Co je Markovova nerovnost?

Markovova nerovnost je užitečným výsledkem pravděpodobnosti, která poskytuje informace o a rozdělení pravděpodobnosti. Pozoruhodný aspekt na tom je, že nerovnost platí pro jakékoli rozdělení s pozitivními hodnotami, bez ohledu na to, jaké další rysy má. Markovova nerovnost dává horní hranici procentuálního rozdělení, které je nad určitou hodnotou.

Markovova nerovnost říká, že pro pozitivní náhodnou proměnnou X a jakékoli pozitivní reálné čísloA, pravděpodobnost, že X je větší nebo rovno A je menší nebo rovno očekávaná hodnota z X děleno A.

Výše uvedený popis lze stručně uvést pomocí matematického zápisu. Ve symbolech píšeme Markovovu nerovnost jako:

P (X ≥ A) ≤ E( X) /A

Abychom ilustrovali nerovnost, předpokládejme, že máme rozdělení s nezápornými hodnotami (jako je a chi-square distribuce). Pokud tato náhodná proměnná X má očekávanou hodnotu 3, podíváme se na pravděpodobnosti na několik hodnot A.

• Pro A = 10 Markovova nerovnost říká P (X ≥ 10) ≤ 3/10 = 30%. Existuje tedy pravděpodobnost 30% X je větší než 10.
instagram viewer
• Pro A = 30 Markovova nerovnost říká P (X ≥ 30) ≤ 3/30 = 10%. Existuje tedy 10% pravděpodobnost X je větší než 30.
• Pro A = 3 Markovova nerovnost to říká P (X ≥ 3) ≤ 3/3 = 1. Události s pravděpodobností 1 = 100% jsou jisté. To znamená, že některá hodnota náhodné proměnné je větší nebo rovna 3. To by nemělo být příliš překvapivé. Pokud jsou všechny hodnoty X byly menší než 3, pak by očekávaná hodnota byla také menší než 3.
• Jako hodnota A zvyšuje, kvocient E(X) /A bude menší a menší. To znamená, že pravděpodobnost je velmi malá X je velmi, velmi velký. Znovu, s očekávanou hodnotou 3, bychom neočekávali, že bude velké rozdělení s hodnotami, které byly velmi velké.

Pokud víme více o distribuci, se kterou pracujeme, můžeme Markovovu nerovnost obvykle zlepšit. Hodnota jeho použití je, že platí pro jakoukoli distribuci s nezápornými hodnotami.

Například, pokud známe střední výšku studentů na základní škole. Markovova nerovnost říká, že ne více než šestina studentů může mít výšku větší než šestinásobek průměrné výšky.

Dalším významným využitím Markovovy nerovnosti je dokázat Chebyshevova nerovnost. Tato skutečnost má za následek, že název „Chebyshevova nerovnost“ se použije také na Markovovu nerovnost. Zmatek pojmenování nerovností je také způsoben historickými okolnostmi. Andrey Markov byl studentem Pafnuty Chebyshev. Chebyshevova práce obsahuje nerovnost, která je přičítána Markovovi.