マルコフの不等式とチェビシェフの不等式の証明

公開日: 更新日:

【2023年4月2週】 【B000】数理統計学 【B060】標本分布

この記事をシェアする
  • B!
サムネイル画像

本稿では、マルコフの不等式とチェビシェフの不等式を証明しています。

なお、閲覧にあたっては、以下の点にご注意ください。

  • スマートフォンやタブレット端末でご覧の際、数式が見切れている場合は、横にスクロールすることができます。

【定理】マルコフの不等式

【定理】
マルコフの不等式
Markov’s Inequality

非負値確率変数 $X$ について $E \left(X\right)$ が存在するとき、任意の正の数 $0 \lt \varepsilon$ に対して、 \begin{align} P(\varepsilon \le X) \le \frac{E(X)}{\varepsilon} \end{align} が成り立つ。

証明

証明

(i)離散型確率分布の場合
期待値の定義式 $E \left(X\right)=\sum_{x=-\infty}^{\infty}{x \cdot f \left(x\right)}$ より、任意の正の数 $0 \lt \varepsilon$ に対して、 \begin{align} E \left(X\right)=\sum_{x=-\infty}^{\varepsilon}{x \cdot f \left(x\right)}+\sum_{x=\varepsilon}^{\infty}{x \cdot f \left(x\right)} \end{align} $0 \le X,0 \le f \left(x\right)$ より、$0 \le \sum_{x=-\infty}^{\varepsilon}{x \cdot f \left(x\right)}$ となるので、 \begin{gather} \sum_{x=\varepsilon}^{\infty}{x \cdot f \left(x\right)} \le \sum_{x=-\infty}^{\varepsilon}{x \cdot f \left(x\right)}+\sum_{x=\varepsilon}^{\infty}{x \cdot f \left(x\right)}=E \left(X\right)\\ \sum_{x=\varepsilon}^{\infty}{\varepsilon \cdot f \left(x\right)} \le \sum_{x=\varepsilon}^{\infty}{x \cdot f \left(x\right)} \le E \left(X\right)\\ \varepsilon\sum_{x=\varepsilon}^{\infty}f \left(x\right) \le E \left(X\right)\\ \end{gather} 確率関数の性質 $P \left(x \le X\right)=\sum_{x=-\infty}^{\infty}f \left(x\right)$ より、 \begin{align} \varepsilon \cdot P \left(\varepsilon \le X\right) \le E \left(X\right) \end{align} $0 \lt \varepsilon$ より、 \begin{align} P \left(\varepsilon \le X\right) \le \frac{E \left(X\right)}{\varepsilon} \end{align} $\blacksquare$

(ii)連続型確率分布の場合
期待値の定義式 $E \left(X\right)=\int_{-\infty}^{\infty}{x \cdot f \left(x\right)dx}$ より、任意の正の数 $0 \lt \varepsilon$ に対して、 \begin{align} E \left(X\right)=\int_{-\infty}^{\varepsilon}{x \cdot f \left(x\right)dx}+\int_{\varepsilon}^{\infty}{x \cdot f \left(x\right)dx} \end{align} $0 \le X,0 \le f \left(x\right)$ より、$0 \le \int_{-\infty}^{\varepsilon}{x \cdot f \left(x\right)}$ となるので、 \begin{gather} \int_{\varepsilon}^{\infty}{x \cdot f \left(x\right)dx} \le \int_{-\infty}^{\varepsilon}{x \cdot f \left(x\right)dx}+\int_{\varepsilon}^{\infty}{x \cdot f \left(x\right)dx}=E \left(X\right)\\ \int_{\varepsilon}^{\infty}{\varepsilon \cdot f \left(x\right)dx} \le \int_{\varepsilon}^{\infty}{x \cdot f \left(x\right)dx} \le E \left(X\right)\\ \varepsilon\int_{\varepsilon}^{\infty}f \left(x\right)dx \le E \left(X\right) \end{gather} 確率密度関数の性質 $P \left(x \le X\right)=\int_{-\infty}^{\infty}f \left(x\right)dx$ より、 \begin{align} \varepsilon \cdot P \left(\varepsilon \le X\right) \le E \left(X\right) \end{align} $0 \lt \varepsilon$ より、 \begin{align} P \left(\varepsilon \le X\right) \le \frac{E \left(X\right)}{\varepsilon} \end{align} $\blacksquare$

【定理】チェビシェフの不等式

【定理】
チェビシェフの不等式
Chebyshev’s Inequality

確率変数 $X$ が平均 $E \left(X\right)=\mu$ と 分散 $V \left(X\right)=\sigma^2$ をもつとき、任意の正の数 $0 \lt \varepsilon$ に対して、 \begin{align} P \left( \left|X-\mu\right| \geq \varepsilon\right) \le \frac{\sigma^2}{\varepsilon^2} \end{align} が成り立つ。

証明

証明

マルコフの不等式 $P \left(\epsilon \le Y\right) \le \frac{E \left(Y\right)}{\varepsilon}$ において、$Y= \left\{X-E \left(X\right)\right\}^2$ とおくと、 \begin{align} P \left(\epsilon \le \left\{X-E \left(X\right)\right\}^2\right) \le \frac{E \left[ \left\{X-E \left(X\right)\right\}^2\right]}{\varepsilon} \end{align} 分散の定義式 $V \left(X\right)=E \left[ \left\{X-E \left(X\right)\right\}^2\right]$ より、 \begin{align} P \left(\epsilon \le \left\{X-E \left(X\right)\right\}^2\right) \le \frac{\sigma^2}{\varepsilon} \end{align} $\varepsilon=\sqrt\epsilon$ とすると、 \begin{align} P \left(\varepsilon \le \left|X-E \left(X\right)\right|\right) \le \frac{\sigma^2}{\varepsilon^2} \end{align} $\blacksquare$

参考文献

  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.83-85

関連記事

自己紹介

自分の写真

yama

大学時代に読書の面白さに気づいて以来、読書や勉強を通じて、興味をもったことや新しいことを学ぶことが生きる原動力。そんな人間が、その時々に学んだことを備忘録兼人生の軌跡として記録しているブログです。

このブログを検索

ブログ アーカイブ

QooQ