Files
MathNotesVersion1/公式笔记/概率论/Ch04_随机变量的数字特征/题型7_切比雪夫不等式.md
T
2026-10-04 11:44:56 +08:00

173 lines
5.5 KiB
Markdown
Raw 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.
# 题型七:切比雪夫不等式
## 识别特征
- 题干要求用切比雪夫不等式**估计**概率 $P(|X-\mu| \ge \varepsilon)$
- 已知 $E(X) = \mu, D(X) = \sigma^2$(不需知道 $X$ 的分布)
- 大数定律证明中的核心工具
## 解题流程
```mermaid
flowchart TD
A[识别:切比雪夫不等式] --> B[提取 E X = μ, D X = σ²]
B --> C{已知 ε?}
C -->|是| D[代入 P|X-μ|≥ε ≤ σ²/ε²]
C -->|否| E[由 P 的范围反求 ε]
D --> F[得概率上界]
E --> F
```
## 通法步骤
### 一、切比雪夫不等式的两种形式
**形式 1**($\ge$):
$$
P(|X - \mu| \ge \varepsilon) \le \frac{\sigma^2}{\varepsilon^2}
$$
**形式 2**($<$):
$$
P(|X - \mu| < \varepsilon) \ge 1 - \frac{\sigma^2}{\varepsilon^2}
$$
其中 $\varepsilon > 0$,$\mu = E(X)$,$\sigma^2 = D(X)$。
### 二、应用步骤
1. 识别 $X$ 的均值 $\mu$ 和方差 $\sigma^2$(题目直接给出或可计算)
2. 给定 $\varepsilon$,代入公式得概率**上界**
3. (逆问题)已知 $P(|X-\mu| < \varepsilon)$ 的下界,反求 $\varepsilon$
### 三、关键性质
| 性质 | 含义 |
|------|------|
| **分布无关** | 不需要知道 $X$ 的分布,仅用 $\mu, \sigma^2$ |
| **粗估** | 给的是上界,不是精确概率 |
| **$\varepsilon$ 越大** | 概率上界越小(合理) |
| **$\sigma^2$ 越大** | 概率上界越大(合理) |
### 四、典型应用场景
1. **直接估计**:已知 $\mu, \sigma^2, \varepsilon$,求概率上界
2. **大数定律证明**:用切比雪夫不等式证明 $\bar{X_n} \xrightarrow{P} \mu$
3. **逆问题**:给定概率下界,反求 $\varepsilon$
### 五、切比雪夫不等式在大数定律中的应用
**切比雪夫大数定律**:$X_1, X_2, \ldots$ 独立,$E(X_i) = \mu, D(X_i) \le C$,则
$$
\bar{X_n} = \frac{1}{n} \sum_{i=1}^n X_i \xrightarrow{P} \mu
$$
**证明核心**:
$$
P(|\bar{X_n} - \mu| \ge \varepsilon) = P\left(\left|\sum (X_i - \mu)\right| \ge n\varepsilon\right) \le \frac{\sum D(X_i)}{n^2 \varepsilon^2} = \frac{C}{n\varepsilon^2} \to 0
$$
## 常见陷阱
- **方向错误**:$P(|X-\mu| \ge \varepsilon) \le \sigma^2/\varepsilon^2$(**不等式右边**是上界)
- **$\sigma^2/\varepsilon^2$ 超过 1**:表示上界没有信息(如 $\sigma^2 = 1, \varepsilon = 0.5$ 时上界是 4,没意义)
- **混淆形式**:$P(|X-\mu| < \varepsilon) \ge 1 - \sigma^2/\varepsilon^2$(不是 $\le$!)
- **逆问题方向**:给定概率 $p$,求 $\varepsilon$ 时 $\varepsilon = \sigma/\sqrt{1-p}$
- **不能用来反求参数**:只知道 $E, D$ 不能反推分布,故不能精确计算概率
## 经典母题
> **题目 1**:设 $X$ 的 $E(X) = \mu, D(X) = \sigma^2$,用切比雪夫不等式估计 $P(|X-\mu| \ge 3\sigma)$。
**解析**:
直接代入 $\varepsilon = 3\sigma$:
$$
P(|X-\mu| \ge 3\sigma) \le \frac{\sigma^2}{(3\sigma)^2} = \frac{1}{9}
$$
**对比正态**:若 $X \sim N(\mu, \sigma^2)$,则 $P(|X-\mu| \ge 3\sigma) \approx 0.0027$(远小于 $1/9$)
**复盘**:切比雪夫上界比较粗糙,但**适用于任意分布**。
---
> **题目 2**:设 $X_1, X_2, \ldots, X_n$ 独立,$E(X_i) = \mu, D(X_i) = 4$。用切比雪夫不等式估计 $P(|\bar{X_n} - \mu| \ge \varepsilon)$。
**解析**:
$E(\bar{X_n}) = \mu$,$D(\bar{X_n}) = D(X_i)/n = 4/n$。
$$
P(|\bar{X_n} - \mu| \ge \varepsilon) \le \frac{D(\bar{X_n})}{\varepsilon^2} = \frac{4}{n\varepsilon^2}
$$
**复盘**:$\bar{X_n}$ 的方差是单变量方差的 $1/n$——大数定律的核心。
---
> **题目 3**:设 $X \sim E(1)$(指数),$E(X) = 1, D(X) = 1$。估计 $P(|X - 1| \ge 2)$,并与精确值比较。
**解析**:
**切比雪夫估计**:
$$
P(|X-1| \ge 2) \le \frac{1}{4}
$$
**精确值**(指数分布):
$$
P(X \ge 3) = e^{-3}, \quad P(X \le -1) = 0
$$
故精确值 $= e^{-3} \approx 0.0498$,远小于 $0.25$。
**复盘**:切比雪夫是**上界**,实际值通常小得多。
---
> **题目 4**:设 $X$ 的 $E(X) = \mu, D(X) = \sigma^2$,估计使 $P(|X-\mu| < \varepsilon) \ge 0.9$ 的 $\varepsilon$。
**解析**:
由切比雪夫:$P(|X-\mu| < \varepsilon) \ge 1 - \dfrac{\sigma^2}{\varepsilon^2} \ge 0.9$
$$
\Rightarrow \frac{\sigma^2}{\varepsilon^2} \le 0.1 \Rightarrow \varepsilon^2 \ge 10\sigma^2 \Rightarrow \varepsilon \ge \sqrt{10} \cdot \sigma
$$
**复盘**:逆问题用 $\varepsilon \ge \sigma/\sqrt{1-p}$ 公式。
---
> **题目 5**:证明切比雪夫大数定律:$X_1, \ldots, X_n$ 独立,$E(X_i) = \mu, D(X_i) \le C$,则 $\bar{X_n} \xrightarrow{P} \mu$。
**解析**:
由切比雪夫不等式:
$$
P(|\bar{X_n} - \mu| \ge \varepsilon) \le \frac{D(\bar{X_n})}{\varepsilon^2} = \frac{\sum D(X_i)/n^2}{\varepsilon^2} \le \frac{nC}{n^2 \varepsilon^2} = \frac{C}{n\varepsilon^2}
$$
当 $n \to \infty$ 时,$\dfrac{C}{n\varepsilon^2} \to 0$。
故 $\bar{X_n} \xrightarrow{P} \mu$。
**复盘**:切比雪夫大数定律是切比雪夫不等式的直接推论——Ch05 重点内容。
---
> **变式 1**:$X$ 的 $E(X) = 10, D(X) = 0.04$,估计 $P(9 < X < 11)$。
>
> **解**:$P(|X-10| < 1) \ge 1 - 0.04/1 = 0.96$,故 $P(9 < X < 11) \ge 0.96$。
> **变式 2**:$X$ 的 $E(X) = \mu$,要使 $P(|X-\mu| < 2) \ge 0.95$,$D(X)$ 最大是多少?
>
> **解**:$1 - D(X)/4 \ge 0.95 \Rightarrow D(X) \le 0.2$。
---
> **口诀速记**:
> - "**$P(|X-\mu| \ge \varepsilon) \le \sigma^2/\varepsilon^2$**"
> - "**只需 $\mu, \sigma^2$,不需分布**"
> - "**给的是上界,不是精确值**"
> - "**大数定律的工具**:$\bar{X_n} \xrightarrow{P} \mu$"