切比雪夫不等式的推導證明方法
切比雪夫不等式是一個有名的公式,關於這個公式的證明方法是怎樣的呢?下面就是本站小編給大家整理的切比雪夫不等式證明內容,希望大家喜歡。
切比雪夫不等式證明方法一試利用切比雪夫不等式證明:能以大小0.97的概率斷言,將一枚均勻硬幣連續拋1000次,其出現正面的次數在400到600之間。
分析:將一枚均勻硬幣連續拋1000次可看成是1000重貝努利試驗,因此
1000次試驗中出現正面H的次數服從二項分佈.
解:設X表示1000次試驗中出現正面H的次數,則X是一個隨機變量,且
~XB(1000,1/2).因此
500
2
1
1000=×==npEX,
250)
2
答題完畢,祝你開心!
1
1(
2
1
1000)1(= ××= =pnpDX,
而所求的概率為
}500600500400{}600400{ << =< }100100{< < =EXXP
}100{< =EXXP
975.0
100
1
2
= ≥
DX
切比雪夫不等式證明方法二切比雪夫(Chebyshev)不等式
對於任一隨機變量X ,若EX與DX均存在,則對任意ε>0,
恆有P{|X-EX|>=ε}<=DX/ε^2 或P{|X-EX|<ε}>=1-DX/ε^2
切比雪夫不等式説明,DX越小,則 P{|X-EX|>=ε}
越小,P{|X-EX|<ε}越大, 也就是説,隨機變量X取值基本上集中在EX附近,這進一步説明了方差的意義。
同時當EX和DX已知時,切比雪夫不等式給出了概率P{|X-EX|>=ε}的一個上界,該上界並不涉及隨機變量X的具體概率分佈,而只與其方差DX和ε有關,因此,切比雪夫不等式在理論和實際中都有相當廣泛的應用。需要指出的是,雖然切比雪夫不等式應用廣泛,但在一個具體問題中,由它給出的概率上界通常比較保守。
切比雪夫不等式是指在任何數據集中,與平均數超過K倍標準差的'數據佔的比例至多是1/K^2。
在概率論中,切比雪夫不等式顯示了隨機變數的「幾乎所有」值都會「接近」平均。這個不等式以數量化這方式來描述,究竟「幾乎所有」是多少,「接近」又有多接近:
與平均相差2個標準差的值,數目不多於1/4
與平均相差3個標準差的值,數目不多於1/9
與平均相差4個標準差的值,數目不多於1/16
切比雪夫定理介紹由切比雪夫提出,描述如下:
設隨機變量X的數學期望和方差都存在,則對任意常數 ε>0,有P( | X - E(X) | ≥ ε ) ≤ D(X) / ε² ,或P( | X - E(X) | < ε ) ≥ 1 - D(X) / ε²。
在初等數論中,若a1≤a2≤……≤an,b1≤b2≤……≤bn,則a1bn+a2b(n-1)+……+anb1≤(a1+……+an)(b1+……+bn)/n≤a1b1+a2b2+……+anbn 。
19世紀俄國數學家切比雪夫[3] 研究統計規律中,論證並用標準差表達了一個不等式,這個不等式具有普遍的意義,被稱作切比雪夫定理 chebyshev's theorem 其大意是 :
任意一個數據集中,位於其平均數m個標準差範圍內的比例(或部分)總是至少為1-1/㎡,其中m為大於1的任意正數。對於m=2,m=3和m=5有如下結果:
所有數據中,至少有3/4(或75%)的數據位於平均數2個標準差範圍內。
所有數據中,至少有8/9(或88.9%)的數據位於平均數3個標準差範圍內。
所有數據中,至少有24/25(或96%)的數據位於平均數5個標準差範圍內 。
其計算公式通常表示為:
μ為X的均值,sigma為X的標準差。