อสมการของเชบิเชฟ

จากวิกิพีเดีย สารานุกรมเสรี

บทความนี้เกี่ยวกับอสมการในทฤษฎีความน่าจะเป็น สำหรับอสมการเกี่ยวกับผลบวกของลำดับ ดูที่ อสมการผลบวกของเชบิเชฟ

ในทฤษฎีความน่าจะเป็น อสมการของเชบิเชฟ เป็นข้อความทางคณิตศาสตร์ที่ให้ขอบเขตบนของความน่าจะเป็นที่ค่าของตัวแปรสุ่มตัวหนึ่งจะเบี่ยงเบนไปจากค่าคาดหมายของตัวแปรสุ่มนั้น อสมการของเชบิเชฟแสดงความสัมพันธ์ระหว่างความน่าจะเป็นนี้กับส่วนเบี่ยงเบนมาตรฐานของตัวแปรสุ่มนั้น โดยมีใจความดังนี้

ให้ $X \,$ เป็นตัวแปรสุ่มที่มีค่าคาดหมาย $\mu_X \,$ และส่วนเบี่ยงเบนมาตรฐาน $\sigma_X \,$ แล้ว สำหรับจำนวนจริง $t \,$ ใดๆ เราได้ว่า $\Pr[|X-\mu_X| \geq t\sigma_X] \leq \frac{1}{t^2}$

โดยทั่วไปแล้วอสมการของเชบิเชฟจะให้ขอบเขตบนที่แน่นกว่าอสมการของมาร์คอฟ เนื่องจากอสมการของเชบิเชฟใช้ความรู้เกี่ยวกับส่วนเบี่ยงเบนมาตรฐานของตัวแปรสุ่ม อสมการของเชบิเชฟถูกใช้ในการวิเคราะห์อัลกอริทึมแบบสุ่มหลายๆ อัลกอริทึม เนื่องจากตัวแปรสุ่มในอัลกอริทึมนั้นมักเป็นตัวแปรสุ่มที่พบได้บ่อยและสามารถคำนวณส่วนเบี่ยงเบนมาตรฐานได้ไม่ยาก

[แก้] การพิสูจน์

เนื่องจาก $|X-\mu_X| \geq t\sigma_X$ ก็ต่อเมื่อ $(X-\mu_X) ^2 \geq t^2\sigma_X^2$ เมื่อมอง $(X-\mu_X) ^2 \,$ เป็นตัวแปรสุ่มและใช้อสมการของมาร์คอฟ เราได้ว่า

$\Pr[(X-\mu_X) ^2 \geq t^2\sigma_X^2] \leq \frac{\mathrm{E}[(X-\mu_X) ^2]}{t^2\sigma_X^2}$

ค่า $\sigma_X^2$ คือความแปรปรวนของตัวแปรสุ่ม $X \,$ ซึ่งโดยนิยามแล้วมีค่าเท่ากับค่าคาดหมายของตัวแปรสุ่ม $(X-\mu_X) ^2 \,$ ด้วยเหตุนี้

$\Pr[|X-\mu_X| \geq t\sigma_X] = \Pr[(X-\mu_X) ^2 \geq t^2\sigma_X^2] \leq \frac{\mathrm{E}[(X-\mu_X) ^2]}{t^2\mathrm{E}[(X-\mu_X) ^2]} = \frac{1}{t^2}$

ตามต้องการ

อสมการของเชบิเชฟ เป็นบทความเกี่ยวกับ คณิตศาสตร์ ที่ยังไม่สมบูรณ์ ต้องการตรวจสอบ เพิ่มเนื้อหาหรือเพิ่มแหล่งอ้างอิง คุณสามารถช่วยเพิ่มเติมหรือแก้ไข เพื่อให้สมบูรณ์มากขึ้น
ข้อมูลเกี่ยวกับ อสมการของเชบิเชฟ ในภาษาอื่น อาจสามารถหาอ่านได้จากเมนู ภาษาอื่น ด้านซ้ายมือ หรือ ดูเพิ่มที่ สถานีย่อย:คณิตศาสตร์

อสมการของเชบิเชฟ

จากวิกิพีเดีย สารานุกรมเสรี

[แก้] การพิสูจน์

ดู

เครื่องมือส่วนตัว

ป้ายบอกทาง

สืบค้น

มีส่วนร่วม

เครื่องมือ

ภาษาอื่น