切比雪夫不等式的提出早在19世纪，俄国数学家切比雪夫在研究运算规律中，通过论证并用标准差表达了一个不等式，这个不等式具有普遍的意义，被称作切比雪夫定理。下文中主要介绍的什么是切比雪夫不等式，切比雪夫不等式的推导证明方法，一起来了解吧。
切比雪夫不等式的定义是：设X是一个随机变数取区间(0，∞)上的值，F(x)是它的分布函数，设Xα(α >0)的数学期望M(Xα )存在，a>0，则不等式成立。这就是著名的切比雪夫定理，或者切比雪夫不等式。
切比雪夫定理的这一推论，使我们关于算术平均值的法则有了理论根据，设测量某一物理量a，在条件不变的情况下重复测量n次，得到的结果X1，X2，…，Xn是不完全相同的。
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
2
1
1000=×==npEX,
250)
2
答题完毕，祝你开心!
1
1(
2
1
1000)1(= ××= =pnpDX,
而所求的概率为
}500600500400{}600400{ << =< }100100{< < =EXXP
}100{< =EXXP
975.0
100
1
2
= ≥
DX
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
以上就是为大家介绍的有关什么是切比雪夫不等式以及切比雪夫不等式的推导证明方法，希望对大家有一定的帮助。如果大家对以上内容还存在疑问，可以在线咨询本站老师。
