切比雪夫不等式证明5篇

第一篇：切比雪夫不等式证明

切比雪夫不等式证明

一、试利用切比雪夫不等式证明：能以大小0.97的概率断言，将一枚均匀硬币连续抛1000次，其出现正面的次数在400到600之间。

分析:将一枚均匀硬币连续抛1000次可看成是1000重贝努利试验,因此

1000次试验中出现正面H的次数服从二项分布.解:设X表示1000次试验中出现正面H的次数,则X是一个随机变量,且

~XB(1000,1/2).因此

500

211000=×==npEX,250)

2答题完毕，祝你开心!

11（2

1000)1(=××==pnpDX,而所求的概率为

}500600500400{}600400{<<=<}100100{<<=EXXp

}100{<=EXXp

975.0

=≥

DX

.二、切比雪夫(Chebyshev)不等式

对于任一随机变量X,若EX与DX均存在,则对任意ε>0,恒有p{|X-EX|>=ε}<=DX/ε^2或p{|X-EX|<ε}>=1-DX/ε^2

切比雪夫不等式说明，DX越小，则p{|X-EX|>=ε}

越小，p{|X-EX|<ε}越大，也就是说，随机变量X取值基本上集中在EX附近，这进一步说明了方差的意义。

同时当EX和DX已知时，切比雪夫不等式给出了概率p{|X-EX|>=ε}的一个上界，该上界并不涉及随机变量X的具体概率分布，而只与其方差DX和ε有关，因此，切比雪夫不等式在理论和实际中都有相当广泛的应用。需要指出的是，虽然切比雪夫不等式应用广泛，但在一个具体问题中，由它给出的概率上界通常比较保守。

切比雪夫不等式是指在任何数据集中，与平均数超过K倍标准差的数据占的比例至多是1/K^2。

在概率论中，切比雪夫不等式显示了随机变数的「几乎所有」值都会「接近」平均。这个不等式以数量化这方式来描述，究竟「几乎所有」是多少，「接近」又有多接近：

与平均相差2个标准差的值，数目不多于1/4

与平均相差3个标准差的值，数目不多于1/9

与平均相差4个标准差的值，数目不多于1/16

……

与平均相差k个标准差的值，数目不多于1/K^2

举例说，若一班有36个学生，而在一次考试中，平均分是80分，标准差是10分，我们便可得出结论：少于50分(与平均相差3个标准差以上)的人，数目不多于4个(=36*1/9)。

设(X,Σ,μ)为一测度空间，f为定义在X上的广义实值可测函数。对於任意实数t>0，一般而言，若g是非负广义实值可测函数，在f的定义域非降，则有

上面的陈述，可透过以|f|取代f，再取如下定义而得：

概率论说法

设X为随机变数，期望值为μ，方差为σ2。对于任何实数k>0，改进

一般而言，切比雪夫不等式给出的上界已无法改进。考虑下面例子：

这个分布的标准差σ=1/k，μ=0。

当只求其中一边的值的时候，有Cantelli不等式：

证明

定义，设为集的指标函数，有

又可从马尔可夫不等式直接证明：马氏不等式说明对任意随机变数Y和正数a有pr(|Y|leopeatorname{E}(|Y|)/a。取Y=(X?μ)2及a=(kσ)2。

亦可从概率论的原理和定义开始证明。

第二篇：切比雪夫不等式教学

★★★1．设

求的最小值

★★★2．若a、b、c是三角形三边长，s是半周长。求证：Vn∈N，下式成立

解答或提示

．不妨令

由切比雪夫不等式

当且仅当

．设a≥b≥

c,则a+b≥a+c≥b+c,（）

第三篇：切比雪夫不等式及其应用(摘要)

天津理工大学2011届本科毕业论文

切比雪夫不等式及其应用

摘要

切比雪夫不等式是概率论中重要的不等式之一。尤其在分布未知时，估计某些事件的概率的上下界时，常用到切比雪夫不等式。另外，大数定律是概率论极限理论的基础，而切比雪夫不等式又是证明大数定律的重要途径。如今，在切比雪夫不等式的基础上发展起来的一系列不等式都是研究中心极限定理的有力工具。作为一个理论工具，切比雪夫不等式的地位是很高的。

本文首先介绍了切比雪夫不等式的一些基本理论，引出其概率形式，用现代概率方法证明了切比雪夫不等式并给出了其等号成立的充要条件。其次，从三大方面阐述了其在概率论中的应用，并且给出了切比雪夫大数定律和伯努利大数定律的证明。在充分了解切比雪夫不等式后，最后探索了其在生活中的应用，并且用切比雪夫不等式评价了IRR的概率风险分析。

关键词:切比雪夫不等式大数定律IRR

The Chebyster’s Inequality and Its Applications

ABSTRACT

In probability theory, the Chebyshev’s Inequality is one of the important inequalities.In particular the distribution is unknown, the Chebyshev’s Inequality is usually used when estimating the boundary from above or below of probability.In addition, the Law Of Large Numbers is the basis of the limit theory of probability.The Chebyshev’s Inequality is an important way to prove it.Now, a series of inequalities that are developed on the basis of the Chebyshev’s Inequality are a powerful tool for the Central Limit Theorem.As a theoretical tool, its status is very high.First, this article introduces some basic theory of the Chebyshev’s Inequality, it raises the Chebyshev’s Inequality’s form of probability and makes a prove for the Chebyshev’s Inequality with the method of modern probability.Furthermore, it gives the necessary and sufficient condition of the establishment of the equal sign.天津理工大学2011届本科毕业论文

Secondly, we introduces its five application in probability theory and gives theprove of the Chebyshev and Bernoulli Law Of Large Numbers.After the full understanding of the Chebyshev’s Inequality, finally, we explore its application in the life and give the probabilistic risk assessment of the IRR with the Chebyshev’s Inequality.Key Words：Chebyshev’s InequalityLaw Of Large NumbersIRR

第四篇：经典不等式证明-柯西不等式-排序不等式-切比雪夫不等式-均值不等式

Mathwang

几个经典不等式的关系

一 几个经典不等式

（1）均值不等式

设a1,a2,an0是实数

aaa12n 

111n+a1a2an

其中ai0,i1,2,n.当且仅当a1a2an时，等号成立.n

（2）柯西不等式

设a1,a2,an,b1,b2,bn是实数，则

a

22a2anb12b22bn2a1b1a2b2anbn

当且仅当bi0(i1,2,,n)或存在实数k，使得aikbi(i1,2,,n)时，等号成立.（3）排序不等式

设a1a2an，b1b2bn为两个数组，c1，c2，，cn是b1，b2,，bn的任一排列，则

a1b1a2b2anbna1c1a2c2ancna1bna2bn1anb1 当且仅当a1a2an或b1b2bn时，等号成立.（4）切比晓夫不等式

对于两个数组：a1a2an，b1b2bn，有

a1b1a2b2anbna1a2anb1b2bna1bna2bn1anb1



nnnn

当且仅当a1a2an或b1b2bn时，等号成立.二 相关证明

（1）用排序不等式证明切比晓夫不等式 证明：由

a1b1a2b2anbna1a2anb1b2bn



nnn

na1b1a2b2anbna1a2anb1b2bn

而

a1a2anb1b2bna1b1a2b2anbna1b2a2b3anb1a1b3a2b4anb2a1b4a2b5anb3

a1bn1a2bnanbn2

a1bna2b1anbn1

根据“顺序和乱序和”（在n1个部分同时使用），可得

na1b1a2b2anbna1a2anb1b2bn

即得

a1b1a2b2anbna1a2anb1b2bn



nnn

同理，根据“乱序和反序和”，可得

a1a2anb1b2bna1bna2bn1anb1



nnn

综合即证

（2）用排序不等式证明“几何—算数平均不等式”

证明：构造两个数列：

a1a2an

n

aaaa1aa,x2122,xn12nn1 ccc

1c1c21cn

y1,y2,yn1

x1a1x2a1a2xna1a2an

x1

其中c

.因为两个数列中相应项互为倒数，故无论大小如何，乘积的和：．．．．．．．．．．．．．．．．．．．．．．．．．．．．

x1y1x2y2xnyn

总是两数组的反序和.于是由“乱序和反序和”，总有 ．．．．．．．．．

x1ynx2y1xnyn1x1y1x2y2xnyn

于是

aa1a2

n111 ccc

即

a1a2an

n

c

即证

a1a2an

cn

a1a2an（3）用切比晓夫不等式证明“算数—开方平均不等式”

：

n证明：不妨设a1a2an，222

a1a2ana1a2ana1a2ana1a2an

.

nnnn

由切比晓夫不等式，右边不等式显然成立.即证.（4）用切比晓夫不等式证明“调和—算数平均不等式”

n+a1a2an



a1a2an

n

证明：

n111+a1a2an



a1a2an

n

111

+a1a2ana1a2an

nn



111

aaa12na1a2an

1.n



不妨设a1a2an，则

111，由切比晓夫不等式，上式成立.即证.anan1a1

（5）用均值不等式和切比晓夫不等式证明柯西不等式

证明：不妨设a1a2an，b1b2bn 由切比晓夫不等式，有

a1b1a2b2anbna1a2anb1b2bn

.nnn

由均值不等式，有

a1a2an

nb1b2bn

n所以

a1b1a2b2anbn



n

两边平方，即得a1b1a2b2anbna1a2an

b

22b2bn.即证.（6）补充“调和—几何平均不等式”的证明



aa2ananaa21

证明

1中的ai换成.1

na

inn

两边取倒数，即得

+a1a2an

第五篇：考研数学切比雪夫不等式证明及题型分析

武汉文都 wh.wendu.com 考研数学切比雪夫不等式证明及题型分析

在考研数学概率论与数理统计中，切比雪夫不等式是一个重要的不等式，利用它可以证明其它一些十分有用的结论或重要的定理，如切比雪夫大数定律等，然而有些同学对这个不等式不是很理解，也不太会利用该不等式去解决相关问题，另外，很多资料上也没有对该不等式进行完整的分析或证明，为此，在这里对比雪夫不等式及其典型例题做些分析总结，供各位2016考研的朋友和其它学习的同学参考。

一、切比雪夫不等式的分析证明

武汉文都 wh.wendu.com

武汉文都 wh.wendu.com

从上面的分析我们看到，利用切比雪夫不等式可以对随机变量在其均值附近的对称区间内取值的概率进行估计，它也说明了方差的基本特性，即随机变量的方差越小，随机变量取值越集中，方差越大，则取值越分散，不论对于什么随机变量，它在区间内取值的概率基本都是约90%。以上分析希望对大家理解和应用切比雪夫不等式有所帮助，最后预祝各位考生2016考研成功。