切比雪夫不等式

切比雪夫不等式定理

• 随机变量$X$ $E(X)=\mu ,D(X)={\sigma }^2$
• 对$\forall \epsilon >0$，都有 P { ∣ X − μ ∣ ≥ ε } ≤ σ 2 ε 2 P\{|X-\mu|\ge\varepsilon\}\le\frac{\sigma^2}{\varepsilon^2} P{∣X−μ∣≥ε}≤ε2σ2​

证明

• 只证明X为连续型随机变量的情况
• 设$X概率密度：f(x)$,于是有 P { X − μ ≥ ∣ ≥ ε } = ∫ ∣ x − μ ∣ ≥ ε f ( x ) d x P\{X-\mu\ge|\ge\varepsilon\}=\int_{|x-\mu|\ge\varepsilon}f(x)dx P{X−μ≥∣≥ε}=∫∣x−μ∣≥ε​f(x)dx$$\le {\int }_{|x-\mu |\ge \epsilon }\frac{|x-\mu {|}^2}{{\epsilon }^2}f(x)dx$$ $$\le {\int }_{-\infty }^{+\infty }\frac{|x-\mu {|}^2}{{\epsilon }^2}f(x)dx=\frac{{\sigma }^2}{{\epsilon }^2}$$
• 即使未知X的分布，但是只要知道期望方差