Вероятность и статистика · объяснение и практика

Односторонний хвост: почему нельзя просто делить оценку Чебышёва пополам

Выводим одностороннюю границу σ²/(σ²+t²) через сдвинутый квадрат, выбираем лучший сдвиг и различаем универсальную оценку верхнего хвоста и предположение симметрии.

Рука ставит оранжевый столбик между двумя синими столбиками разной высоты.

В теме Случайные величины и распределения · Учебная карта

Главная мысль

Если X имеет среднее μ и конечную дисперсию σ², то при t>0 вероятность X−μ≥t не превосходит σ²/(σ²+t²). Это односторонняя граница Канте́лли. Она не требует симметрии распределения. Получить её простым делением двусторонней оценки Чебышёва на два в общем случае нельзя: два хвоста могут иметь разные вероятности.

Сдвинутый квадрат покрывает нужное событие

Положим Y = X−μ, тогда ожидание Y равно нулю. Возьмём неотрицательный сдвиг b. Если Y≥t, то Y+b не меньше положительного t+b, а значит его квадрат не меньше квадрата t+b. Обратное утверждение не требуется: большие отрицательные значения также могут попасть в событие квадрата. Для верхней оценки достаточно включения одного события в другое.

По неравенству Маркова вероятность события квадрата не превосходит E((Y+b)²)/(t+b)². Раскрытие даёт σ²+b², потому что средний член содержит нулевое ожидание Y. Так возникает целое семейство законных оценок с разным сдвигом. При нулевом сдвиге вернётся обычная двусторонняя граница, применённая к более широкому событию.

Лучший сдвиг можно обосновать без производной

Обозначим дисперсию через v и временно считаем её положительной. Разность (v+b²)/(t+b)² и v/(v+t²) после общего знаменателя имеет числитель (tb−v)². Знаменатель положителен, поэтому разность неотрицательна. Она равна нулю при b = v/t. Это доказывает, какой сдвиг даёт наименьшую оценку из выбранного семейства.

После подстановки получается v/(v+t²). При пороге два стандартных отклонения это одна пятая, тогда как двусторонняя граница равна одной четверти. Половина четверти, одна восьмая, могла бы оказаться слишком маленькой без симметрии. Наличие среднего и дисперсии не делает распределение симметричным; нельзя незаметно добавлять к данным ещё и форму распределения.

Пример

У X среднее 10, дисперсия 4. Как ограничить P(X≥14) и почему ответ не обязательно равен половине двусторонней оценки?

Отклонение t равно четырём. Канте́лли даёт 4/(4+16) = 1/5. Двусторонняя оценка дала бы 1/4, но деление её на два требует дополнительных оснований. Распределение X = 14 с вероятностью 1/5 и X = 9 с вероятностью 4/5 имеет указанные моменты и достигает границы, опровергая универсальный ответ 1/8.

Граница может достигаться асимметричной моделью

Возьмём величину Y, равную четырём с вероятностью одна пятая и минус одному с вероятностью четыре пятых. Её среднее нулевое, дисперсия равна четырём. Событие Y≥4 имеет вероятность одна пятая, а формула даёт 4/(4+16) — ровно столько же. Значит, нельзя универсально заменить эту границу половиной оценки Чебышёва.

Этот пример не восстанавливает неизвестное распределение из двух моментов. Он лишь показывает, что для некоторых допустимых моделей равенство возможно. Для конкретной модели фактический верхний хвост может быть меньше. Различие строгого и нестрогого порога тоже существенно: в данном примере событие Y>4 пусто, тогда как событие с включённой четвёркой имеет положительную вероятность.

Нижний хвост и постоянная величина

Для события μ−X≥t можно применить ту же теорему к минус X. Среднее изменит знак, дисперсия сохранится, и численная граница останется той же. Это два отдельных односторонних утверждения, а не доказательство равенства вероятностей правого и левого хвостов. При известном точном распределении их следует считать по его собственным значениям.

Если дисперсия нулевая, величина равна среднему почти наверное и любой положительный порог даёт нулевую вероятность отклонения. Этот случай не нуждается в выборе положительного сдвига. Порог же должен оставаться положительным: при нуле утверждение касалось бы другого события. В численной задаче подставляют саму дисперсию и квадрат отклонения в одинаковых единицах, а не смешивают стандартное отклонение с дисперсией.

От чтения к действию

А теперь — вы

Известны только E(X)=10 и Var(X)=4. В показанном двухточечном примере P(X>14)=0. Какой вывод законен для неизвестного X с теми же моментами?

Частые вопросы

Почему в доказательстве включение событий, а не равенство?

После сдвига и возведения в квадрат могут добавиться большие отрицательные отклонения. Для верхней оценки это допустимо, если нужное событие целиком включено.

Одинаковые границы двух хвостов означают одинаковые вероятности?

Нет. Одно и то же число ограничивает каждую вероятность сверху, но распределение может быть асимметричным.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться