《契贝晓夫不等式及其应用.docx》由会员分享，可在线阅读，更多相关《契贝晓夫不等式及其应用.docx（9页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、契贝晓夫不等式及其应用 摘 要： 契贝晓夫不等式在概率论中有着广泛的应用.本文利用契贝晓夫不等式估算在某个对称区间内事务发生的概率，另外还论述了契贝晓夫不等式在定理证明中的应用，重点是在大数定律证明中的应用. 关键词： 随机变量 数学期望 方差 大数定律 契贝晓夫不等式 通过学习概率论，我们知道一些事务发生的概率不能通过常规方法解决或者用常规方法解决起来很繁琐，更有一些定理的证明须要另辟捷径.下面我们就来探讨一下利用契贝晓夫不等式来简洁快速地给出某些特别事务发生的概率. 1.相关定义 我们要探讨契贝晓夫不等式，首先要了解概率论中的几个相关定义.下面先来看一下这几个定义. 定义1:定义在样本空间
2、上，取值于实数域，且只取有限个或可列个值的变量=，称作是一维离散型随机变量，简称离散型随机变量. 定义2:若是随机变量，F是它的分布函数，假如存在函数P，使对随意的x，有F=?蘩pdy，则称为连续型随机变量. 定义3:若离散型随机变量可能取值为，其分布列为p，则当|p时，称存在数学期望，并且数学期望E=p，假如|p=则称的数学期望不存在. 说明:在概率论中频率可以靠近概率，即p=，再依据上述定义，可知数学期望的本质就是数学中的平均值. 定义4:设是一个连续型随机变量，密度函数为p，当?蘩|x|pdx时，称的数学期望存在且E=?蘩xpdx. 说明:连续型随机变量的数学期望在本质上和离散型随机变量
3、是一样的. 定义5:设是一个随机变量，数学期望E存在，假如E|-E|存在，则称E|-E|为随机变量的方差. 说明:方差在本质上反映了随机变量偏离数学期望的平均值. 为了探讨随机变量偏离数学期望小于随意正常数的概率，我们给出了下面的定义. 定义6:大数定律：若，是随机变量序列，假如存在常数列，使对随意的实数0，有p=1成立，则称随机变量序列听从大数定律. 假如随机变量的数学期望E存在，方差为D，对于随意给定的正实数，我们有这样的感觉，方差D与p存在着某种关系，即p随着D的增大而增大，我们把这个感觉严格化就得到下面的契贝晓夫不等式. 2.契贝晓夫不等式 对随意的随机变量，若E=a，又D存在，则对随
4、意的正数，有P. 证明:设是一个连续型随机变量，密度函数为p，则 P =?蘩pdx?蘩pdx?蘩pdx = 设是一个离散型随机变量，的分布列为p，则有 P =ppp = 证毕 契贝晓夫不等式的另一种形式：对随意的随机变量，若E=a，又D存在，则对随意的正数，有P=1-P1-. 证明：1=P=P+PP 所以P=1-P1- 证毕 说明：契贝晓夫不等式的转化形式在应用中比较敏捷，有时比契贝晓夫不等式用起来更加便利. 3.契贝晓夫不等式的应用 契贝晓夫不等式在概率估计中的应用. 契贝晓夫不等式在概率估计中的应用主要包括两类：一是用于用常规方法不行以求出其精确概率的状况；二是用于虽然可以求出其精确概率，
5、但我们只须要它的大致范围即可的状况.另外还有一点须要留意的是，在我们利用契贝晓夫不等式估计概率时，它所在的区间必需是对称区间. 例1:设随机变量x的方差为2，估计P的概率. 解：利用常规方法我们无法求出P的概率.所以我们只有应用契贝晓夫不等式，即 P=. 在契贝晓夫不等式给出的估计式中我们只须要知道方差D及数学期望E两个数字特征就够了，因而运用起来是比较便利的，但是也正因为它没有完整地用到随机变量的统计规律分布函数或密度函数，所以一般说来它给出的估计是比较粗糙的且存在较大的误差.下面我们给出一个例题来说明这个问题. 例2:若是听从Na，分布的随机变量，求P. 解：利用契贝晓夫不等式得 P=0.
6、11 然而它的精确解为 P =1-p =1-?蘩dx 1-0.91010.003. 比较这两者的结果，我们不难知道契贝晓夫不等式给出的估计的确粗糙一些. 契贝晓夫不等式在定理证明中的应用，特殊是在大数定律证明中的应用. 例3:利用契贝晓夫不等式可以证明：随机变量的方差D=0的充分必要条件是取某个常数值的概率为1，即p=1. 证明：充分性，明显. 必要性，设D=0，则E存在，于是有 0p=pp =0 由此可知 p=0 从而 p=1 故结论成立. 在贝努里试验中，当n很大时，频率会渐渐稳定到概率.这里的渐渐稳定不同于我们数学分析中的渐渐稳定极限，所以在概率论中=p是不成立的.这就要求我们采纳其他形
7、式来求出这个概率.我们知道当n很大时，发生的可能性趋向于零.我们把上面的感觉给出严格的数学定义，就是下面的贝努里大数定律. 例4:设u是n重贝努里试验中事务A出现的次数，又A在每次试验中出现的概率为p，则对随意的0，有 p=1. 证明：令 =1，在第i次试验中A出现=0，在第i次试验中A不出现 则，是n个相互独立的随机变量，且 E=p，D=p=pq 而 u= 于是 -p= 由契贝晓夫不等式有 p=p|n） 又由独立性可知 D=D=npq 从而有 p=0 即 p=1. 贝努里大数定律所要求的条件比较严格，须要明确地知道n，p，q.下面我们给出条件较为宽松的契贝晓夫不等式，它不须要知道方差的精确值
8、，只需知道方差有界即可. 例5:设，是一列两两不相关的随机变量，又设它们的方差有界，即存在常数c0，使Dc，i=1，2，则对随意的0，有 p=1. 证明:依据契贝晓夫不等式，有 p = 因为两两不相关，且由它们的方差有界即可得到 D=Dnc 从而有 p0 从而有 p=1 通过定义我们虽然可以推断一个随机变量序列是否听从大数定律，但是应用起来很不便利.我们不禁要问：有没有一个定理可以干脆推断一个随机变量序列是否听从大数定律呢？回答是确定的，那就是马尔可夫大数定律. 例6：设，是随机变量序列，若有0，n，则有p=1. 证明：利用契贝晓夫不等式 1p|） 1- =1- 由假设知 0 右端趋于1，于是
9、 p=1. 本文胜利地利用契贝晓夫不等式简洁快速地给出某些特别事务发生的概率.本文仅解决了一维随机变量时的状况，我们还将接着考虑多维随机变量的状况. 参考文献: 1复旦高校编.概率论M.人民教化出版社，11019. 2华东师范高校数学系.概率论与数理统计教程M.高等教化出版社，11013. 3孙志宾.概率论与数理统计习题全解与考研提高M.中国建材工业出版社，2002. 4魏宗舒.概率论与数理统计教程M.高等教化出版社，11013. 5王梓坤.概率论基础及其应用M.科学出版社，11016. 6何声武等编.概率论与数理统计M.经济科学出版社，11011. 7吴传志.应用概率统计M.重庆高校出版社，2004. 第9页 共9页第 9 页 共 9 页第 9 页 共 9 页第 9 页 共 9 页第 9 页 共 9 页第 9 页 共 9 页第 9 页 共 9 页第 9 页 共 9 页第 9 页 共 9 页第 9 页 共 9 页第 9 页 共 9 页