美文网首页
切比雪夫不等式怎么来的?

切比雪夫不等式怎么来的?

作者: PJvord | 来源:发表于2020-07-09 10:43 被阅读0次

一种证法是用马尔可夫不等式
命题1(马尔可夫不等式):设X为只取非负值的随机变量,则对任意实数a>0, 有
P\{X \geq a\} \leq \dfrac{E[X]}{a}
下面首先介绍一下示性函数
对于非负取整数值的随机变量X,如果对每个i\geq1,我们定义
X_i = \begin{cases} 1 & X \geq i \\ 0 & X \leq i \end{cases}
then

\displaystyle\sum_{i=1}^\infty X_i=\displaystyle\sum_{i=1}^X X_i + \displaystyle\sum_{i=X+1}^\infty X_i =\displaystyle\sum_{i=1}^X 1 + \displaystyle\sum_{i=X+1}^\infty 0 = X
由于X_i都是非负的,因此

E[X] = \displaystyle\sum_{i=1}^\infty E(X_i)= \displaystyle\sum_{i=1}^\infty P\{X \geq i\}
上述的每个X_i都是示性函数,有下面几个较好的性质

对于示性函数I:
I = \begin{cases} 1 & X \geq a , a为任意实数\\ 0 & else \end{cases}
E[I] = P\{X \geq a\} I \leq \dfrac{X}{a}
所以
E[I] \leq \dfrac{E[X]}{a} P\{X \geq a\} \leq \dfrac{E[X]}{a}
得证




命题2(切比雪夫不等式):设X为随机变量,具有有限均值\mu和方差\sigma^2,则对任意值k>0

P\{|X-\mu|\geq k\} \leq \dfrac{\sigma^2}{k^2}
证:(X-\mu)^2是非负随机变量,故由Markov不等式,令a = k^2,得

P\{(X-\mu)^2 \geq k^2\} \leq \dfrac{E[(X - \mu)^2]}{k^2}
\because (X-\mu)^2 \geq k^2 \iff |X-\mu| \geq k
\therefore P\{|X-\mu| \geq k\} \leq \dfrac{E[(X - \mu)^2]}{k^2} = \dfrac{\sigma^2}{k^2}

证毕

通过这两个不等式,我们可以仅通过随机变量概率分布的均值,或者均值和方差,得到概率的界。一般地,切比雪夫不等式相对于马尔可夫不等式可以更加逼近真实的上界。

相关文章

网友评论

      本文标题:切比雪夫不等式怎么来的?

      本文链接:https://www.haomeiwen.com/subject/gjdjcktx.html