Markovin epätasa-arvo
In todennäköisyysteoriasta , Markov epätasa antaa todennäköisyys kasvaa, että todellinen satunnaismuuttuja kanssa positiivisia arvoja, on suurempi kuin tai yhtä suuri kuin positiivinen vakio. Tämä eriarvoisuus nimettiin Andrei Markovin kunniaksi .
Osavaltiot
Markovin epätasa-arvo - Olkoon Z todellinen satunnaismuuttuja, joka määritetään todennäköisyysavaruudessa ja jonka oletetaan olevan melkein varmasti positiivinen tai nolla. Niin
(Ω,AT,P){\ displaystyle \ left (\ Omega, {\ mathcal {A}}, \ mathbb {P} \ oikea)}
∀klo>0,P(Z⩾klo)⩽E(Z)klo.{\ displaystyle \ forall a> 0, \ qquad \ mathbb {P} (Z \ geqslant a) \ leqslant {\ frac {\ mathbb {E} (Z)} {a}}.}
Esittely
Joko . Toteamme osoitinmuuttujan tapahtuman .
klo∈R+∗{\ displaystyle a \ sisään \ mathbb {R} _ {+} ^ {*}}1{Z⩾klo}{\ displaystyle \ mathbf {1} _ {\ {Z \ geqslant a \}}}{Z⩾klo}{\ displaystyle \ {Z \ geqslant a \}}
Meillä on eriarvoisuutta:
∀ω∈Ω,klo1{Z(ω)⩾klo}⩽Z(ω)1{Z(ω)⩾klo}⩽Z(ω){\ displaystyle \ forall \ omega \ in Omega, \ qquad a \, \ mathbf {1} _ {\ {Z (\ omega) \ geqslant a \}} \ leqslant Z (\ omega) \, \ mathbf {1 } _ {\ {Z (\ omega) \ geqslant a \}} \ leqslant Z (\ omega)}
koska on positiivinen tai nolla.
Z{\ displaystyle Z}
Odotusten kasvulla meillä on:
E(klo1{Z(ω)⩾klo})⩽E(Z)(∗){\ displaystyle \ mathbb {E} \ vasen (a \, \ mathbf {1} _ {\ {Z (\ omega) \ geqslant a \}} \ right) \ leqslant \ mathbb {E} (Z) \ qquad ( *)}
Sitten odotuksen lineaarisuuden mukaan:
E(klo1{Z(ω)⩾klo})=kloE(1{Z(ω)⩾klo})=klo(1×P(Z⩾klo)+0×P(Z<klo))=kloP(Z⩾klo){\ displaystyle \ mathbb {E} \ left (a \, \ mathbf {1} _ {\ {Z (\ omega) \ geqslant a \}} \ right) = a \, \ mathbb {E} \ left (\ mathbf {1} _ {\ {Z (\ omega) \ geqslant a \}} \ right) = a \, \ left (1 \ kertaa \ mathbb {P} (Z \ geqslant a) +0 \ kertaa \ mathbb { P} (Z <a) \ oikea) = a \, \ mathbb {P} \ vasen (Z \ geqslant a \ oikea)}
Työntämällä lauseke eriarvoisuuteen saadaan:
(∗){\ displaystyle (*)}
kloP(Z⩾klo)⩽E(Z){\ displaystyle a \, \ mathbb {P} \ vasen (Z \ geqslant a \ right) \ leqslant \ mathbb {E} (Z)}
tarkoittaen
P(Z⩾klo)⩽E(Z)klo{\ displaystyle \ mathbb {P} \ vasen (Z \ geqslant a \ oikea) \ leqslant {\ frac {\ mathbb {E} (Z)} {a}}}
Yleistys
Tästä lauseesta on olemassa yleisempi versio. Olkoon X satunnaismuuttuja, jossa Ω on toteutumisten joukko, on tapahtumien heimo ja todennäköisyyden mittari. Sitten Markovin epätasa-arvo voidaan todeta seuraavasti:Ls(Ω,F,P){\ textstyle L ^ {p} (\ Omega, {\ mathcal {F}}, \ mathbb {P})}F{\ textstyle {\ mathcal {F}}}P{\ textstyle \ mathbb {P}}
Markovin epätasa-arvo - mistä tahansa ehdottomasti positiivisesta todellisuudesta ,
a{\ displaystyle \ alfa}
P(|X|≥a)≤1asE(|X|s){\ displaystyle \ mathbb {P} \ vasen (| X | \ geq \ alpha \ right) \ leq {\ frac {1} {\ alpha ^ {p}}} \ mathbb {E} \ left (| X | ^ {p} \ oikea)}
Demonstraatio vie kokonaan siihen, että kaikkien α: n osalta ehdottomasti positiivinen . Tässä 1 A tarkoittaa tapahtuman A indikaattoria . Lisäämällä odotuksia saadaan:as1{|X|≥a}≤|X|s{\ textstyle \ alpha ^ {p} \ mathbf {1} _ {\ left \ {| X | \ geq \ alpha \ right \}} \ leq | X | ^ {p}}
E(|X|s)≥E(as1{|X|≥a})=asE(1{|X|≥a})=asP{|X|≥a}{\ displaystyle \ mathbb {E} \ vasen (| X | ^ {p} \ oikea) \ geq \ mathbb {E} \ vasen (\ alpha ^ {p} \, \ mathbf {1} _ {\ left \ { | X | \ geq \ alpha \ right \}} \ right) = \ alpha ^ {p} \, \ mathbb {E} \ left (\ mathbf {1} _ {\ left \ {| X | \ geq \ alfa \ right \}} \ right) = \ alpha ^ {p} \, \ mathbb {P} \ left \ {| X | \ geq \ alpha \ right \}}
Jakamalla epätasa-arvon kummallekin puolelle
α p löydämme halutun tuloksen.
Näemme heti, että edellä mainittu tulos ei ole muuta kuin tämän epätasa-arvon erityistapaus.
Lisäksi ottamalla ja p = 2 saadaan tarkalleen lausunto Bienaymé-Chebyshevin eriarvoisuudesta .
X=Y-E(Y){\ textstyle X = Y- \ mathbb {E} \ vasen (Y \ oikea)}
Seuraus
Sillä on usein käytetty seuraus:
Seuraus - Let cp nonnegative kasvava funktio väli I . Olkoon Y todellinen satunnaismuuttuja, joka määritetään todennäköisyysavaruudessa siten, että . Joten:
(Ω,AT,P){\ displaystyle \ left (\ Omega, {\ mathcal {A}}, \ mathbb {P} \ oikea)}P(Y∈Minä)=1{\ displaystyle \ mathbb {P} (Y \ I: ssä) = 1}
∀b∈Minä|ϕ(b)>0,P(Y⩾b)⩽E(ϕ(Y))ϕ(b).{\ displaystyle \ forall b \ in I \; | \; \ phi (b)> 0, \ qquad \ mathbb {P} (Y \ geqslant b) \ leqslant {\ frac {\ mathbb {E} (\ phi ( Y))} {\ phi (b)}}.}
Esittely
Sovellamme Markovin epätasa-arvoa ja saadaksemme:
Z=ϕ(Y) {\ displaystyle Z = \ phi (Y) \}klo=ϕ(b){\ displaystyle a = \ phi (b)}
∀b>0,P(ϕ(Y)⩾ϕ(b))⩽E(ϕ(Y))ϕ(b){\ displaystyle \ forall b> 0, \ qquad \ mathbb {P} \ left (\ phi (Y) \ geqslant \ phi (b) \ right) \ leqslant {\ frac {\ mathbb {E} (\ phi (Y ))} {\ phi (b)}}}.
Kasvu johtaa: .
ϕ{\ displaystyle \ phi}{Y⩾b}⊂{ϕ(Y)⩾ϕ(b)} {\ displaystyle \ {Y \ geqslant b \} \ osajoukko \ {\ phi (Y) \ geqslant \ phi (b) \} \}
Siksi: .
P(Y⩾b)⩽E(ϕ(Y))ϕ(b){\ displaystyle \ mathbb {P} (Y \ geqslant b) \ leqslant {\ frac {\ mathbb {E} (\ phi (Y))} {\ phi (b)}}}
Sovellukset
- Edellä esitetyn epätasa-arvon valinta ja ϕ ( x ) = x 2 antaa Bienaymé-Chebyshevin epätasa-arvon .Y=|X-E(X)|, Minä=[0,+∞[ {\ displaystyle Y = | X- \ mathbb {E} (X) |, ~ I = [0, + \ infty [\}
- Edellä esitetyn epäyhtälön valinta, tai , ja ja of ( x ) = e λ x , λ> 0 , on ensimmäinen vaihe todistettaessa Chernoffin epätasa-arvo tai Hoeffdingin epätasa-arvo .Y=X-E(X){\ displaystyle Y = X- \ mathbb {E} (X)}Y=E(X)-X{\ displaystyle Y = \ mathbb {E} (X) -X}Minä=R{\ displaystyle I = \ mathbb {R}}
Esimerkki
Koska palkat ovat positiivisia, väestön osuus, joka saa enemmän kuin viisi kertaa keskipalkka, on enintään viidesosa.
Katso myös
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">