大数定律(2)：切比雪夫不等式

Markov不等式有一个很简洁的结果，但是它有一个不近人情的前提条件。它要求随机变量取正值。这通常是没法满足的。为此，我们需要对现有的随机变量进行一些改造，构造一个随机变量的函数。那么什么函数必取正值呢？最常用的是偶次数幂函数，以及指数函数。这就分别得到了切比雪夫不等式和切诺夫界。本文介绍切比雪夫不等式。

定理2. 对任意的期望有界的随机变量，都有

$$\Pr\{|X-E[X]| > c\} \leq \frac{var(X)}{c^2}$$
对所有的 $c>0$成立，其中
$$var(X)=E[X-E[X]]^2$$
是随机变量 $X$的方差。

证明： 我们注意到

$$\Pr\{|X-E[X]| > c\} = \Pr\{|X-E[X]|^2 > c^2\}.$$
而