Объяснить теорему чебышева на примерах задач

Теорема Чебышева (или неравенство Чебышева) — это важный результат в теории вероятностей и статистике, который устанавливает границы вероятности отклонения случайной величины от её математического ожидания.

Формулировка теоремы: Для случайной величины \( X \) с математическим ожиданием \( \mu \) и дисперсией \( \sigma^2 \) выполняется следующее неравенство:

\[ P(|X - \mu| \geq k\sigma) \leq \frac{1}{k^2} \]

где \( k > 0 \) — любое положительное число.

Это означает, что вероятность того, что значение случайной величины отклонится от своего математического ожидания более чем на \( k \) стандартных отклонений, ограничена \( \frac{1}{k^2} \).

Примеры задач

Пример 1: Чистая игра с подбрасыванием монеты. Предположим, что мы подбрасываем честную монету 100 раз. Пусть \( X \) — количество орлов. В этом случае:

• Математическое ожидание \( \mu = np = 100 \cdot 0.5 = 50 \)
• Дисперсия \( \sigma^2 = np(1-p) = 100 \cdot 0.5 \cdot 0.5 = 25 \)

Теперь, давайте оценим вероятность того, что количество орлов отклонится от 50 более чем на 10 (то есть будет меньше 40 или больше 60).

В данном случае:

• \( k = \frac{10}{\sigma} = \frac{10}{5} = 2 \)
• По неравенству Чебышева:

\[ P(|X - 50| \geq 10) \leq \frac{1}{2^2} = \frac{1}{4} = 0.25 \]

Таким образом, вероятность того, что количество орлов будет меньше 40 или больше 60, не превышает 25%.

Пример 2: Средний балл студентов. Предположим, что в классе из 30 студентов средний балл по экзамену составил 75 с дисперсией, равной 16.

Определим вероятность того, что случайно выбранный студент получит балл, который отклоняется от среднего на более чем 10 баллов.

Здесь:

• \( \mu = 75 \)
• Дисперсия \( \sigma^2 = 16 \Rightarrow \sigma = 4 \)
• \( k = \frac{10}{4} = 2.5 \)

Теперь применим неравенство Чебышева:

\[ P(|X - 75| \geq 10) \leq \frac{1}{(2.5)^2} = \frac{1}{6.25} \approx 0.16 \]

Это означает, что вероятность того, что студент получит балл ниже 65 или выше 85, не превышает 16%.

Заключение

Неравенство Чебышева полезно для оценки вероятности отклонения случайной величины и может применяться даже к произвольным распределениям. Эти примеры показывают, как теорема может помочь в решении практических задач в различных областях.