شمردن رکوردها چیزی دربارهٔ بزرگ‌ترینشان نمی‌گوید

سری‌ای از اندازه‌گیری‌های بارش روزانه را در نظر بگیرید. دو عدد مقادیر حدی آن را خلاصه می‌کنند. نخست بیشینه: پرباران‌ترین روز. دوم تعداد رکوردها: چند بار روزی از همهٔ روزهای پیش از خود پیشی گرفت. بیشینه به‌سادگی همان آخرین رکورد است.

با این حال هیچ‌یک از این دو عدد نمی‌گوید که قله چگونه به دست آمد. آیا پلکانی طولانی از رکوردها بود که هر کدام کمی بالاتر از قبلی بود؟ یا یک رگبار استثنایی پس از آرامشی طولانی؟ شهود می‌گوید این دو باید با هم همراه باشند: بیشینه‌ای بسیار بالا باید در طول راه به رکوردهای بسیاری نیاز داشته باشد. ساتیا ماجومدار (Satya Majumdar، دانشگاه پاریس-ساکله و CNRS)، سانجیب سابهاپاندیت (Sanjib Sabhapandit، مؤسسهٔ پژوهشی رامان، هند) و گرگوری شِر (Grégory Schehr، دانشگاه سوربن و CNRS) بر آن شدند که این پیوند را دقیق محاسبه کنند. به گفتهٔ آن‌ها، بیشینه‌ها و رکوردها هر کدام ده‌ها سال مطالعه شده‌اند، اما رفتار مشترکشان «به‌طرز چشمگیری کم مورد توجه» قرار گرفته است.

یک سری تصادفی از n مقدار با K رکورد (R₁ … R_K)؛ آخرین رکورد همان بیشینهٔ M است. فاصله‌های ℓ میان رکوردها «سن» رکوردها هستند. — شکل 1، ماجومدار، سابهاپاندیت و شِر (2026)، arXiv:2610.23217، CC BY 4.0.

دقیقاً بدون پیوند

با ساده‌ترین حالت شروع کنیم: هر مقدار به‌طور مستقل از یک توزیع هموارِ یکسان، بدون شکاف یا جهش، برداشته می‌شود. این‌جا رکوردها از پیش ویژگی مشهوری دارند: به‌طور میانگین، سری‌ای از n مقدار، هر توزیعی که باشد، شامل 1 + 1/2 + 1/3 + … + 1/n رکورد است. این عدد تنها مانند لگاریتم n رشد می‌کند — شکستن رکوردها روزبه‌روز دشوارتر می‌شود.

نخستین نتیجهٔ گروه، به تعبیر خودشان، «نسبتاً شگفت‌انگیز و غیرمنتظره» است. برای هر سری از این دست، با هر طولی، تعداد رکوردها K و بیشینهٔ M کاملاً مستقل‌اند. احتمال توأم آن‌ها به حاصل‌ضرب دو احتمال جداگانه تجزیه می‌شود. دانستن این‌که چند رکورد شکسته شده چیزی دربارهٔ بلندی بالاترین آن‌ها نمی‌گوید، و برعکس.

روزهای خشک همه چیز را تغییر می‌دهند

بارش واقعی هموار نیست: بعضی روزها اصلاً باران نمی‌بارد. نویسندگان این را با احتمال q برای یک روز خشک (بارش صفر) و یک توزیع هموار برای مقدار بارش در روزهای بارانی مدل می‌کنند. رکوردها فقط در میان روزهای بارانی شمرده می‌شوند.

اکنون پیوندی پدیدار می‌شود. برای تعداد ثابتی از روزهای بارانی، این دو کمیت مستقل می‌مانند. تعداد تصادفی روزهای بارانی است که آن‌ها را به هم گره می‌زند. در یک دورهٔ خشک طولانی، نه تعداد رکوردها می‌تواند تغییر کند و نه بیشینه: با هم منجمد می‌شوند، و همین انجماد مشترک آن‌ها را همبسته می‌کند. در سری‌های بسیار طولانی، پیوند دوباره محو می‌شود.

این دو اثر با هم رقابت می‌کنند و نتیجه در آستانه‌ای دقیق وارونه می‌شود. پایین‌تر از سهم بحرانی روزهای خشک q_c، پیوند (که با کوواریانس سنجیده می‌شود) با بلندتر شدن سری فقط کوچک می‌شود. بالاتر از q_c، نخست رشد می‌کند، به اوج می‌رسد و سپس کوچک می‌شود. نویسندگان آستانه را دقیق به دست می‌دهند:

q_c = ½(−b + √(b² + 8))، که در آن b = 1 + 2µ₁/µ₂

که µ₁ و µ₂ دو میانگین ساده‌اند که از توزیع بارش روزهای بارانی محاسبه می‌شوند. برای بارش با توزیع نمایی، q_c = (√33 − 5)/2 ≈ 0.372. برای بارش با توزیع یکنواخت، √6 − 2 ≈ 0.449. به نوشتهٔ آن‌ها، تندی این گذار «شگفت‌آور و به هیچ وجه بدیهی نیست». در سری‌های طولانی، پیوند به صورت توانی از طول سری کاهش می‌یابد، با نمایی که سنگینی دنبالهٔ توزیع بارش تعیینش می‌کند، نه q.

آزموده با باران آلمان

برای آزمودن پیش‌بینی، گروه به داده‌های روزانهٔ سازمان هواشناسی آلمان، Deutscher Wetterdienst، رجوع کرد: 6,105 ایستگاه. برای حذف حافظهٔ روزبه‌روز هوا، از هر سیزده روز فقط یک روز را نگه داشتند. سپس دو گروه ساختند:

• گروه A: 232 ایستگاه با سوابق کامل از 1974 تا 2013 و حدود نیمی از روزها خشک (q ≈ 0.50). آستانهٔ پیش‌بینی‌شده برای بارش آن‌ها 0.315 بود، پس پیوند باید بالا برود و سپس پایین بیاید.
• گروه B: سوابق ماه نوامبر 15 ایستگاه با روزهای خشک اندک (q ≈ 0.23)، پایین‌تر از آستانهٔ پیش‌بینی‌شدهٔ 0.28. پیوند باید فقط پایین بیاید.

نظریه تنها از سهم اندازه‌گیری‌شدهٔ روزهای خشک و توزیع اندازه‌گیری‌شدهٔ بارش استفاده کرد، بی‌هیچ پارامتر قابل‌تنظیمی. هر دو گروه از شکل پیش‌بینی‌شده پیروی کردند.

داده‌های بارش آلمان (مربع‌های آبی) در برابر نظریهٔ دقیق (قرمز). چپ: ایستگاه‌هایی با حدود 50٪ روز خشک، بالاتر از آستانه — پیوند بالا می‌رود، سپس پایین می‌آید. راست: داده‌های نوامبر با 23٪ روز خشک، پایین‌تر از آستانه — فقط پایین می‌آید. — شکل 3، ماجومدار، سابهاپاندیت و شِر (2026)، arXiv:2610.23217، CC BY 4.0.

بارش واقعی همچنین از یک روز به روز بعد حافظه دارد. کار مقدماتی نویسندگان روی سری‌هایی با چنین حافظه‌ای نشان می‌دهد که در آن صورت پیوند، هر قدر هم حافظه قوی باشد، همیشه پیش از پایین آمدن بالا می‌رود — محاسبهٔ بعدی‌ای که مایل‌اند دقیقش کنند، با روزهای خشک.