机器学习|切比雪夫不等式(3sigma原则来源)|10mins入门|概统学习笔记(十)
其他
2020-04-01 18:13:32
阅读次数: 0
切比雪夫不等式
-
定义:设随机变量X有期望E(X)和方差
σ2,则对于任给的
ϵ>0
P{∣X−E(X)∣≥ϵ}≤ϵ2σ2
或
P{∣X−E(X)∣<ϵ}≥1−ϵ2σ2
由切比雪夫不等式可以看出,若
σ2越小,则事件
{∣X−E(X)∣<ϵ}的概率越大,即随机变量X集中在期望附近的可能性越大。
由此,可体会方差的概率意义:它刻画了随机变量取值的离散程度
-
意义
-
当方差已知时,切比雪夫不等式给出了随机变量X与它的期望的偏差不小于
ϵ的概率的估计式。
如取
ϵ=3σ时,有
P{∣X−E(X)∣≥3σ}≤9σ2σ2≈0.111
可见,对任给的分布,只要期望和方差
σ2存在,则随机变量X取值偏离
E(X)超过
3σ的概率小于0.111
发布了37 篇原创文章 ·
获赞 0 ·
访问量 807
转载自blog.csdn.net/SanyHo/article/details/105178736