连续型随机变量切比雪夫不等式的证明

切比雪夫(Chebyshev)不等式是概率论中一个非常重要的公式,其公式为:

\forall \varepsilon>0,都有P(|X-EX|\geq \varepsilon )\leq \frac{Var(X)}{\varepsilon^2}

在证明这个不等式之前,需要先回顾一下一些常用的概率论公式

F_X(x)= \int _{-\infty}^xf_X(x)dx=P\{X\leq x\}(1)

E(X)=\int_{-\infty}^{\infty}xf(x)dx(2)

D(X)=E((X-EX)^2)=\int_{-\infty}^{\infty}(x-EX)^2f(x)dx(3)

方法一:

易知,当x> 0时:

\int _{0}^{\infty}xf(x)dx>\int _{\varepsilon} ^\infty xf(x)dx(4)

原因在于x和f(x)(密度函数)都是大于0的数,少一部分之后一定会比原来的值更小,因此,不等式(4)成立

另外在\varepsilon>0时,恒有

\int _{\varepsilon} ^\infty xf(x)dx>\int _{\varepsilon} ^\infty \varepsilon f(x)dx(5)

原因在于x>\varepsilon,并且f(x)>0,因此根据积分的性质知道

\int _\varepsilon ^\infty (x-\varepsilon)f(x)dx>0

因此不等式(5)成立

由不等式(1)和(2)知:

\int_{-\infty}^{\infty} xf(x)dx>\varepsilon\int _{\varepsilon}^{\infty}f(x)dx

由(1)和(2)知,上式可转化为

\varepsilon P\{X\geq \varepsilon\}\leq E(X),在X>0时恒成立

将X替换为(X-EX)^2,因为(X-EX)^2同样大于0,因此原不等式仍应成立,同样,将\varepsilon替换为\varepsilon^2

因此,有\varepsilon^2 P\{|X-EX|^2\geq \varepsilon^2\}\leq E((X-EX)^2)

由(3)知,D(X)=E((X-EX)^2)

因此有\varepsilon^2P\{|X-EX|<\varepsilon\}\leq D(X)

即有P\{|X-EX|<\varepsilon\}\leq \frac{D(X)}{\varepsilon^2}

方法二:

P\{|X-EX|<\varepsilon\}=\int _\varepsilon ^\infty f(x)dx\leq\int _\varepsilon ^\infty \frac{(X-EX)^2}{\varepsilon^2}f(x)dx

\leq \int _{-\infty} ^\infty \frac{(X-EX)^2}{\varepsilon^2}f(x)dx=\frac{Var(X)}{\varepsilon^2}

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值