主页

切比雪夫不等式计算器

切比雪夫不等式在线验证器,输入均值 μ、标准差 σ 与距离 k,估计随机变量落在 μ±kσ 之外的概率上界与对应区间,直观理解数据集中度。

展开更多 ▾
P(|X−μ|
距均值 k 个标准差

📖 使用教程|切比雪夫不等式

一、定义
切比雪夫不等式对任意分布成立:P(|X−μ|≥kσ) ≤ 1/k²,即落在均值 k 个标准差内的概率至少为 1−1/k²,无需知道分布形状。
二、符号说明
符号含义
μ均值
σ标准差
k距离均值的标准差倍数
1−1/k²概率下界
三、本工具的原理
  • 对任意分布都成立;
  • 区间为 [μ−kσ, μ+kσ];
  • 落在区间内概率至少 1−1/k²;
  • 比正态经验法则更保守。
四、操作步骤
  1. 输入 μ、σ、k;
  2. 点击计算;
  3. 读取区间与概率下界;
  4. 注意这是下界,实际概率通常更高。
五、例题
例:μ=100,σ=15,k=2。区间 (70,130),概率至少 1−1/4=75%。
六、易错点
k 必须大于 1;
这是保守下界,不是精确概率;
已知正态时用 68/95/99.7 法则更精确。

❓ 常见问题|切比雪夫不等式

切比雪夫不等式优点?
不要求分布类型,对任意分布都成立。
为什么叫“下界”?
它给出的是概率的最低保证,真实概率往往更大。
k=2 是多少?
概率至少 75%;正态时约 95%。
和经验法则区别?
经验法则只对正态成立且更紧;切比雪夫通用但保守。
什么时候用它?
不知道分布形状、只想给概率一个保底估计时。