详细解释大数定理+中心极限定理（二）

详细解释大数定理+中心极限定理（二）

引言

上一节我们已经讲了马尔科夫不等式，这节主要讲解切比雪夫不等式。

切比雪夫不等式

　　切比雪夫不等式是马尔科夫不等式的特殊情况，而且还有进一步的关系：这两个不等式的作者是师生关系。
　　

马尔科夫不等式是以俄国数学家按安德雷.马尔科夫命名。

而切比雪夫不等式是以马尔科夫的老师巴福尼提.列波维奇.切比雪夫命名的。

2.1 切比雪夫不等式与直观感受

切比雪夫不等式是这么写的：

其中 , 是期望，是标准差。
我们还是通过 的正态分布来感受一下切比雪夫不等式：

可见，越远离平均值，概率越低。

2.2 切比雪夫不等式与年薪百万

根据上一节的数据，我们来计算一下切比雪夫不等式认为年薪百万的概率是多少？

切比雪夫不等式认为最多只有千分之二的概率，比之前大大降低。应该说切比雪夫不等式预测的准确率要远远高于马尔科夫不等式。

2.3 切比雪夫不等式的证明

马尔科夫不等式是这样的：

我们把代入：

很显然等价于：

令 , 容易得到：

注意

马尔科夫不等式、切比雪夫不等式只是对概率的一个估计，有可能不是很准确，但总瞎想要准确。

切比雪夫不等式的严格证明

下面给出一个我看到的比较好理解的证明，思路比较清晰

　　已知切比雪夫不等式：

首先引入方差的定义：
(R指无穷大，F(X)是X的分布函数，式子是X方差的定义)

1、缩小积分域。由（-∞，+∞）缩小到区域{X || X-E(X)|>=e}
注意：| X-E(X)|>=是一个积分域。
因为被积函数是非负数，所以积分域就会缩小

2、缩小被积函数。由 (X - E(X) ) 缩小到e，所以缩被积函数，函数值缩小

3、变换

至此大家应该都明白了吧，下一小节就要进入主题了：大数定理