไขสำคัญเกี่ยวกับขอบเขต (Bounds) ในการแจกแจงร่วมของสถิติอันดับคืออะไร?

ความหนาแน่นร่วม (Joint PDF) จะมีค่าไม่เป็นศูนย์เฉพาะในช่วงที่ค่าเรียงตามลำดับเท่านั้น นั่นคือ $x_1 < x_2 < \dots < x_n$

สูตรฟังก์ชันความหนาแน่นร่วม (Joint PDF) ของสถิติอันดับทั้งหมด $n$ ตัวคืออะไร?

$f_{X_{(1)}, \dots, X_{(n)}}(x_1, \dots, x_n) = n! \cdot f(x_1) \cdot f(x_2) \cdot \dots \cdot f(x_n)$ สำหรับ $x_1 < x_2 < \dots < x_n$

เหตุใดจึงต้องมีตัวคูณ $n!$ ในสูตรความหนาแน่นร่วมของสถิติอันดับ?

เพื่อชดเชยการเรียงสับเปลี่ยน (Permutations) ของตัวแปรเดิม $n$ ตัวที่มีความเป็นไปได้ทั้งหมด ซึ่งตอนนี้ถูกบังคับให้เหลือเพียงลำดับเดียวที่เรียงไว้แล้ว

สูตรทั่วไปสำหรับ Joint PDF ของสถิติอันดับสองตัวใดๆ (ตัวที่ $i$ และ $j$) คืออะไร?

$f_{X_{(i)}, X_{(j)}}(u, v) = \frac{n!}{(i-1)!(j-i-1)!(n-j)!} [F(u)]^{i-1} f(u) [F(v) - F(u)]^{j-i-1} f(v) [1 - F(v)]^{n-j}$

จงบอกสูตร Joint PDF ของค่าต่ำสุด ($X_{(1)}$) และค่าสูงสุด ($X_{(n)}$)

$f_{X_{(1)}, X_{(n)}}(u, v) = n(n-1) [F(v) - F(u)]^{n-2} f(u) f(v)$ สำหรับ $u < v$

ตรรกะเบื้องหลังส่วนประกอบ $[F(v) - F(u)]^{n-2}$ ในสูตร Min-Max คืออะไร?

คือการบังคับให้ตัวแปรที่เหลืออีก $n-2$ ตัว (ที่ไม่ใช่ค่าต่ำสุดและสูงสุด) ต้องมีค่าตกอยู่ภายในช่วงระหว่าง $u$ ถึง $v$

พิสัยของตัวอย่าง (Sample Range) นิยามอย่างไรในรูปของสถิติอันดับ?

$R = X_{(n)} - X_{(1)}$ (ค่าสูงสุดลบด้วยค่าต่ำสุด)

ในการอินทิเกรตเพื่อหาความน่าจะเป็นร่วมของสถิติอันดับ ขอบเขตการอินทิเกรตชั้นในมักจะเป็นอย่างไร?

มักจะติดตัวแปรของอีกชั้นหนึ่ง เช่น อินทิเกรตเทียบ $u$ จากขอบล่างของโดเมนไปจนถึง $v$ (เพราะ $u < v$)

เมื่อใดควรใช้ PDF ($f$) และเมื่อใดควรใช้ CDF ($F$) ในสูตรสถิติอันดับ?

ใช้ PDF สำหรับค่าที่ตำแหน่งเจาะจง (เช่น จุดที่เลือกเป็น min หรือ max) และใช้ CDF (หรือผลต่าง CDF) สำหรับกลุ่มข้อมูลที่ต้องตกอยู่ในช่วงใดช่วงหนึ่ง

พร้อมทดสอบตัวเองหรือยัง?

เปลี่ยนบันทึกเหล่านี้เป็นข้อสอบจริง รับข้อสอบ AI ไม่จำกัด ตรวจให้ทันทีพร้อมคำอธิบาย

ฝึกทำหัวข้อนี้

บทอื่น ๆ ของExam P – Probability

* เนื้อหาของ thinka สร้างโดย AI อาจไม่ถูกต้องสมบูรณ์ในทุกกรณี กรุณาใช้เป็นสื่อเสริมและตรวจสอบกับเอกสารอ้างอิงอย่างเป็นทางการ

นำสิ่งที่เรียนมาฝึกจริง

อย่าแค่อ่าน ลองฝึกทำข้อสอบ AI ไม่จำกัด พร้อมรับฟีดแบ็กทันที นักเรียนกว่า 100,000 คนเห็นผลลัพธ์จริง

เริ่มทำข้อสอบฟรี ดูราคา

อ่านจบแล้ว? ลองทำข้อสอบ AI เลย

ฝึกทำหัวข้อนี้เลย