Tenemos una muestra aleatoria \(X_1, \dots,
X_n\) de variables aleatorias continuas, independientes e
idénticamente distribuidas, con función de distribución acumulada \(F\) y densidad \(f\).
El mínimo muestral lo definimos como:
\[m_n = \min\{X_1, \dots, X_n\}.\]
Lo que nos piden es:
Primero, para calcular \(P(m_n > t)\), la idea es pensar que el mínimo sea mayor que \(t\) significa que todas las variables \(X_i\) sean mayores que \(t\).
\[ P(m_n > t) = P(X_1 > t, X_2 > t, \dots, X_n > t). \]
Como son independientes, esto se convierte en:
\[ P(m_n > t) = \prod_{i=1}^n P(X_i > t) = (1 - F(t))^n. \]
Ahora, la función de distribución acumulada del mínimo es simplemente:
\[ H_n(t) = P(m_n \leq t) = 1 - P(m_n > t) = 1 - (1 - F(t))^n. \]
La densidad del mínimo se obtiene derivando \(H_n(t)\) respecto a \(t\):
\[ h_n(t) = H_n'(t) = n (1 - F(t))^{n-1} f(t). \]
Probabilidad:
\[
P(m_n > t) = (1 - F(t))^n
\]
Distribución acumulada:
\[
H_n(t) = 1 - (1 - F(t))^n
\]
Densidad:
\[
h_n(t) = n (1 - F(t))^{n-1} f(t)
\]