最后更新: 2025-12-12 08:30 查看: 795 次反馈能力测评会员8.2元/月赞助

切比雪夫不等式★★★★★

## 切比雪夫不等式
设随机变量 $X$ 的数学期望 $E(X)$ 及方差 $D(X)$ 存在，则对于任意的 $\varepsilon>0$ ，有

$$
\boxed
{
P(|X-E(X)| \geq \varepsilon) \leq \frac{D(X)}{\varepsilon^2}
}
$$
这就是切比雪夫不等式。

## 切比雪夫不等式的通俗解释

#### 引例1
扔一个硬币求正面的概率。容易知道，他的概率是0.5，但是在实验时，有可能
①扔100次，正面的次数是48
②扔1000次，正面的次数490
③扔10000次，正面的次数为4800
④扔100000次，正面的次数为50001
可以发现，随着重复的次数越来越多，其正面的几率越来越接近期望值0.5。 我们把这种重复次数很多的数叫做“**大数**”

#### 引例2
方差表示的数据离数学期望上下浮动的参数，例如张三和李四的立定跳远都是3m，张三的方差为$0.005^2$，李四的方差为$0.008^2$，可以看到，张三的成绩更稳定。因为方差本质反映**数据的波动性**。

### 定义
有了上面两个引例，就容易理解切比雪夫不等式了。切比雪夫不等式的意思是：

“随机变量$X$减去他的期望$EX$得绝对值”大于$\varepsilon$的概率 **小于** 方差除以$\varepsilon^2$
 
 我们把切比雪夫不等式拆开看。
 （1）在中学就学过，$|x-a|$的绝对值表示$x$离开a的距离，因为有左右两个，所以加了绝对值。同样$|X-EX|$表示，样本值和他的期望值**距离**。 上面，张三跳远的平均值为3m，可能第一次跳 2.9米，第二次跳3.1米，不管是2.9米还是3.1米，样本值减去期望值后，误差都是0.1米（有绝对值，就不用考虑误差的正负了）。
 
 （2）把$|X-EX|$当成一个整体考虑，那$|X-EX|$就表示每次跳远时，实际值和期望值的误差距离。比如上面张三第一次跳远的误差是0.1，第二次跳远误差是0.1，第三次跳远0.2，第四次跳远误差0.05，第五次跳远误差0.01等。可以看到，不管怎么跳，实际值总是在期望值左右来回摆动。
 （3）在 $P(|X-EX|) >\varepsilon $ 里, 微积分里已经学过$\varepsilon$表示一个无穷小量，比如取$\varepsilon=0.1$，则 $P(|X-EX|>0.1)$表示 张三跳远时，误差范围**超过**0.1的概率，也就是**下图阴影部分**的值  
  ![图片](/uploads/2024-11/a6e279.jpg)
  
 （4）切比雪夫不等式告诉我们，张三跳远时，误差范围超过0.1的概率 小于 $\dfrac{D(x)}{\varepsilon^2} = \dfrac{1}{0.1^2}= \dfrac{0.005^2}{0.1^2}=0.25\%$
  
  假设取$\varepsilon=0.2$,可以计算张三跳远时，误差范围超过0.2的概率 小于 $\dfrac{D(x)}{\varepsilon^2} = \dfrac{1}{0.1^2}= \dfrac{0.005^2}{0.2^2}=0.062\%$
  
  可以看到，$\varepsilon$取的越大，他的概率越小。这也很好理解，想象一下，张三跳远平均值是3米，取误差 $\varepsilon=5$，然后可以说，张三跳远误差超过5米的概率为0，这是没问题的。
  
 > 我们说过切比雪夫不等式左边求的是上图阴影部分的概率，这就像射箭，**靶心是数学期望**，$\varepsilon$相当于**误差的半径**，当 允许的$\varepsilon$误差半径越大，则落在外面的概率越低。

切比雪夫还有一个等价公式(反向说法)即：
$$
\boxed{
P\{|X-EX|<\varepsilon\} \geqslant 1-\frac{DX^2}{\varepsilon^2}
}
$$

例如 取 $\varepsilon=0.0001$ (趋近于零)，则$1-\frac{DX^2}{\varep

其他版本
【高中数学】柯西不等式及其几何意义

免费注册查看余下70%

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：马尔可夫不等式

下一篇：切比雪夫Chebyshev大数定律

本文对您是否有用？有用 (0) 无用 (0)