రికార్డులను లెక్కించడం అతిపెద్ద రికార్డు గురించి ఏమీ చెప్పదు

రోజువారీ వర్షపాత కొలతల శ్రేణిని ఊహించుకోండి. రెండు సంఖ్యలు దాని అంత్య విలువలను సంగ్రహిస్తాయి. మొదటిది గరిష్ఠం: అత్యధిక వర్షం కురిసిన రోజు. రెండోది రికార్డుల సంఖ్య: ఒక రోజు అంతకుముందు ఉన్న ప్రతి రోజునూ ఎన్నిసార్లు మించింది. గరిష్ఠం అంటే కేవలం చివరి రికార్డు.

అయినా ఈ రెండు సంఖ్యల్లో ఏదీ శిఖరాన్ని ఎలా చేరుకున్నారో చెప్పదు. అది ప్రతిదీ మునుపటిదాని కంటే కొంచెం ఎత్తైన రికార్డుల పొడవైన మెట్ల వరుసా? లేక సుదీర్ఘ ప్రశాంతత తర్వాత వచ్చిన ఒకే అసాధారణ కుండపోతా? ఈ రెండూ కలిసి సాగాలని అంతర్బుద్ధి చెబుతుంది: చాలా ఎత్తైన గరిష్ఠానికి దారిలో చాలా రికార్డులు అవసరం కావాలి. సత్య మజుందార్ (Satya Majumdar, పారిస్-సాక్లే విశ్వవిద్యాలయం, CNRS), సంజీబ్ సభాపండిత్ (Sanjib Sabhapandit, రామన్ పరిశోధనా సంస్థ, భారతదేశం), గ్రెగొరీ షెర్ (Grégory Schehr, సోర్బోన్ విశ్వవిద్యాలయం, CNRS) ఈ సంబంధాన్ని ఖచ్చితంగా లెక్కించడానికి పూనుకున్నారు. గరిష్ఠాలు, రికార్డులు ఒక్కొక్కటి దశాబ్దాలుగా అధ్యయనం చేయబడ్డాయి, కానీ వాటి ఉమ్మడి ప్రవర్తనకు “విశేషంగా చాలా తక్కువ శ్రద్ధ” లభించిందని వారు గుర్తుచేస్తారు.

K రికార్డులతో (R₁ … R_K) n విలువల యాదృచ్ఛిక శ్రేణి; చివరి రికార్డు గరిష్ఠం M. రికార్డుల మధ్య అంతరాలు ℓ రికార్డుల “వయస్సులు”. — చిత్రం 1, Majumdar, Sabhapandit & Schehr (2026), arXiv:2610.23217, CC BY 4.0.

ఖచ్చితంగా ఏ సంబంధమూ లేదు

అత్యంత సరళమైన సందర్భంతో ప్రారంభిద్దాం: ప్రతి విలువనూ ఖాళీలు, శిఖరాలు లేని ఒకే నునుపైన పంపిణీ నుంచి స్వతంత్రంగా తీస్తారు. ఇక్కడ రికార్డులకు ఇప్పటికే ఒక ప్రసిద్ధ లక్షణం ఉంది: సగటున, n విలువల శ్రేణిలో, పంపిణీ ఏదైనా, 1 + 1/2 + 1/3 + … + 1/n రికార్డులు ఉంటాయి. ఆ సంఖ్య n యొక్క సంవర్గమానం (logarithm) లాగా మాత్రమే పెరుగుతుంది — రికార్డులను బద్దలు కొట్టడం మరింత మరింత కష్టమవుతుంది.

బృందపు మొదటి ఫలితం, వారి మాటల్లో, “చాలా ఆశ్చర్యకరమైనది, ఊహించనిది”. అలాంటి ఏ శ్రేణికైనా, పొడవు ఎంతైనా, రికార్డుల సంఖ్య K, గరిష్ఠం M పూర్తిగా స్వతంత్రమైనవి. వాటి ఉమ్మడి సంభావ్యత రెండు వేర్వేరు సంభావ్యతల లబ్ధంగా విడిపోతుంది. ఎన్ని రికార్డులు బద్దలయ్యాయో తెలిసినా, అగ్ర రికార్డు ఎంత ఎత్తుగా ఉందో ఏమీ తెలియదు, దీనికి విలోమం కూడా అంతే.

పొడి రోజులు అన్నింటినీ మారుస్తాయి

నిజమైన వర్షపాతం నునుపుగా ఉండదు: కొన్ని రోజులు అసలు వర్షమే కురవదు. రచయితలు దీన్ని పొడి రోజు (సున్నా వర్షం) యొక్క q సంభావ్యతతో, తడి రోజుల్లోని వర్షపు మొత్తానికి ఒక నునుపైన పంపిణీతో మోడల్ చేస్తారు. రికార్డులను తడి రోజుల్లో మాత్రమే లెక్కిస్తారు.

ఇప్పుడు ఒక సంబంధం కనిపిస్తుంది. తడి రోజుల సంఖ్య స్థిరంగా ఉంటే, రెండు రాశులూ స్వతంత్రంగానే ఉంటాయి. వాటిని కలిపి కట్టేది తడి రోజుల యాదృచ్ఛిక సంఖ్య. సుదీర్ఘ పొడి కాలంలో, రికార్డుల సంఖ్యగానీ, గరిష్ఠంగానీ మారలేవు: అవి కలిసి గడ్డకట్టి ఉంటాయి, ఆ ఉమ్మడి గడ్డకట్టడం వాటిని సహసంబంధితం (correlated) చేస్తుంది. చాలా పొడవైన శ్రేణుల్లో, సంబంధం మళ్లీ మసకబారుతుంది.

ఈ రెండు ప్రభావాలు పోటీ పడతాయి, ఫలితం ఒక ఖచ్చితమైన పరిమితి వద్ద తిరగబడుతుంది. పొడి రోజుల వాటా క్లిష్ట విలువ q_c కంటే తక్కువైతే, సంబంధం (సహవిచలనం — covariance — తో కొలిచినది) శ్రేణి పొడవు పెరిగేకొద్దీ తగ్గుతుంది మాత్రమే. q_c కంటే ఎక్కువైతే, అది మొదట పెరిగి, శిఖరాన్ని చేరి, తర్వాత తగ్గుతుంది. రచయితలు ఈ పరిమితిని ఖచ్చితంగా ఇస్తారు:

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

ఇక్కడ µ₁, µ₂ తడి రోజుల వర్షపాత పంపిణీ నుంచి లెక్కించిన రెండు సరళమైన సగటులు. ఘాతాంక పంపిణీ గల వర్షానికి, q_c = (√33 − 5)/2 ≈ 0.372. ఏకరీతి పంపిణీ గల వర్షానికి, √6 − 2 ≈ 0.449. ఈ మార్పు పదును “ఆశ్చర్యకరమైనది, ఏమాత్రం సామాన్యమైనది కాదు” అని వారు రాస్తారు. పొడవైన శ్రేణుల్లో, సంబంధం శ్రేణి పొడవు యొక్క ఒక ఘాతంగా క్షీణిస్తుంది, దాని ఘాతాంకాన్ని q కాకుండా, వర్షపాత పంపిణీ తోక ఎంత బరువుగా ఉందనేది నిర్ణయిస్తుంది.

జర్మనీ వర్షంపై పరీక్ష

అంచనాను పరీక్షించడానికి, బృందం జర్మనీ వాతావరణ సేవ Deutscher Wetterdienst యొక్క రోజువారీ డేటా వైపు మళ్లింది: 6,105 కేంద్రాలు. వాతావరణపు రోజువారీ జ్ఞాపకాన్ని తొలగించడానికి, వారు పదమూడు రోజులకు ఒక రోజును మాత్రమే ఉంచారు. తర్వాత రెండు సమూహాలను నిర్మించారు:

• సమూహం A: 1974 నుంచి 2013 వరకు పూర్తి రికార్డులు ఉన్న, దాదాపు సగం రోజులు పొడిగా (q ≈ 0.50) ఉన్న 232 కేంద్రాలు. వాటి వర్షానికి అంచనా వేసిన పరిమితి 0.315, కాబట్టి సంబంధం పెరిగి, తర్వాత తగ్గాలి.
• సమూహం B: తక్కువ పొడి రోజులు (q ≈ 0.23) ఉన్న 15 కేంద్రాల నవంబర్ రికార్డులు, వాటి అంచనా పరిమితి 0.28 కంటే కింద. సంబంధం తగ్గాలి మాత్రమే.

సిద్ధాంతం కొలిచిన పొడి రోజుల వాటాను, కొలిచిన వర్షపాత పంపిణీని మాత్రమే ఉపయోగించింది, సర్దుబాటు చేయగల పారామీటర్ ఏదీ లేకుండా. రెండు సమూహాలూ అంచనా వేసిన ఆకారాన్ని అనుసరించాయి.

జర్మనీ వర్షపాత డేటా (నీలి చతురస్రాలు) ఖచ్చితమైన సిద్ధాంతంతో (ఎరుపు) పోలిక. ఎడమ: దాదాపు 50% పొడి రోజులున్న, పరిమితికి పైన ఉన్న కేంద్రాలు — సంబంధం పెరిగి, తర్వాత తగ్గుతుంది. కుడి: 23% పొడి రోజులున్న, పరిమితికి కింద ఉన్న నవంబర్ డేటా — అది తగ్గుతుంది మాత్రమే. — చిత్రం 3, Majumdar, Sabhapandit & Schehr (2026), arXiv:2610.23217, CC BY 4.0.

నిజమైన వర్షపాతంలో ఒక రోజు నుంచి మరో రోజుకు జ్ఞాపకం కూడా ఉంటుంది. అలాంటి జ్ఞాపకం ఉన్న శ్రేణులపై రచయితల ప్రాథమిక కృషి, జ్ఞాపకపు బలం ఎంతైనా, సంబంధం తగ్గే ముందు ఎప్పుడూ పెరుగుతుందని సూచిస్తోంది — పొడి రోజులతో సహా, వారు ఖచ్చితంగా చేయాలనుకుంటున్న తదుపరి లెక్క ఇదే.