Files
2026-10-04 11:44:56 +08:00

5.3 KiB
Raw Permalink Blame History

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

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"