chebyshev's inequality:
P(|X-e|>=a)<=d^2/a^2; //d^2:方差,e:期望, a>0
证明:要证明的是:
P(|X-e|>=a)<=(E((X-e)^2))/a^2
对不等式后面缩放:构造E(Y)<=E((X-e)^2)
及要找一个Y,满足E(Y)>=a^2*P(|X-e|>=a)
找个等于的:这样缩放是等价的,比较容易成功:
Y=a^2 当 |X-e|>=a;其他情况Y=0;
则Y<=(|X-e|)^2,所以E(Y)<=E((X-e)^2);
得证;
The law of big number:
由chebyshev's inequality:
对于i.i.d.(独立同分布的随机变量)X1,X2,X3.....,令M=(1/n)(X1+X2+............)
则,随着随机变量的个数趋向于无穷,M越来越接近M的期望
这其实很好理解:
概率的期望就是无限次的试验后,实验结果的平均值