电竞比分网-中国电竞赛事及体育赛事平台

分享

切比雪夫不等式與馬爾可夫不等式

 形貌 2023-09-20 發(fā)布于北京

理論上,只有知道一個隨機變量的分布才能對隨機變量進行準確描述,并計算出相關的統(tǒng)計參數(shù)。不過一個隨機變量的統(tǒng)計參數(shù)其實已經(jīng)提供了隨機變量的部分信息,因此在知道隨機變量的一些統(tǒng)計參數(shù)的情況下也可以對它的分布進行一定程度的估計。例如,著名的切比雪夫不等式和馬爾可夫不等式就是概率論中根據(jù)隨機變量的期望和方差等參數(shù)估算隨機變量分布的理論。

定理1(切比雪夫不等式) 設隨機變量X具有數(shù)學期望μ和方差σ2,則對于任意的正數(shù)δ,不等式

?

成立。

定理2 (馬爾可夫不等式) 設非負的隨機變量X具有數(shù)學期望μ,則對于任意的正數(shù)δ,不等式

成立?。

可見,切比雪夫不等式同時涉及期望和方差,而馬爾可夫不等式由于受到條件“隨機變量非負”的限制,就只涉及期望而與方差無關。

通常用切比雪夫不等式和馬爾可夫不等式估算概率是比較粗略的。但切比雪夫不等式有一個非常重要應用,就是證明弱大數(shù)定理,即告訴我們在什么條件下樣本均值收斂于總體均值。除上述兩個不等式外,還有切爾諾夫限根據(jù)矩量生成函數(shù)給出了尾概率的一個上限;柯西—施瓦茲不等式(柯西不等式與不確定關系)則給出了兩個隨機變量協(xié)方差的上限,即各自標準差的乘積。

    轉藏 分享 獻花(0

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章 更多