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

156 lines
5.3 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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**"