5.3 KiB
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}) = \muD(\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"