Na teoria da probabilidade , a desigualdade de Markov fornece um limite superior para a probabilidade de que uma função não negativa de uma variável aleatória seja maior ou igual a alguma constante positiva . Recebeu o nome do matemático russo Andrey Markov , embora tenha aparecido anteriormente no trabalho de Pafnuty Chebyshev (professor de Markov), e muitas fontes, especialmente em análise , referem-se a ele como a desigualdade de Chebyshev (às vezes, chamando-a de primeira desigualdade de Chebyshev referindo-se à desigualdade de Chebyshev como a segunda desigualdade de Chebyshev) ou à desigualdade de Bienaymé .
A desigualdade de Markov (e outras desigualdades semelhantes) relacionam as probabilidades às expectativas e fornecem (frequentemente vagos, mas ainda úteis) limites para a função de distribuição cumulativa de uma variável aleatória.
Demonstração
Se X for uma variável aleatória não negativa e a > 0 , então a probabilidade de que X seja pelo menos a é no máximo a expectativa de X dividido por a :
Let (onde ); então podemos reescrever a desigualdade anterior como
Na linguagem da teoria da medida , a desigualdade de Markov afirma que se ( X , Σ, μ ) é um espaço de medida , é uma função real avaliada estendida mensurável e ε > 0 , então
Essa definição teórica da medida é às vezes chamada de desigualdade de Chebyshev .
Versão estendida para funções crescentes monotonicamente
Se φ for uma função não negativa monotonicamente crescente para os reais não negativos, X é uma variável aleatória, a ≥ 0 e φ ( a )> 0 , então
Um corolário imediato, usando momentos mais altos de X suportados em valores maiores que 0, é
Provas
Separamos o caso em que o espaço de medida é um espaço de probabilidade do caso mais geral porque o caso de probabilidade é mais acessível para o leitor comum.
Intuição
onde é maior do que 0, pois o rv é não negativo e é maior do que porque a expectativa condicional só leva em consideração os valores maiores do que os rv podem assumir.
Daí intuitivamente , o que leva diretamente a .
Prova teórica de probabilidade
Método 1: a
partir da definição de expectativa:
No entanto, X é uma variável aleatória não negativa, portanto,
Disto podemos derivar,
A partir daqui, dividir por nos permite ver que
Método 2:
Para qualquer evento , seja a variável indicadora aleatória de , ou seja, se ocorre e não.
Usando essa notação, temos se o evento ocorre e se . Então, dado ,
o que é claro se considerarmos os dois valores possíveis de . Se , então , e assim . Caso contrário, temos , para o qual e assim .
Como é uma função monotonicamente crescente, tomar a expectativa de ambos os lados de uma desigualdade não pode revertê-la. Portanto,
Agora, usando a linearidade das expectativas, o lado esquerdo desta desigualdade é o mesmo que
Assim nós temos
e como a > 0, podemos dividir os dois lados por a .
Prova teórica da medida
Podemos assumir que a função não é negativa, uma vez que apenas seu valor absoluto entra na equação. Agora, considere a função de valor real s em X dada por
Então . Pela definição da integral de Lebesgue
e uma vez que ambos os lados podem ser divididos por , obtendo
Corolários
Desigualdade de Chebyshev
A desigualdade de Chebyshev usa a variância para limitar a probabilidade de que uma variável aleatória se desvie muito da média. Especificamente,
para qualquer a > 0 . Aqui Var ( X ) é a variância de X, definida como:
A desigualdade de Chebyshev segue da desigualdade de Markov, considerando a variável aleatória
e a constante para a qual a desigualdade de Markov lê
Este argumento pode ser resumido (onde "MI" indica o uso da desigualdade de Markov):
Outros corolários
- O resultado "monotônico" pode ser demonstrado por:
- O resultado de que, para uma variável aleatória não negativa X , a função de quantil de X satisfaz:
- a prova usando
- Let Ser uma variável aleatória auto-adjunta com valor de matriz e um > 0 . Então
- pode ser mostrado de maneira semelhante.
Exemplos
Assumindo que nenhuma renda seja negativa, a desigualdade de Markov mostra que não mais do que 1/5 da população pode ter mais do que 5 vezes a renda média.
Veja também
Referências
links externos