Extreme value statistics and some applications in statistical physics

Este artigo apresenta notas de aula sobre estatística de valores extremos, abordando desde o caso de variáveis independentes até sistemas fortemente correlacionados como passeios aleatórios, matrizes aleatórias e interfaces flutuantes, com foco em aplicações a problemas fundamentais na física estatística e em sistemas desordenados.

O essencial

O Guia do "Pior Cenário Possível": Quando a Sorte (ou a Azar) Define Tudo

Imagine que você está organizando uma festa e quer saber qual será a temperatura máxima no dia. Ou talvez esteja investindo na bolsa e queira saber qual foi o preço mais alto de uma ação no último ano. Em estatística, chamamos esses "picos" ou "valores extremos" de Estatística de Valores Extremos (EVS).

Este artigo é como um manual de instruções para entender o que acontece quando olhamos para o "maior" ou o "menor" de um grupo de coisas, especialmente quando essas coisas estão conectadas entre si de formas complicadas.

1. O Mundo Simples: Amigos que Não se Conhecem (Variáveis Independentes)

No começo, os autores falam de um cenário fácil: imagine que você tem 1.000 pessoas em uma sala e cada uma lança um dado. O resultado de um dado não afeta o outro. Eles são "independentes".

• A Regra do Jogo: Se você olhar para o maior número que saiu entre todos os dados, ele tenderá a se agrupar em torno de um valor específico.
• A Analogia: Pense em uma fila de pessoas comprando ingressos. Se cada pessoa escolhe um número aleatório e não conversa com a próxima, o "número mais alto" da fila vai seguir uma das três regras padrão (chamadas de classes de Gumbel, Fréchet e Weibull). É como se a natureza tivesse apenas três "sabores" de como os recordes são quebrados quando as coisas são aleatórias e soltas.

2. O Mundo Real: Amigos que Se Influenciam (Variáveis Correlacionadas)

Agora, a coisa fica interessante. Na vida real, as coisas raramente são independentes. O preço da ação de hoje depende do preço de ontem. A temperatura de hoje depende da de ontem.

• O Problema: Quando as coisas estão "conectadas" (correlacionadas), as regras simples de cima quebram. O "maior valor" não segue mais as três regras padrão.
• A Analogia: Imagine uma multidão em um estádio fazendo a "ola". Se cada pessoa levantasse a mão aleatoriamente, seria fácil prever o pico. Mas, como elas estão fazendo a ola (uma reação em cadeia), o movimento é coordenado. O "pico" da ola é muito diferente do que seria se cada um agisse sozinho. O artigo foca em como calcular esses picos quando tudo está conectado.

3. Exemplos Práticos da Vida Real

O artigo usa três exemplos principais para mostrar onde isso importa:

A. O Caminhante e o Lobo (Passeio Aleatório)
Imagine um "caminhante" (uma partícula) que dá passos aleatórios para a esquerda ou direita, como um bêbado saindo de uma festa.

• A Pergunta: Qual é o ponto mais alto que ele alcança antes de cair em um buraco (ou ser pego por um lobo)?
• A Conexão: Isso é igual a perguntar: "Qual é o valor máximo que essa partícula atingiu?". O artigo mostra que a probabilidade de ela sobreviver (não cair no buraco) está diretamente ligada a essa estatística de valor máximo. É como prever se um barco aguentará a maior onda possível em uma tempestade.

B. A Partida de Xadrez Caótica (Matrizes Aleatórias)
Imagine um tabuleiro de xadrez gigante onde você preenche os quadrados com números aleatórios. Se você calcular os "autovalores" (um tipo de número especial que descreve a energia do tabuleiro), o maior deles tem uma estatística muito específica.

• A Surpresa: Mesmo que os números no tabuleiro sejam aleatórios, o "maior número" segue uma lei muito estrita e precisa, chamada Lei de Tracy-Widom.
• A Analogia: É como se, em meio ao caos total de um show de rock, a nota mais alta que o vocalista atingisse sempre seguisse uma melodia perfeita e previsível. O artigo explica que essa lei aparece em lugares inesperados, como em crescimento de cristais ou na formação de galáxias.

C. O Polímero (O Fio de Lã em um Labirinto)
Imagine um fio de lã tentando atravessar um labirinto cheio de obstáculos (energia). O fio quer encontrar o caminho que gasta a menor energia possível (ou o maior lucro, dependendo de como você olha).

• A Descoberta: O caminho "ótimo" que o fio escolhe tem a mesma estatística do maior valor de uma matriz aleatória (o exemplo do xadrez acima). Isso conecta a física de materiais plásticos com a matemática pura de matrizes.

4. Por que isso importa para a Física?

A física lida com sistemas complexos, como vidros, ímãs desalinhados ou fluidos turbulentos. Nesses sistemas, o comportamento geral não é ditado pelo "médio" (o que a maioria faz), mas sim pelo "extremo" (o que é mais raro).

• A Analogia da Montanha: Imagine que você quer escalar uma montanha. O caminho que você toma não é determinado pela altura média do terreno, mas sim pela maior barreira que você precisa superar. Se houver uma única montanha muito alta no caminho, ela define se você consegue passar ou não.
• Conclusão: O artigo ensina que, para entender sistemas complexos e desordenados, precisamos parar de olhar para a "média" e começar a estudar os "picos" e os "vales" extremos. E, felizmente, mesmo nesses sistemas complexos, existem leis matemáticas (como a de Tracy-Widom) que nos dizem exatamente como esses picos se comportam.

Resumo Final

Este texto é um convite para olhar para o mundo não através da média, mas através dos recordes. Ele mostra que, mesmo em sistemas caóticos e conectados (como o clima, a bolsa de valores ou a estrutura da matéria), existem padrões ocultos e leis matemáticas elegantes que governam os eventos mais raros e extremos. É a ciência de prever o "imprevisível".

Resumo técnico

Resumo Técnico: Estatísticas de Valores Extremos e Aplicações em Física Estatística

Autores: Marcin Piotr Pruszczyk e Gregory Schehr
Contexto: Notas baseadas em palestras na XVI Escola sobre Problemas Fundamentais em Física Estatística (FPSP), 2025.

1. O Problema

O artigo aborda a Estatística de Valores Extremos (EVS), que estuda o comportamento estatístico dos valores máximos ($X_{max}$) ou mínimos ($X_{min}$) de um conjunto de variáveis aleatórias.

• Contexto Clássico: Para variáveis independentes e identicamente distribuídas (IID), a teoria clássica (Lei de Gnedenko) estabelece que, no limite de $N \to \infty$, a distribuição do máximo, após reescalonamento adequado, converge para uma de três classes de universalidade: Gumbel, Fréchet ou Weibull.
• O Desafio: Muitos sistemas físicos reais, especialmente em sistemas desordenados (vidros de spin, polímeros em meios aleatórios, interfaces em crescimento), envolvem variáveis fortemente correlacionadas. Nestes casos, a teoria clássica de EVS para variáveis IID falha, e novos comportamentos universais emergem que não são capturados pelas leis clássicas. O objetivo é entender como essas correlações alteram a estatística dos extremos e como mapear esses problemas para a física estatística.

2. Metodologia

Os autores utilizam uma abordagem interdisciplinar, conectando a teoria de probabilidades com a mecânica estatística e processos estocásticos:

• Mapeamento para Mecânica Estatística: A função de distribuição acumulada (CDF) do máximo, $Q_{max}(w, N)$, é reescrita como uma integral sobre a distribuição conjunta das variáveis. Ao definir uma "energia" $E = -\ln P_{joint}$, essa integral é interpretada como uma função de partição de um gás unidimensional com paredes rígidas.
• Teoria de Processos Estocásticos: A CDF do máximo de uma série temporal é interpretada como a probabilidade de sobrevivência de um processo estocástico (como um passeio aleatório ou movimento browniano) que permanece abaixo de um certo limiar $w$ após $N$ passos. Isso conecta EVS a problemas de primeira passagem.
• Teoria de Matrizes Aleatórias (RMT): O estudo dos autovalores de matrizes aleatórias (especificamente o autovalor máximo) é utilizado como um modelo paradigmático para sistemas com correlações fortes, levando às leis de Tracy-Widom.
• Análise Assintótica: Uso de expansões assintóticas para grandes $N$ e técnicas de transformadas (Fourier, Laplace) para resolver equações integrais de sobrevivência (fórmula de Pollaczek-Spitzer).

3. Principais Contribuições e Resultados

A. Variáveis IID e Classes de Universalidade (Seção 2)

• Revisão das três classes clássicas:
  • Gumbel: Para distribuições com caudas decaindo mais rápido que uma lei de potência (ex: Gaussiana, Exponencial).
  • Fréchet: Para distribuições com caudas de lei de potência (ex: Cauchy).
  • Weibull: Para distribuições com suporte limitado superiormente.
• Valor Típico ($\mu_N$): Introdução de uma relação geral para estimar o valor típico do máximo em sistemas correlacionados, baseada na condição de que o número de variáveis acima de $\mu_N$ é da ordem de $O(1)$.
• Correlações Fracas: Demonstração de que, se as correlações decaem suficientemente rápido (exponencialmente), o sistema ainda pertence à classe de universalidade de Gumbel, generalizando os resultados para variáveis fracamente correlacionadas (ex: processo Ornstein-Uhlenbeck).

B. Passeios Aleatórios e Movimento Browniano (Seção 3)

• Correlações Fortes: Em passeios aleatórios (RW) e movimento browniano, as posições $x_n$ e $x_{n'}$ são fortemente correlacionadas ($\langle x_n x_{n'} \rangle \propto \min(n, n')$).
• Probabilidade de Sobrevivência: A distribuição do máximo de um passeio aleatório é equivalente à probabilidade de que o passeio não cruze uma barreira (problema de sobrevivência).
• Teorema de Sparre Andersen: Um resultado universal e profundo onde a probabilidade de um passeio aleatório simétrico começar na origem e permanecer positivo por $n$ passos é dada por $Q(0, n) = \binom{2n}{n} 2^{-2n}$, independente da distribuição específica dos saltos (desde que sejam contínuos e simétricos). Isso leva a um decaimento universal $Q \sim n^{-1/2}$.

C. Teoria de Matrizes Aleatórias e Leis de Tracy-Widom (Seção 4)

• Gás de Log (Dyson): Os autovalores de matrizes aleatórias (GOE, GUE, GSE) são tratados como um gás unidimensional com interação logarítmica repulsiva e confinamento harmônico.
• Flutuações do Autovalor Máximo: Diferente do caso IID, as flutuações do maior autovalor $\lambda_{max}$ em torno do limite de Wigner ($\sqrt{2}$) escalam como $N^{-2/3}$.
• Distribuições de Tracy-Widom: A distribuição das flutuações do autovalor máximo não é Gaussiana, mas segue as leis de Tracy-Widom ($F_\beta$), que dependem do índice de Dyson $\beta$ (1 para GOE, 2 para GUE, 4 para GSE).
• Aplicações Físicas:
  1. Equação KPZ (Crescimento de Interfaces): A altura de uma interface em crescimento (modelo de Kardar-Parisi-Zhang) em 1+1 dimensões exibe flutuações governadas por leis de Tracy-Widom.
     • Condição inicial plana $\to$ Lei de Tracy-Widom GOE ($\beta=1$).
     • Condição inicial de gota (curva) $\to$ Lei de Tracy-Widom GUE ($\beta=2$).
  2. Polímeros Direcionados em Meios Aleatórios: A energia ótima de um polímero direcionado em um meio aleatório (modelo de Johansson) tem a mesma distribuição estatística que o maior autovalor de uma matriz Laguerre-Wishart complexa, convergindo para a lei de Tracy-Widom GUE.
• Operador de Airy Estocástico: As leis de Tracy-Widom para qualquer $\beta > 0$ podem ser mapeadas para as flutuações da energia do estado fundamental de um operador de Schrödinger unidimensional com potencial aleatório (Operador de Airy Estocástico).

4. Significância e Impacto

• Unificação Conceitual: O artigo demonstra poderosamente como problemas de estatística de extremos podem ser reformulados como problemas de mecânica estatística de equilíbrio (funções de partição) ou dinâmicos (probabilidades de sobrevivência).
• Universalidade em Sistemas Desordenados: Estabelece que, apesar da complexidade das correlações em sistemas desordenados (como vidros de spin e polímeros), existem classes de universalidade robustas (Tracy-Widom) que governam os extremos, análogas à Lei do Limite Central para médias, mas para máximos.
• Aplicabilidade Experimental: As previsões teóricas sobre as leis de Tracy-Widom foram confirmadas experimentalmente em diversos sistemas físicos, incluindo cristais líquidos nemáticos, lasers acoplados e crescimento de interfaces, validando a conexão profunda entre teoria de matrizes aleatórias e física da matéria condensada fora do equilíbrio.
• Ferramentas Analíticas: Fornece um conjunto de ferramentas (como a fórmula de Pollaczek-Spitzer e o mapeamento para gases de log) que permitem calcular estatísticas de extremos em sistemas onde métodos tradicionais falham.

Em suma, o trabalho serve como uma ponte essencial entre a teoria de probabilidades de valores extremos e a física estatística moderna, destacando como as flutuações de sistemas complexos e correlacionados são governadas por leis universais não-Gaussianas.