Изменения

|definition = '''Нера́венство Ма́ркова ''' (англ. ''Markov's inequality'') в теории вероятностей дает оценку вероятности, что случайная величина превзойдет по модулю фиксированную положительную константу, в терминах её [[Математическое ожидание случайной величины| математического ожидания]]. Получаемая оценка обычно груба, однако она позволяет получить определённое представление о распределении, когда последнее не известно

| id = thMark|about = Неравенство Маркова| statement = Пусть случайная величина <tex>X: \Omega \rightarrow \mathbb RR_\mathrm+</tex> определена на [[Вероятностное пространство, элементарный исход, событие|вероятностном пространстве ]] (<tex>\Omega</tex>, <tex>F</tex>, <tex>\mathbb R</tex>), и ее [[Математическое ожидание случайной величины| математическое ожидание ]] <tex> \mathbb E\mathrm |\xi|<\mathcal {1}</tex>конечно. Тогда : : <tex>\forall ~x > 0~~ \mathbb P\mathrm(|\xi| \geqslant x)\leqslant \frac dfrac {\mathbb E\mathrm |\xi|}{x} </tex>где:: <tex> x </tex> {{---}} константа соответствующая некоторому событию в терминах [[Математическое ожидание случайной величины| математического ожидания]]: <tex> \xi </tex> {{---}} случайная величина: <tex> \mathbb P\mathrm(|\xi| \geqslant x)</tex> {{---}} вероятность отклонения модуля случайной величины от <tex> x </tex>: <tex>\mathbb E\mathrm |\xi|</tex> {{---}} [[Математическое ожидание случайной величины| математическое ожидание]] случайной величины

Пусть <tex> A</tex> {{- --}} некоторое событие. Назовем индикатором события <tex>A</tex> случайную величину <tex>I</tex>, равную единице если событие <tex>A</tex> произошло, и нулю в противном случае. По определению величина <tex>I(A)</tex> имеет [[Схема Бернулли|распределение Бернулли ]] с параметром ::<tex> p = \mathbb P\mathrm (I(A) = 1) = \mathbb P\mathrm (A)</tex>, и ее [[Математическое ожидание случайной величины| математическое ожидание ]] равно вероятности успеха <tex> p = \mathbb P\mathrm (A) </tex>.

:<tex>|\xi|=|\xi|\times cdot I(|\xi|<x)+|\xi|\times cdot I(|\xi|\geqslant x)\geqslant |\xi|\times cdot I(|\xi|\geqslant x)\geqslant x\times cdot I(|\xi| \geqslant x)</tex>.Тогда::<tex> \mathbb E |\xi|\geqslant \mathbb E\mathrm(x\times cdot I(|\xi|\geqslant x)) = x\times cdot \mathbb P\mathrm (|\xi|\geqslant x) </tex>.

== Примеры Пример ==

Ученики в Пусть студенты никогда не приходят вовремя, они всегда опаздывают. В среднем они опаздывают на <tex>3 </tex> минуты. Какова вероятность того, что ученик студент опоздает на <tex>15 </tex> минут и более? Дать грубую оценку сверху. : <mathtex>\mathbb P\mathrm (|\xi|\ge geqslant 15)\le leqslant \dfrac{3/}{15 } = 0.2</mathtex>

|definition = '''Неравенство Чебышева ''' (англ. Chebyshev's inequality) является следствием Неравенства [[#thMark|неравенства Маркова ]] и утверждает, что случайная величина в основном принимает значения, близкие к значению [[Математическое ожидание случайной величины| математического ожидания]]. Говоря более точно, оно дает оценку вероятности, что случайная величина примет значение, далекое от своего среднего.}}  {{Теорема|id =thCheb|about = Формулировка Неравенство Чебышева|statement =Если <tex>\mathbb E\mathrm \xi^2<\mathcal 1</tex>, то <tex>\forall x > 0</tex> будет выполнено :<tex>\mathbb P\mathrm (|\xi - \mathbb E\mathrm \xi| \geqslant x) \leqslant \dfrac {\mathbb D\mathrm \xi}{x^2}</tex>где:: <tex>\mathbb E\mathrm \xi^2</tex> {{---}} [[Математическое ожидание случайной величины| математическое ожидание]] квадрата случайного события.: <tex>E\mathrm \xi</tex> {{---}} [[Математическое ожидание случайной величины| математическое ожидание]] случайного события: <tex> P\mathrm (|\xi - \mathbb E\mathrm \xi| \geqslant x) </tex> {{---}} вероятность отклонения случайного события от его [[Математическое ожидание случайной величины| математического ожидания]] хотя бы на <tex> x</tex>: <tex> \mathbb D\mathrm \xi </tex> {{---}} [[Дисперсия случайной величины|дисперсия случайного события]]|proof =Для <tex>x>0</tex> неравенство <tex>|\xi-\mathbb E\mathrm \xi| \geqslant x</tex> равносильно неравенству <tex>(\xi-\mathbb E\mathrm \xi)^2 \geqslant x^2</tex>, поэтому <tex>\mathbb P\mathrm (|\xi-\mathbb E\mathrm \xi| \geqslant x) = \mathbb P\mathrm((\xi-\mathbb E\mathrm \xi)^2 \geqslant x^2 ) \leqslant \dfrac {\mathbb E\mathrm(\xi-\mathbb E\mathrm\xi)^2}{x^2} = \dfrac {\mathbb D\mathrm \xi}{x^2}</tex>}}

Для <math>x>0</math> неравенство <math>{{Утверждение|\xi-\mathbb E\mathrm \xi| \ge x</math> равносильно неравенству statement = Если <mathtex>(\xi-\mathbb E\mathrm \xi)^2 < \ge x^2mathcal {1}</mathtex>, поэтому то <mathtex>\mathbb P\mathrm (|\xi-\mathbb E\mathrm \xi| \ge x) = leqslant 3\mathbb P\mathrm((\xi-sqrt{\mathbb ED\mathrm \xi})^2 \ge x^2 ) \le \frac {\mathbb E\mathrm(\xi-\mathbb E\mathrm\xi)^2}{x^2} = geqslant \frac dfrac {\mathbb D\mathrm \xi8}{x^29}</mathtex>.

| proof =Если в доказательстве [[#thCheb|неравенства Чебышева]] вместо <tex> \geqslant </tex> поставить <tex> > </tex> рассуждения не изменятся, так какдля <tex>x>0</tex> неравенство <tex>|\xi-\mathbb E\mathrm \xi| > x</tex> равносильно неравенству <tex>(\xi-\mathbb E\mathrm \xi)^2 > x^2</tex>, поэтому: : <tex>\mathbb P\mathrm (|\xi-\mathbb E\mathrm \xi|> 3\sqrt{\mathbb D\mathrm \xi})\leqslant \dfrac {\mathbb D\mathrm \xi}{(3\sqrt{\mathbb D\mathrm \xi})^2} = Следствие \dfrac {1} {9}</tex>Отсюда заметим, что вероятность отклониться значению случайной величины от значения [[Математическое ожидание случайной величины| математического ожидания]] меньше чем <tex>\dfrac {1}{9}</tex>}} ==См. также ==* [[Дискретная случайная величина]]* [[Дисперсия случайной величины]]* [[Математическое ожидание случайной величины]]

Как следствие получим так называемое "правило трех сигм",которое означает, что вероятность случайной величины отличаться от своего математического ожидания более чем на три корня из дисперсии мала== Источники информации ==* [https://ru. wikipedia.org/wiki/%D0%9D%D0%B5%D1%80%D0%B0%D0%B2%D0%B5%D0%BD%D1%81%D1%82%D0%B2%D0%BE_%D0%9C%D0%B0%D1%80%D0%BA%D0%BE%D0%B2%D0%B0 Википедия {{---}} Неравенство Маркова]* [https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D1%80%D0%B0%D0%B2%D0%B5%D0%BD%D1%81%D1%82%D0%B2%D0%BE_%D0%A7%D0%B5%D0%B1%D1%8B%D1%88%D1%91%D0%B2%D0%B0#.D0.9D.D0.B5.D1.80.D0.B0.D0.B2.D0.B5.D0.BD.D1.81.D1.82.D0.B2.D0.BE_.D0.A7.D0.B5.D0.B1.D1.8B.D1.88.D1.91.D0.B2.D0.B0_.D0.B2_.D1.82.D0.B5.D0.BE.D1.80.D0.B8.D0.B8_.D0.B2.D0.B5.D1.80.D0.BE.D1.8F.D1.82.D0.BD.D0.BE.D1.81.D1.82.D0.B5.D0.B9 Википедия{{---}} Неравенство Чебышева]*[https://en.wikipedia.org/wiki/Markov%27s_inequality Wikipedia {{---}} Markov's inequality]*[https://en.wikipedia.org/wiki/Chebyshev%27s_inequality Wikipedia {{---}} Chebyshev's inequality]*[https://www.probabilitycourse.com/chapter6/6_2_2_markov_chebyshev_inequalities.php Markov and Chebyshev Inequalities]

Рассмотрим такое утверждение[[Категория:Дискретная математика и алгоритмы]] Если <math>\mathbb E\mathrm \xi^2 < \mathcal {1}</math>, то <math>\mathbb P\mathrm (|\xi-\mathbb E\mathrm \xi| \le 3\sqrt{\mathbb D\mathrm \xi})\ge \frac {8}{9}</math>. Доказательство[[Категория:Согласно неравенству Чебышева <math>\mathbb P\mathrm (|\xi-\mathbb E\mathrm \xi|\ge 3\sqrt{\mathbb D\mathrm \xi})\le \frac {\mathbb D\mathrm \xi}{(3\sqrt{\mathbb D\mathrm \xi})^2} = \frac {1} {9}</math>Отсюда заметим, что вероятность отклониться значению случайной величины от значения математического ожидания меньше чем <math>\frac {1}{9}</math>Теория вероятности]]