Nierówność Czebyszewa
Z Wikipedii
Nierówność Czebyszewa podaje górne ograniczenie prawdopodobieństwa zdarzenia, że wartość nieujemnej zmiennej losowej jest większa lub równa od z góry ustalonej dodatniej liczby.
Nierówność ta jest prawdziwa niezależnie od rozkładu zmiennej losowej, jest więc bardzo ogólnym ograniczeniem. Dla konkretnych rozkładów (np. rozkładu normalnego) można podać znacznie lepsze ograniczenia.
[edytuj] Twierdzenie
Dla każdej nieujemnej zmiennej losowej o wartości oczekiwanej
i dla każdego
[edytuj] Dowód
Zachodzą następujące nierówności:

gdzie jest funkcją wskaźnikową zdarzenia
, zdefiniowaną jako:

Pierwsza z nierówności wynika w oczywisty sposób z następujących dwóch nierówności:


Druga nierówność przyjmuje postać:

czyli jest oczywista.
Biorąc wartości oczekiwane powyższych zmiennych losowych i korzystając z elementarnych własności wartości oczekiwanej otrzymujemy łańcuszek nierówności:

i dzieląc skrajne wyrazy przez otrzymujemy nierówność Czebyszewa.
Z nierówności Czebyszewa wynikają nierówności: Markowa, Czebyszewa-Bienayme, Wykładnicza Czebyszewa.