Неравенство Чебышёва
Неравенство Чебышёва (или неравенство Бьенеме — Чебышёва) — неравенство в теории меры и теории вероятностей. Оно было первый раз получено Бьенеме в 1853 году, и позже также Чебышёвым.
Неравенство, использующееся в теории меры, является более общим, в теории вероятностей используется его следствие.
Неравенство Чебышёва в теории меры
Неравенство Чебышёва в теории меры описывает взаимосвязь интеграла Лебега и меры. Аналог этого неравенства в теории вероятностей — неравенство Маркова. Неравенство Чебышёва также используется для доказательства вложения пространства L p {displaystyle L_{p}} в слабое пространство L p {displaystyle L_{p}} .
Формулировки
- Пусть ( X , F , μ ) {displaystyle (X,;{mathcal {F}},;mu )} — пространство с мерой. Пусть также
- A ∈ F {displaystyle Ain {mathcal {F}}}
- ϕ ( x ) ⩾ 0 {displaystyle phi (x)geqslant 0} — суммируемая на A {displaystyle A} функция
- c > 0 {displaystyle c>0} .
- В более общем виде:
- В терминах пространства L p {displaystyle L_{p}} :
Неравенство Чебышёва может быть получено, как следствие из неравенства Маркова.
Неравенство Чебышёва в теории вероятностей
Неравенство Чебышёва в теории вероятностей утверждает, что случайная величина в основном принимает значения, близкие к своему среднему. А более точно, оно даёт оценку вероятности того, что случайная величина примет значение, далёкое от своего среднего.
Неравенство Чебышёва является следствием неравенства Маркова.
Формулировки
Пусть случайная величина X : Ω → R {displaystyle Xcolon Omega ightarrow mathbb {R} } определена на вероятностном пространстве ( Ω , F , P ) {displaystyle (Omega ,{mathcal {F}},mathbb {P} )} , а её математическое ожидание μ {displaystyle mu } и дисперсия σ 2 {displaystyle sigma ^{2}} конечны. Тогда
P ( | X − μ | ⩾ a ) ⩽ σ 2 a 2 {displaystyle mathbb {P} left(|X-mu |geqslant a ight)leqslant {frac {sigma ^{2}}{a^{2}}}} ,где a > 0 {displaystyle a>0} .
Если a = k σ {displaystyle a=ksigma } , где σ {displaystyle sigma } — стандартное отклонение и k > 0 {displaystyle k>0} , то получаем
P ( | X − μ | ⩾ k σ ) ⩽ 1 k 2 {displaystyle mathbb {P} left(|X-mu |geqslant ksigma ight)leqslant {frac {1}{k^{2}}}} .В частности, случайная величина с конечной дисперсией отклоняется от среднего больше, чем на 2 {displaystyle 2} стандартных отклонения, с вероятностью меньше 25 % {displaystyle 25%} . Отклоняется от среднего на 3 {displaystyle 3} стандартных отклонения с вероятностью меньше 11.12 % {displaystyle 11.12%} . Иными словами, случайная величина укладывается в 2 {displaystyle 2} стандартных отклонения с вероятностью 75 % {displaystyle 75%} и в 3 {displaystyle 3} стандартных отклонения с вероятностью 88.88 % {displaystyle 88.88%}
Для важнейшего случая одномодальных распределений неравенство Высочанского — Петунина существенно усиливает неравенство Чебышёва, включая в себя дробь 4/9. Таким образом, граница в 3 {displaystyle 3} стандартных отклонения включает 95.06 % {displaystyle 95.06%} значений случайной величины. В отличие от нормального распределения, где 3 {displaystyle 3} стандартных отклонения включают 99.73 % {displaystyle 99.73%} значений случайной величины.