Chebyshev-Inequality-with-Linear-Bound

本文介绍了统计学习理论中的Chebyshev不等式,这是大数定律的一个基础不等式。文章详细证明了Chebyshev不等式:对于非负随机变量t和任意α>0,概率P[t≥α]不超过期望E(t)除以α的平方。还探讨了线性Bound的相关推论。
摘要由CSDN通过智能技术生成

注:本博客只是搬运工。
原文链接
在统计学习理论中有一个很基础的不等式:Hoeffding不等式,这个不等式是大数定律的一种形式。大数定律中最简单的不等式应该就是Chebyshev不等式了。我们今天来证明一下它,以及给出线性bound的几个推论:

Chebyshev不等式:假设t是非负随机变量,对于任意的 α>0 ,我们都有: P[tα]E(t)α

证明如下:
我们定义一个集合 AΩ:A=tΩ|ta ,因此:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值