大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全家桶1年46,售后保障稳定
一、马尔可夫不等式(Markov)
马尔可夫不等式描述的是非负随机变量绝对位置的概率上限
对于非负随机变量X,a >= 0,有 
证明:原式可化为

注意到,因为 X 非负,右边 
二、切比雪夫不等式(Chebyshev)
切比雪夫不等式描述的是随机变量距期望相对位置偏离的概率上限

证明:记 

右边 
注意到,在
中,
,因此有

三、柯西-施瓦茨不等式(Cauchy-Schwarz)
柯西-施瓦茨不等式描述的是协方差与方差之间的不等关系

证明:上式可化为 
可以看到组成部分只有 2 个:
与 
因此构造函数 ![f(t)=E[t(X-EX)+(Y-EY)]^2](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450.jpg)
![=E[(X-EX)^2t^2+2(X-EX)(Y-EY)t+(Y-EY)^2]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450.jpg)
显然有
,所以上述二次函数 
即柯西-施瓦茨不等式
发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/211012.html原文链接:https://javaforall.net
