체비쇼프 부등식: 두 판 사이의 차이
내용 삭제됨 내용 추가됨
편집 요약 없음 |
Singleheart (토론 | 기여) →일반 공식: 미번역 영문을 제거하고 문장을 다듬음 |
||
12번째 줄:
==일반 공식==
이 부등식은 [[측도]] 를 사용하여 상당히 일반적으로
===
:<math>\mu(\{x\in X\,:\,\,|f(x)|\geq t\}) \leq {1\over t^2} \int_X f^2 \, d\mu.</math>
좀 더 일반적으로, 만약 ''g'' 가 음수가 아닌
:<math>\mu(\{x\in X\,:\,\,f(x)\geq t\}) \leq {1\over g(t)} \int_X g\circ f\, d\mu.</math>
그렇다면 위의 정의는 ''g''(''t'')
:<math>g(t)=\begin{cases}t^2&\mbox{if
로써 정의하고 ''f'' 대신 |''f''| 를 취함으로써 따르게 된다 .
===확률론에 따른 정의===
줄 34 ⟶ 35:
:<math>\Pr(\left|X-\mu\right|\geq k\sigma)\leq\frac{1}{k^2}.</math>
''k'' >
예제에서처럼, using ''k''=
보통, 이 법칙은 비교적 느슨한 한계를 제공할 것이다. 그러나, 체비쇼프의 부등식에 의하여 제공되는 한계는 일반적으로 (임의의 분포의 변수들에게는 여전히 유효한 상태로 남아있다) 더 향상될 수 없다. 예를 들면, 그 어떠한
:<math>\begin{matrix}\Pr(X=-1) & = & 1/2k^2 \\ \\ \Pr(X=0) & = & 1 - 1/k^2 \\ \\ \Pr(X=1) & = & 1/2k^2 \end{matrix} </math>
이 법칙은 느슨한 한계에도 불구하고 유용할 수 있는데, 그 이유는 이 법칙이 그 어떠한 분포의
체비쇼프의 부등식은 [[
===응용 예제===
구체적인 예를 들면, 출판물에서의 문서들과 같이
==변형: One-sided 체비쇼프 부등식==
|