概率论基础 - 6 - 切比雪夫不等式
切比雪夫不等式可以使人们在随机变量X的分布未知的情况下,对事件$|X-\mu|<\varepsilon $ 概率作出估计。
定义
- 假设随机变量XXX具有期望E(X)=μE(X)=\muE(X)=μ, 方差 Var(X)=σ2Var(X)=\sigma^2Var(X)=σ2,则对于任意正数ε\varepsilonε ,有不等式成立:
P{∣X−μ∣≥ε}≤σ2ε2\mathbb P\{|X-\mu| \geq \varepsilon\} \leq \frac{\sigma^{2}}{\varepsilon^{2}} P{∣X−μ∣≥ε}≤ε2σ2
含义
其意义是:对于距离E(X)E(X)E(X)足够远的地方(距离大于等于ε\varepsilonε),事件出现的概率是小于等于σ2ε2\frac{\sigma^{2}}{\varepsilon^{2}}ε2σ2 。即事件出现在区间[μ−ε,μ+ε][\mu-\varepsilon, \mu+\varepsilon][μ−ε,μ+ε] 的概率大于1−σ2ε21-\frac{\sigma^2}{\varepsilon^2}1−ε2σ2
该不等式给出了随机变量XXX在分布未知的情况下, 事件∣X−μ∣≤ε|X-\mu| \leq \varepsilon∣X−μ∣≤ε 的下限估计
例如:
P{∣X−μ∣<3σ}≥1−19=89\mathbb P\{|X-\mu|\ < 3 \sigma \} \ge 1-\frac{1}{9}=\frac{8}{9} P{∣X−μ∣ <3σ}≥1−91=98
切比雪夫不等式刻画了变量偏离均值的程度与发生概率大小之间的关系
在随机变量分布未知的情况下,我们只知道均值和方差,切比雪夫不等式给出了XXX落入以均值为中心的εεε邻域概率的概率下界
证明
思路1
利用取值范围建立不等式
{%raw%}
P{∣X−μ∣≥ε}=∫∣x−μ∣≥εp(x)dx≤∫∣x−μ∣≥ε∣x−μ∣2ε2p(x)dx≤1ε2∫−∞∞(x−μ)2p(x)dx=σ2ε2\begin{aligned} \mathbb P\{|X-\mu| \geq \varepsilon\} &=\int_{|x-\mu| \geq \varepsilon} p(x) d x \\ &\leq \int_{|x-\mu| \geq \varepsilon} \frac{|x-\mu|^{2}}{\varepsilon^{2}} p(x) d x \\ & \leq \frac{1}{\varepsilon^{2}} \int_{-\infty}^{\infty}(x-\mu)^{2} p(x) d x\\ &=\frac{\sigma^{2}}{\varepsilon^{2}} \end{aligned} P{∣X−μ∣≥ε}=∫∣x−μ∣≥εp(x)dx≤∫∣x−μ∣≥εε2∣x−μ∣2p(x)dx≤ε21∫−∞∞(x−μ)2p(x)dx=ε2σ2
{%endraw%}
思路2
利用马尔可夫不等式
P(X≥a)≤E(X)a\mathbb{P}(X \geq a) \leq \frac{\mathbb{E}(X)}{a} P(X≥a)≤aE(X)
- 将∣X−μ∣|X-\mu|∣X−μ∣作为随机变量带入不等式,有:
P(∣X−μ∣≥ε)≤E(∣X−μ∣)ε\mathbb P(|X-\mu| \ge \varepsilon) \leq \frac{E(|X-\mu|)}{\varepsilon} P(∣X−μ∣≥ε)≤εE(∣X−μ∣)
- 其中ε>0\varepsilon > 0ε>0,而:
P(∣X−μ∣≥ε)=P(∣X−μ∣2≥ε2)\mathbb P(|X-\mu| \ge \varepsilon) = \mathbb P(|X-\mu|^2 \ge \varepsilon^2) P(∣X−μ∣≥ε)=P(∣X−μ∣2≥ε2)
- 再次套用马尔可夫不等式:
P(∣X−μ∣≥ε)=P(∣X−μ∣2≥ε2)≤E(∣X−μ∣2)ε2=σ2ε2\mathbb P(|X-\mu| \ge \varepsilon) =\mathbb P(|X-\mu|^2 \ge \varepsilon^2) \le \frac{E(|X-\mu|^2)}{\varepsilon^2}=\frac{\sigma^2}{\varepsilon^2} P(∣X−μ∣≥ε)=P(∣X−μ∣2≥ε2)≤ε2E(∣X−μ∣2)=ε2σ2
推论——切比雪夫定理
- 对于相互独立具有相同期望和方差的随机变量XiX_iXi,$\frac{1}{n}\sum\limits_{i = 1}^n {{X_i}} $的方差为:
{%raw%}
Var(X)n=σ2n\frac{{Var(X)}}{n}=\frac{{{\sigma ^2}}}{n} nVar(X)=nσ2
{%endraw%}
- 那么当 $n \to \infty 时,时,时,\frac{1}{n}\sum\limits_{i = 1}^n {{X_i}} 的方差的方差的方差\to 0 ,对于任意给定的,对于任意给定的,对于任意给定的\varepsilon > 0$,根据切比雪夫不等式有:
{%raw%}
limn→∞P{∣1n∑i=1nXi−E(Xi)∣<ε}=1\lim _{n \rightarrow \infty} P\left\{\left|\frac{1}{n} \sum_{i=1}^{n} X_{i}-E\left(X_{i}\right)\right|<\varepsilon\right\}=1 n→∞limP{∣∣∣∣∣n1i=1∑nXi−E(Xi)∣∣∣∣∣<ε}=1
{%endraw%}
- 即当样本个数趋于无穷时,样本的算数平均值会收敛于理论均值
参考资料
- https://baike.baidu.com/item/%E5%88%87%E6%AF%94%E9%9B%AA%E5%A4%AB%E5%AE%9A%E7%90%86/3647561?fromtitle=%E5%88%87%E6%AF%94%E9%9B%AA%E5%A4%AB%E4%B8%8D%E7%AD%89%E5%BC%8F&fromid=8709330&fr=aladdin
- http://www.huaxiaozhuan.com/%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/chapters/2_probability.html
- https://blog.csdn.net/ukakasu/article/details/82688413
概率论基础 - 6 - 切比雪夫不等式相关推荐
- 概率论基础 —— 10. 切比雪夫不等式、大数定理、中心极限定理
尽管统计学本身是门科学,我们也在纯数学的角度上研究了很多概率的性质.但是也不能否认统计学中依然有相当多经验总结.而且相当多的经验是行之有效的.在<概率论与数理统计>这本教材中,也列举了一些 ...
- 概率论基础(7)数学期望、方差、协方差、切比雪夫不等式
概率论对于学习 NLP 方向的人,重要性不言而喻.于是我打算从概率论基础篇开始复习,也顺便巩固巩固基础. 这是基础篇的第七篇知识点总结 基础:下面前六篇的链接地址: 概率论基础(1)古典和几何概型及事 ...
- 概率论:中心极限定理、马尔科夫不等式、切比雪夫不等式、大数定理
一.中心极限定理 1.1 独立同分布的中心极限定理 1.1.1 定理 设X1,X2,...,Xn为相互独立.服从同一分布的随机变量序列,且E(Xi)=μ,D(Xi)=σ2≠0(i=1,2,...n), ...
- 【概率论与数理统计】猴博士 笔记 p38-40 切比雪夫不等式、大数定律、中心极限定理
文章目录 切比雪夫不等式 大数定律 中心极限定理 切比雪夫不等式 题干特征: 求的P里面有不等式 求的概率的事件是某个绝对值 求的P里面的不等式符号与外面的不等式符号相反 满足以上特征就要用到切比雪夫 ...
- 概率论与数理统计学习笔记——第14讲——大数定律(1.切比雪夫不等式及切比雪夫大数定律)
1. 问题引入 2. 依概率收敛 3. 大数定律 4. 切比雪夫大数定律 5. 切比雪夫不等式
- 概率论与数理统计学习笔记——第三十五讲——依概率收敛,切比雪夫不等式
1. 问题引入--频率的稳定值记为概率,这里的"稳定"是何含义? 2. 依概率收敛的定义 3. 依概率收敛示例 4. 依概率收敛的性质 5. 切比雪夫不等式(定理)及其证明 6. ...
- 32.0.概率论与数理统计-依概率收敛,切比雪夫不等式
依概率收敛,切比雪夫不等式 依概率收敛 问题引入 依概率收敛定义 例1 性质 定理,切比雪夫不等式 例2 依概率收敛 问题引入 依概率收敛定义
- Matlab概率论与数理统计实践-事件发生的概率的三种计算方法:二项分布公式,正态分布,切比雪夫不等式
题目: 在每次实验中,事件A发生的概率是0.5,求在1000次独立实验中,求事件 发生的次数在475~525之间的概率.(1)用二项分布公式精确计算:(2)用正态分布近似计算:(3)用切比雪夫不等式进 ...
- 第四章切比雪夫不等式、大数定理、中心极限定理
切比雪夫不等式 设随机变量X具有数学期望E(X)=μE(X)=\mu,方差D(X)=σ2D(X)=\sigma ^2,对于任意ε>0\varepsilon >0,都有 P{|X−μ|≥ε} ...
- AI 高等数学、概率论基础
一.概论 基础引入: 原理一:[两边夹定理] 原理二:[极限] X为角度x对应的圆弧的点长: 原理三[单调性]: 引入: 二.导数 常见函数的导数: 四.应用: 求解: 泰勒展式和麦克劳林展式: 泰勒 ...
最新文章
- 【腾讯三面】你能现场写一下LRU算法吗?
- 【Prometheus】 Prometheus 入门到实战搭建监控系统
- Android Launch Mode的学习记录
- vb.net获取服务器中所有数据库名称显示在list,vb listview显示数据库内容,该怎么解决...
- Rm –rf误删除了一个数据文件,而备份集恰好损坏,请写出恢复步骤
- 【APICloud系列|19】上架APPStore需要准备哪些材料?
- timerfd API使用总结
- 服务器重装后怎么装系统,服务器如何安装系统,小编教你如何安装
- leetcode 10 --- 正则表达式匹配
- AndroidStudio安卓原生开发_Activity的启动方法_隐式启动2种方法_activity关闭---Android原生开发工作笔记83
- 正则与pandas处理行数据
- shell脚本实现文件锁功能
- 计算机仿真的特点,计算机仿真的基本特点与基本流程.doc
- delphi7文件服务器,使用Delphi7进行OPC服务器的开发.pdf
- 华为手机序列号前三位_华为手机序列号怎么查询?
- 你真的了解VRP操作系统吗?华为网络设备的文件系统、设备基础管理、命令行基础一次学会
- 股市入门:应对股市涨跌方法
- 电脑上的日期从1980年到2099年
- Android 双屏异显(兼容android8)
- Jqury基础大汇总来啦~