Disegnerò la soluzione, qui usando un sistema di algebra per computer per fare le chiacchiere ...
Soluzione
Se è un campione di dimensione su parent , il pdf del massimo del campione è: e similmente per .X1,...,XnnX∼Uniform(0,a)
fn(x)=nanxn−1
Y
Approccio 1: trova il pdf congiunto di(X(n),Y(n))
Poiché e sono indipendenti, il pdf congiunto dei 2 massimi del campione è semplicemente il prodotto dei 2 pdf, diciamo :XY(X(n),Y(n))f(n)(x,y)
Dato . Quindi, il di è è:Zn=nlogmax(Y(n),X(n))min(Y(n),X(n))ZnP(Zn<z)
dove sto usando la Prob
funzione dal pacchetto mathStatica per automatizzare Mathematica . Differenziando il ottiene il pdf di come esponenziale standard.zZn
Approccio 2: statistiche sugli ordini
Possiamo usare le statistiche degli ordini per "bypassare" la meccanica di dover gestire le funzioni Max e Min.
Ancora una volta: se è un campione di dimensione sul parent , allora il pdf del campione massimo è, diciamo, : X1,...,XnnX∼Uniform(0,a)W=X(n)fn(w)
I massimi di esempio e sono solo due disegni indipendenti da questa distribuzione di ; cioè le statistiche dell'ordine e di (in un campione di dimensione 2) sono proprio quello che stiamo cercando:X(n)Y(n)W1st2ndW
W(1)=min(Y(n),X(n))
W(2)=max(Y(n),X(n))
Il pdf congiunto di , in un campione di dimensione 2, ad esempio , È:(W(1),W(2))g(.,.)
Dato . Quindi, il di è è:Zn=nlogmax(Y(n),X(n))min(Y(n),X(n))ZnP(Zn<z)
Il vantaggio di questo approccio è che il calcolo della probabilità non coinvolge più le funzioni max / min, il che può rendere la derivazione (specialmente a mano) in qualche modo più semplice da esprimere.
Altro
Secondo il mio commento sopra, sembra che tu abbia frainteso la domanda ...
Ci viene chiesto di trovare:
Zn=nlogmax(Y(n),X(n))min(Y(n),X(n))
dove il denominatore è min (xMax, yMax), ... non il minimo di tutte le 's e ' s.XY