切比雪夫不等式定理
- 随机变量 X X X E ( X ) = μ , D ( X ) = σ 2 E(X)=\mu,D(X)=\sigma^2 E(X)=μ,D(X)=σ2
- 对 ∀ ε > 0 \forall\varepsilon>0 ∀ε>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 ) X概率密度:f(x) 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∣≥εf(x)dx ≤ ∫ ∣ x − μ ∣ ≥ ε ∣ x − μ ∣ 2 ε 2 f ( x ) d x \le\int_{|x-\mu|\ge\varepsilon}\frac{|x-\mu|^2}{\varepsilon^2}f(x)dx ≤∫∣x−μ∣≥εε2∣x−μ∣2f(x)dx ≤ ∫ − ∞ + ∞ ∣ x − μ ∣ 2 ε 2 f ( x ) d x = σ 2 ε 2 \le\int_{-\infty}^{+\infty}\frac{|x-\mu|^2}{\varepsilon^2}f(x)dx=\frac{\sigma^2}{\varepsilon^2} ≤∫−∞+∞ε2∣x−μ∣2f(x)dx=ε2σ2
- 即使未知X的分布,但是只要知道期望方差