first commit
This commit is contained in:
@@ -0,0 +1,155 @@
|
||||
# 题型一:切比雪夫不等式
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题干出现"估计概率上界""不超过""至少为"等字样
|
||||
- 已知 $E(X) = \mu$、$D(X) = \sigma^2$(无需具体分布)
|
||||
- 涉及 $P(|X - \mu| \ge \varepsilon)$ 或 $P(|X - \mu| < \varepsilon)$
|
||||
- 题目要求用**方差**反推**概率**范围
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:切比雪夫不等式题] --> B{已知 E(X) 和 D(X)?}
|
||||
B -->|否| C[先求期望和方差]
|
||||
B -->|是| D[确定 ε 的值]
|
||||
C --> D
|
||||
D --> E{是 ≥ε 还是 <ε?}
|
||||
E -->|≥ε| F[P(|X-μ|≥ε) ≤ σ²/ε²]
|
||||
E -->|<ε| G[P(|X-μ|<ε) ≥ 1 - σ²/ε²]
|
||||
F --> H[写出最终上界]
|
||||
G --> H
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、切比雪夫不等式核心公式
|
||||
|
||||
设 $E(X) = \mu, D(X) = \sigma^2$ 存在,则对任意 $\varepsilon > 0$:
|
||||
|
||||
**形式 1(大偏差上界)**:
|
||||
$$
|
||||
P(|X - \mu| \ge \varepsilon) \le \frac{\sigma^2}{\varepsilon^2}
|
||||
$$
|
||||
|
||||
**形式 2(小偏差下界)**:
|
||||
$$
|
||||
P(|X - \mu| < \varepsilon) \ge 1 - \frac{\sigma^2}{\varepsilon^2}
|
||||
$$
|
||||
|
||||
### 二、应用步骤(三步法)
|
||||
|
||||
| 步骤 | 操作 | 关键点 |
|
||||
|------|------|--------|
|
||||
| **1. 算** | 求 $E(X) = \mu, D(X) = \sigma^2$ | 套公式:$E(X) = \sum x_i p_i$ 或 $\int x f(x)dx$ |
|
||||
| **2. 定** | 确定 $\varepsilon$ | 仔细审题,找到阈值 |
|
||||
| **3. 写** | 套不等式 | 注意是 $\ge \varepsilon$ 还是 $< \varepsilon$ |
|
||||
|
||||
### 三、重要变形
|
||||
|
||||
| 变形 | 形式 |
|
||||
|------|------|
|
||||
| **用 $k\sigma$ 表示** | $P(\|X - \mu\| \ge k\sigma) \le 1/k^2$ |
|
||||
| **两侧不等式** | $P(\|X - \mu\| < k\sigma) \ge 1 - 1/k^2$ |
|
||||
| **特化 $\mu = 0$** | $P(\|X\| \ge \varepsilon) \le D(X)/\varepsilon^2$ |
|
||||
| **特化 $\mu = 0, \varepsilon = k\sigma$** | $P(\|X\| \ge k\sigma) \le 1/k^2$ |
|
||||
|
||||
### 四、与 Chebyshev 关联的工具
|
||||
|
||||
| 工具 | 适用场景 |
|
||||
|------|---------|
|
||||
| **Markov 不等式** | 非负随机变量:$P(X \ge \varepsilon) \le E(X)/\varepsilon$ |
|
||||
| **Chebyshev 不等式** | 一般随机变量:$P(\|X - \mu\| \ge \varepsilon) \le D(X)/\varepsilon^2$ |
|
||||
| **Chernoff 不等式** | 指数型随机变量(超纲)|
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **陷阱 1**:把"$\ge \varepsilon$"和"$< \varepsilon$"混淆,导致上下界颠倒
|
||||
- **陷阱 2**:忘记切比雪夫只给**上界**,并非精确概率
|
||||
- **陷阱 3**:用错 $D(X)$:题目给出的是 $D(X)$ 还是 $\sqrt{D(X)}$(标准差)?
|
||||
- **陷阱 4**:$\varepsilon$ 单位与 $X$ 不同:需用同一量纲
|
||||
- **陷阱 5**:在 $D(X) = 0$ 时误用——此时 $P(X = \mu) = 1$,不等式平凡成立
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目 1**:设随机变量 $X$ 的 $E(X) = \mu, D(X) = \sigma^2$,试用切比雪夫不等式估计 $P(|X - \mu| \ge 3\sigma)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
由切比雪夫不等式(取 $\varepsilon = 3\sigma$):
|
||||
$$
|
||||
P(|X - \mu| \ge 3\sigma) \le \frac{\sigma^2}{(3\sigma)^2} = \frac{1}{9}
|
||||
$$
|
||||
|
||||
> 即 $P(|X - \mu| < 3\sigma) \ge 8/9$
|
||||
|
||||
**复盘**:
|
||||
- "$3\sigma$ 原则" 的概率解释:任何随机变量偏离均值超过 3 倍标准差的概率不超过 $1/9 \approx 11.1\%$
|
||||
- 这与**正态分布的 $3\sigma$ 原则**(99.7%)对比鲜明——切比雪夫给的是**最坏情况**的上界
|
||||
|
||||
---
|
||||
|
||||
> **题目 2**:设 $X$ 的 $E(X) = 10, D(X) = 4$,求 $P(|X - 10| \ge 4)$ 的上界。
|
||||
|
||||
**解析**:
|
||||
|
||||
由切比雪夫不等式($\mu = 10, \sigma^2 = 4, \varepsilon = 4$):
|
||||
$$
|
||||
P(|X - 10| \ge 4) \le \frac{D(X)}{\varepsilon^2} = \frac{4}{16} = \frac{1}{4}
|
||||
$$
|
||||
|
||||
**复盘**:
|
||||
- 这是**最常见的切比雪夫题型**:直接套公式
|
||||
- 注意分子是 $D(X) = 4$,分母是 $\varepsilon^2 = 16$
|
||||
|
||||
---
|
||||
|
||||
> **题目 3**:设随机变量 $X$ 的 $D(X) = 2$,根据切比雪夫不等式,要使 $P(|X - E(X)| < 4) \ge 0.9$,需要方差缩小到原来的多少倍?
|
||||
|
||||
**解析**:
|
||||
|
||||
由切比雪夫不等式(取 $\varepsilon = 4$):
|
||||
$$
|
||||
P(|X - E(X)| < 4) \ge 1 - \frac{D(X)}{16} \ge 0.9
|
||||
$$
|
||||
|
||||
解得 $D(X) \le 1.6$。
|
||||
|
||||
即**新方差** $\le 1.6$,需要把原方差 $D(X) = 2$ 缩小到 $\le 1.6$,即缩小到原来的 $1.6/2 = 4/5$。
|
||||
|
||||
**复盘**:
|
||||
- 这道题是**逆向题型**:从概率反推方差
|
||||
- 题型标志:"要使 $P \ge p$,求方差"
|
||||
- **重要技巧**:切比雪夫常用于 $\bar{X}$ 的概率估计,因为 $\bar{X} = \frac{1}{n}\sum X_i$ 的方差缩为 $D(X)/n$
|
||||
|
||||
---
|
||||
|
||||
> **题目 4(综合)**:设 $X_1, X_2, \ldots, X_n$ 独立同分布,$E(X_i) = \mu, D(X_i) = 8$,且 $n = 16$。试用切比雪夫不等式估计 $P(|\bar{X} - \mu| < 4)$ 的下界。
|
||||
|
||||
**解析**:
|
||||
|
||||
$\bar{X} = \frac{1}{n}\sum X_i$,所以:
|
||||
- $E(\bar{X}) = \mu$
|
||||
- $D(\bar{X}) = D(X_i)/n = 8/16 = 0.5$
|
||||
|
||||
由切比雪夫不等式($\varepsilon = 4$):
|
||||
$$
|
||||
P(|\bar{X} - \mu| < 4) \ge 1 - \frac{D(\bar{X})}{\varepsilon^2} = 1 - \frac{0.5}{16} = 1 - \frac{1}{32} = \frac{31}{32}
|
||||
$$
|
||||
|
||||
**复盘**:
|
||||
- **关键技巧**:先求 $\bar{X}$ 的期望和方差(**方差缩小 $n$ 倍**)
|
||||
- 切比雪夫的核心用途:估计**样本均值** $\bar{X}$ 的概率
|
||||
- 可见:**$n$ 越大,$D(\bar{X})$ 越小,$P(|\bar{X} - \mu| < \varepsilon)$ 下界越大**——这是大数定律的雏形
|
||||
|
||||
---
|
||||
|
||||
> **变式**:若 $X \sim N(\mu, \sigma^2)$,$P(|X - \mu| \ge 3\sigma) = ?$
|
||||
|
||||
**解**:$\approx 0.003$(正态分布的 $3\sigma$ 原则),远小于切比雪夫的 $1/9$——**正态分布的偏差衰减最快**。
|
||||
|
||||
> **口诀速记**:
|
||||
> - "**方差大 → 偏离大**"
|
||||
> - "**$\varepsilon$ 大 → 偏离概率小**"
|
||||
> - "**切比雪夫给上界,不是精确值**"
|
||||
Reference in New Issue
Block a user