切比雪夫不等式
-
定义:设随机变量X有期望E(X)和方差 σ 2 \sigma^2 σ2,则对于任给的 ϵ > 0 \epsilon>0 ϵ>0
P { ∣ X − E ( X ) ∣ ≥ ϵ } ≤ σ 2 ϵ 2 P\{|X-E(X)|\geq \epsilon\}\leq \frac{\sigma^2}{\epsilon^2} P{∣X−E(X)∣≥ϵ}≤ϵ2σ2
或
P { ∣ X − E ( X ) ∣ < ϵ } ≥ 1 − σ 2 ϵ 2 P\{|X-E(X)|<\epsilon\}\geq1-\frac{\sigma^2}{\epsilon^2} P{∣X−E(X)∣<ϵ}≥1−ϵ2σ2
由切比雪夫不等式可以看出,若 σ 2 \sigma^2 σ2越小,则事件 { ∣ X − E ( X ) ∣ < ϵ } \{|X-E(X)|<\epsilon\} {∣X−E(X)∣<ϵ}的概率越大,即随机变量X集中在期望附近的可能性越大。由此,可体会方差的概率意义:它刻画了随机变量取值的离散程度
-
意义
-
当方差已知时,切比雪夫不等式给出了随机变量X与它的期望的偏差不小于 ϵ \epsilon ϵ的概率的估计式。
如取 ϵ = 3 σ \epsilon=3\sigma ϵ=3σ时,有
P { ∣ X − E ( X ) ∣ ≥ 3 σ } ≤ σ 2 9 σ 2 ≈ 0.111 P\{|X-E(X)|\geq 3\sigma\}\leq \frac{\sigma^2}{9\sigma^2}\approx0.111 P{∣X−E(X)∣≥3σ}≤9σ2σ2≈0.111
可见,对任给的分布,只要期望和方差 σ 2 \sigma^2 σ2存在,则随机变量X取值偏离 E ( X ) E(X) E(X)超过 3 σ 3\sigma 3σ的概率小于0.111
-