主頁

柴比雪夫不等式計算器

柴比雪夫不等式線上驗證器,輸入平均數 μ、標準差 σ 與距離 k,估計隨機變數落在 μ±kσ 之外的機率上界與對應區間,直觀理解資料集中度。

展開更多 ▾
P(|X−μ|
距平均數 k 個標準差

📖 使用教學|柴比雪夫不等式

一、定義
柴比雪夫不等式對任意分布成立:P(|X−μ|≥kσ) ≤ 1/k²,即落在平均數 k 個標準差內的機率至少為 1−1/k²,不需知道分布形狀。
二、符號說明
符号意義
μ平均數
σ標準差
k距平均數的標準差倍數
1−1/k²機率下界
三、本工具的原理
  • 對任意分布都成立;
  • 區間為 [μ−kσ, μ+kσ];
  • 落在區間內機率至少 1−1/k²;
  • 比常態經驗法則更保守。
四、操作步驟
  1. 輸入 μ、σ、k;
  2. 點擊計算;
  3. 讀取區間與機率下界;
  4. 注意這是下界,實際機率通常更高。
五、範例
範例:μ=100,σ=15,k=2。區間 (70,130),機率至少 1−1/4=75%。
六、易錯點
k 必須大於 1;
這是保守下界,不是精確機率;
已知常態時用 68/95/99.7 法則更精確。

❓ 常見問題|柴比雪夫不等式

柴比雪夫不等式優點?
不要求分布類型,對任意分布都成立。
為什麼叫「下界」?
它給出機率的最低保證,真實機率往往更大。
k=2 是多少?
機率至少 75%;常態時約 95%。
和經驗法則區別?
經驗法則只對常態成立且更緊;柴比雪夫通用但保守。
什麼時候用它?
不知道分布形狀、只想給機率一個保底估計時。