Qu'est-ce que l'inégalité de Markov ?

Markov

L'inégalité de Markov donne une borne supérieure pour la probabilité qu'une variable aléatoire s'écarte de sa valeur attendue.

C.K.Taylor





L'inégalité de Markov est un résultat utile en probabilité qui donne des informations sur un distribution de probabilité . L'aspect remarquable à ce sujet est que l'inégalité est valable pour toute distribution avec des valeurs positives, quelles que soient ses autres caractéristiques. L'inégalité de Markov donne une limite supérieure pour le pourcentage de la distribution qui est au-dessus d'une valeur particulière.

Énoncé de l'inégalité de Markov

L'inégalité de Markov dit que pour une variable aléatoire positive X et tout positif nombre réel un , la probabilité que X est supérieur ou égal à un est inférieur ou égal à la valeur attendue de X divisé par un .



La description ci-dessus peut être énoncée plus succinctement en utilisant une notation mathématique. En symboles, nous écrivons l'inégalité de Markov sous la forme :

P ( Xun ) ≤ ET ( X ) / un



Illustration de l'inégalité

Pour illustrer l'inégalité, supposons que nous ayons une distribution avec des valeurs non négatives (comme un distribution du chi carré ). Si cette variable aléatoire X a une valeur attendue de 3, nous examinerons les probabilités pour quelques valeurs de un .

  • Pour un = 10 L'inégalité de Markov dit que P ( X ≥ 10) ≤ 3/10 = 30 %. Il y a donc 30% de probabilité que X est supérieur à 10.
  • Pour un = 30 L'inégalité de Markov dit que P ( X ≥ 30) ≤ 3/30 = 10 %. Il y a donc 10% de probabilité que X est supérieur à 30.
  • Pour un = 3 L'inégalité de Markov dit que P ( X ≥ 3) ≤ 3/3 = 1. Les événements avec une probabilité de 1 = 100 % sont certains. Cela signifie donc qu'une certaine valeur de la variable aléatoire est supérieure ou égale à 3. Cela ne devrait pas être trop surprenant. Si toutes les valeurs de X étaient inférieurs à 3, alors la valeur attendue serait également inférieure à 3.
  • Comme la valeur de un augmente, le quotient ET ( X ) / un deviendra de plus en plus petit. Cela signifie que la probabilité est très faible que X est très, très grand. Encore une fois, avec une valeur attendue de 3, nous ne nous attendrions pas à ce qu'il y ait une grande partie de la distribution avec des valeurs très élevées.

Utilisation de l'inégalité

Si nous en savons plus sur la distribution avec laquelle nous travaillons, nous pouvons généralement améliorer l'inégalité de Markov. L'intérêt de l'utiliser est qu'il est valable pour toute distribution avec des valeurs non négatives.

Par exemple, si nous connaissons la taille moyenne des élèves d'une école primaire. L'inégalité de Markov nous dit que pas plus d'un sixième des élèves peuvent avoir une taille supérieure à six fois la taille moyenne.

L’autre utilisation majeure de l’inégalité de Markov est de prouver L'inégalité de Tchebychev . Ce fait a pour conséquence que le nom d'inégalité de Chebyshev est également appliqué à l'inégalité de Markov. La confusion de la dénomination des inégalités tient aussi à des circonstances historiques. Andrey Markov était l'élève de Pafnuty Chebyshev. Le travail de Chebyshev contient l'inégalité qui est attribuée à Markov.