1. 체비셰프 부등식
ㅇ 임의의 확률변수 X가 평균 μ, 표준편차 σ 일 때,
- {# P( |X - \mu| \ge k\sigma ) \le 1/k^2 #}
. 확률변수 X가 평균 μ 중심으로 kσ 이상 떨어져 있을 확률 상한을 알려줌
. 즉, 1/k2 이하가 됨
- {# P(\mu - k\sigma \le X \le \mu + k\sigma) \ge 1 - 1/k^2 #}
. 확률변수 X가 평균 μ 중심으로 동등 간격(μ±kσ) 내에 있을 확률 하한을 알려줌
. 즉, 1- 1/k2 이상이 됨
. 例) 확률변수 X가 평균으로부터 ±2σ 사이에 놓일 확률은,
.. {# P(\mu - 2\sigma \le X \le \mu + 2\sigma) \ge 1 - 1/2^2 = 0.75 #}
. 例) 확률변수 X가 평균으로부터 ±3σ 사이에 놓일 확률은,
.. {# P(\mu - 3\sigma \le X \le \mu + 3\sigma) \ge 1 - 1/3^2 \approx 0.89 #}
ㅇ 임의의 확률변수 X가 기대값 E(X), 분산 σ2 일 때,
- {# P( | X - E(X) | \ge \epsilon ) < \sigma^2/n\epsilon^2 #}
. 실험횟수(표본수) n이 충분히 많아지는 경우에,
. 확률변수 X 및 그 기대값 E(X) 사이에 오차 ε로 벌어질 확률이,
. 임의적으로 작을 수 있음
2. 체비셰프 부등식의 특징/용도
ㅇ 확률분포가 무엇이든 일반적으로 성립하는 유용한 부등식
ㅇ 평균이 특정 구간 내에 포함 될 확률에 대한 정보를 제공
ㅇ 대수의 법칙을 증명하는데 응용이 됨