विक्रम मोजल्याने सर्वांत मोठ्या विक्रमाबद्दल काहीच कळत नाही

रोजच्या पावसाच्या मोजमापांची एक मालिका डोळ्यांसमोर आणा. दोन संख्या तिच्या टोकांचा सारांश देतात. पहिली आहे कमाल: सर्वाधिक पावसाचा दिवस. दुसरी आहे विक्रमांची संख्या: एखाद्या दिवसाने आधीच्या प्रत्येक दिवसाला किती वेळा मागे टाकले. कमाल म्हणजे फक्त शेवटचा विक्रम.

तरीही यांपैकी कोणतीच संख्या शिखर कसे गाठले ते सांगत नाही. ती विक्रमांची एक लांब जिना होती का, प्रत्येक आधीच्यापेक्षा थोडा उंच? की दीर्घ शांततेनंतर आलेला एकच असामान्य मुसळधार पाऊस? अंतःप्रेरणा सांगते की या दोन्ही गोष्टी सोबत जायला हव्यात: अतिशय उंच कमाल गाठायला वाटेत भरपूर विक्रम लागायला हवेत. सत्या मजुमदार (Satya Majumdar, पॅरिस-साक्ले विद्यापीठ आणि CNRS), संजीब सभापंडित (Sanjib Sabhapandit, रामन संशोधन संस्था, भारत) आणि ग्रेगरी शेर (Grégory Schehr, सॉर्बॉन विद्यापीठ आणि CNRS) यांनी हा दुवा अचूकपणे काढण्याचे ठरवले. कमाल आणि विक्रम यांचा प्रत्येकी अनेक दशके अभ्यास झाला आहे, ते नमूद करतात, पण त्यांच्या संयुक्त वर्तनाकडे “उल्लेखनीयरीत्या फारच कमी लक्ष” दिले गेले आहे.

K विक्रम (R₁ … R_K) असलेली n मूल्यांची एक यादृच्छिक मालिका; शेवटचा विक्रम म्हणजे कमाल M. विक्रमांमधील अंतरे ℓ म्हणजे विक्रमांची “वये”. — आकृती 1, Majumdar, Sabhapandit & Schehr (2026), arXiv:2610.23217, CC BY 4.0.

नेमका कोणताही दुवा नाही

सर्वांत सोप्या प्रकरणापासून सुरुवात करा: प्रत्येक मूल्य एकाच गुळगुळीत वितरणातून, कोणत्याही खाचा किंवा उंचवट्यांशिवाय, स्वतंत्रपणे घेतलेले. इथे विक्रमांचा आधीच एक प्रसिद्ध गुणधर्म आहे: सरासरी पाहता, n मूल्यांच्या मालिकेत, वितरण कोणतेही असो, 1 + 1/2 + 1/3 + … + 1/n विक्रम असतात. ही संख्या फक्त n च्या लॉगरिदमप्रमाणे वाढते — विक्रम मोडणे अधिकाधिक कठीण होत जाते.

संघाचा पहिला निकाल, त्यांच्याच शब्दांत, “बराच धक्कादायक आणि अनपेक्षित” आहे. अशा कोणत्याही मालिकेसाठी, ती कितीही लांब असो, विक्रमांची संख्या K आणि कमाल M पूर्णपणे स्वतंत्र आहेत. त्यांची संयुक्त संभाव्यता दोन स्वतंत्र संभाव्यतांच्या गुणाकारात विभागली जाते. किती विक्रम मोडले हे जाणल्याने सर्वांत वरचा किती उंच आहे याबद्दल काहीच कळत नाही, आणि उलटही.

कोरडे दिवस सगळेच बदलतात

खरा पाऊस गुळगुळीत नसतो: काही दिवस पाऊस पडतच नाही. लेखक हे कोरड्या दिवसाच्या (शून्य पाऊस) q या संभाव्यतेने, आणि ओल्या दिवसांच्या पावसाच्या प्रमाणासाठी एका गुळगुळीत वितरणाने मॉडेल करतात. विक्रम फक्त ओल्या दिवसांमध्येच मोजले जातात.

आता एक दुवा दिसू लागतो. ओल्या दिवसांची संख्या निश्चित असेल तर, दोन्ही राशी स्वतंत्रच राहतात. त्यांना एकत्र बांधते ती ओल्या दिवसांची यादृच्छिक संख्या. दीर्घ कोरड्या काळात, विक्रमांची संख्या किंवा कमाल यांपैकी काहीच बदलू शकत नाही: त्या एकत्र गोठलेल्या असतात, आणि हे सामाईक गोठणे त्यांना सहसंबंधित (correlated) करते. अतिशय लांब मालिकांमध्ये, दुवा पुन्हा ओसरतो.

हे दोन परिणाम एकमेकांशी स्पर्धा करतात, आणि निकाल एका नेमक्या उंबरठ्यावर उलटतो. कोरड्या दिवसांचा वाटा एका क्रांतिक मूल्य q_c पेक्षा कमी असेल, तर दुवा (सहप्रचरणाने — covariance — मोजलेला) मालिका लांब होत जाते तसा फक्त आकसतो. q_c च्या वर, तो आधी वाढतो, शिखर गाठतो, मग आकसतो. लेखक हा उंबरठा अचूकपणे देतात:

q_c = ½(−b + √(b² + 8)), जिथे b = 1 + 2µ₁/µ₂

इथे µ₁ आणि µ₂ या ओल्या दिवसांच्या पावसाच्या वितरणावरून काढलेल्या दोन साध्या सरासऱ्या आहेत. घातांकीय वितरणाच्या पावसासाठी, q_c = (√33 − 5)/2 ≈ 0.372. एकसमान वितरणाच्या पावसासाठी, √6 − 2 ≈ 0.449. या बदलाची तीक्ष्णता, ते लिहितात, “आश्चर्यकारक आणि मुळीच क्षुल्लक नसलेली” आहे. लांब मालिकांमध्ये, दुवा मालिकेच्या लांबीच्या एका घाताप्रमाणे क्षीण होतो, ज्याचा घातांक q ने नव्हे, तर पावसाच्या वितरणाची शेपटी किती जड आहे यावरून ठरतो.

जर्मनीतील पावसावर पडताळणी

भाकीत तपासण्यासाठी, संघ जर्मन हवामान सेवेच्या, Deutscher Wetterdienst च्या, रोजच्या डेटाकडे वळला: 6,105 केंद्रे. हवामानाची दिवसागणिकची स्मृती काढून टाकण्यासाठी, त्यांनी तेरा दिवसांपैकी फक्त एकच दिवस ठेवला. मग त्यांनी दोन गट तयार केले:

• गट A: 1974 ते 2013 पर्यंतच्या पूर्ण नोंदी असलेली आणि सुमारे निम्मे दिवस कोरडे (q ≈ 0.50) असलेली 232 केंद्रे. त्यांच्या पावसासाठी भाकीत केलेला उंबरठा 0.315 होता, म्हणून दुवा आधी वाढून मग घटायला हवा.
• गट B: कमी कोरडे दिवस (q ≈ 0.23) असलेल्या 15 केंद्रांच्या नोव्हेंबरच्या नोंदी, त्यांच्या भाकीत केलेल्या 0.28 च्या उंबरठ्याखाली. दुवा फक्त घटायला हवा.

सिद्धांताने फक्त कोरड्या दिवसांचा मोजलेला वाटा आणि पावसाचे मोजलेले वितरण वापरले, कोणतेही समायोज्य प्राचल न वापरता. दोन्ही गटांनी भाकीत केलेला आकार पाळला.

जर्मनीतील पावसाचा डेटा (निळे चौरस) अचूक सिद्धांताच्या (लाल) तुलनेत. डावीकडे: सुमारे 50% कोरडे दिवस असलेली, उंबरठ्याच्या वरची केंद्रे — दुवा वाढतो, मग घटतो. उजवीकडे: 23% कोरडे दिवस असलेला, उंबरठ्याखालचा नोव्हेंबरचा डेटा — तो फक्त घटतो. — आकृती 3, Majumdar, Sabhapandit & Schehr (2026), arXiv:2610.23217, CC BY 4.0.

खऱ्या पावसात एका दिवसापासून दुसऱ्या दिवसापर्यंत स्मृतीही असते. अशी स्मृती असलेल्या मालिकांवरचे लेखकांचे प्राथमिक काम सूचित करते की मग दुवा, स्मृतीची ताकद कितीही असो, घटण्यापूर्वी नेहमी वाढतो — ही त्यांना अचूक करायची असलेली पुढची गणना आहे, कोरड्या दिवसांसह.