Vâng, chúng ta có thể nhận được một kết quả tương tự bằng cách sử dụng giá trị trung bình và phương sai mẫu, có lẽ, một vài bất ngờ nhỏ xuất hiện trong quy trình.
Đầu tiên, chúng ta cần tinh chỉnh câu hỏi chỉ một chút và đặt ra một vài giả định. Điều quan trọng, rõ ràng là chúng ta không thể hy vọng thay thế phương sai dân số bằng phương sai mẫu ở phía bên tay phải vì cái sau là ngẫu nhiên ! Vì vậy, chúng tôi tập trung chú ý vào bất đẳng thức tương đương
Trong trường hợp không rõ ràng rằng những điều này là tương đương, lưu ý rằng chúng tôi chỉ đơn giản thay thế bằng s trong bất đẳng thức ban đầu mà không có bất kỳ tổn thất nào về tính tổng quát.t t σ
P(X−EX≥tσ)≤11+t2.
ttσ
Thứ hai, chúng tôi giả sử rằng chúng tôi có một mẫu ngẫu nhiên và chúng tôi quan tâm đến giới hạn trên của đại lượng tương tự
, trong đó là mẫu trung bình và là độ lệch chuẩn mẫu.P ( X 1 - ˉ X ≥ t S ) ˉ X SX1,…,XnP(X1−X¯≥tS)X¯S
Một nửa bước về phía trước
Lưu ý rằng đã áp dụng bất đẳng thức một phía ban đầu cho , chúng ta có được
trong đó , nhỏ hơn phía bên phải của phiên bản gốc. Điều này thật ý nghĩa! Bất kỳ nhận thức cụ thể nào về một biến ngẫu nhiên từ một mẫu sẽ có xu hướng (hơi) gần với nghĩa của mẫu mà nó đóng góp hơn so với trung bình dân số. Như chúng ta sẽ thấy bên dưới, chúng ta sẽ thay thế bằng theo các giả định chung hơn nữa. P ( X 1 - ˉ X ≥ t σ ) ≤ 1X1−X¯σ2=Vmộtr(X1)σS
P(X1−X¯≥tσ)≤11+nn−1t2
σ2=Var(X1)σS
Một phiên bản mẫu của Ch Quashev một mặt
Yêu cầu : Đặt là một mẫu ngẫu nhiên sao cho . Sau đó,Đặc biệt, phiên bản mẫu của ràng buộc chặt chẽ hơn phiên bản dân số gốc.P ( S = 0 ) = 0 P ( X 1 - ˉ X ≥ t S ) ≤ 1X1,…,XnP(S=0)=0
P(X1−X¯≥tS)≤11+nn−1t2.
Lưu ý : Chúng tôi không cho rằng có ý nghĩa hữu hạn hoặc phương sai!Xi
Bằng chứng . Ý tưởng là để điều chỉnh bằng chứng về sự bất bình đẳng một chiều của Ch Quashev ban đầu và sử dụng tính đối xứng trong quy trình. Đầu tiên, đặt để thuận tiện cho công chứng. Sau đó, hãy quan sát rằng
P ( Y 1 ≥ t S ) = 1Yi=Xi−X¯
P(Y1≥tS)=1n∑i=1nP(Yi≥tS)=E1n∑i=1n1(Yi≥tS).
Bây giờ, với mọi , trên ,
{ S > 0 } 1 ( Y i ≥ t S ) = 1 ( Y i + t c S ≥ t S ( 1 + c ) ) ≤ 1 ( ( Y i + t c S ) 2 ≥ t 2 ( 1 + c ) 2 S 2 ) ≤ ( Yc>0{S>0}
1(Yi≥tS)=1(Yi+tcS≥tS(1+c))≤1((Yi+tcS)2≥t2(1+c)2S2)≤(Yi+tcS)2t2(1+c)2S2.
Sau đó,
vì và .
1nΣtôi1( Ytôi≥ t S)≤ 1nΣtôi( Ytôi+ t c S)2t2( 1 + c )2S2= ( n - 1 ) S2+ n t2c2S2n t2( 1 + c )2S2= ( n - 1 ) + n t2c2n t2( 1 + c )2,
Y¯= 0ΣtôiY2tôi= ( n - 1 ) S2
Phía bên phải là một hằng số ( ! , Vì vậy tham vọng trên cả hai mặt sản lượng,)
Cuối cùng, thu nhỏ hơn , thu được , sau khi một đại số nhỏ thiết lập kết quả.
P ( X1- X¯≥ t S) ≤ ( n - 1 ) + n t2c2n t2( 1 + c )2.
cc = n - 1n t2
Đó là điều kiện kỹ thuật phiền phức
Lưu ý rằng chúng ta phải giả sử để có thể chia cho trong phân tích. Điều này không có vấn đề gì đối với các bản phân phối hoàn toàn liên tục, nhưng gây ra sự bất tiện cho những bản rời rạc. Đối với phân phối rời rạc, có một số xác suất rằng tất cả các quan sát đều bằng nhau, trong trường hợp cho tất cả và .P (S= 0 ) = 0S20 = Ytôi= t S= 0tôit > 0
Chúng ta có thể ngọ nguậy theo cách của mình bằng cách đặt . Sau đó, một kế toán cẩn thận của đối số cho thấy rằng mọi thứ trải qua hầu như không thay đổi và chúng tôi nhận đượcq= P ( S= 0 )
Hệ quả 1 . Đối với trường hợp , chúng ta cóq= P ( S= 0 ) > 0
P ( X1- X¯≥ t S) ≤ ( 1 - q) 11 + nn - 1t2+ q.
Bằng chứng . Phân chia trên các sự kiện và . Bằng chứng trước đó đi qua cho và trường hợp là tầm thường.{ S> 0 }{ S= 0 }{ S> 0 }{ S= 0 }
Một kết quả bất bình đẳng sạch hơn một chút nếu chúng ta thay thế bất đẳng thức không nghiêm ngặt trong tuyên bố xác suất bằng một phiên bản nghiêm ngặt.
Hệ quả 2 . Đặt (có thể bằng 0). Sau đó,q= P ( S= 0 )
P ( X1- X¯> t S) ≤ ( 1 - q) 11 + nn - 1t2.
Thức nhận xét : Phiên bản mẫu của sự bất bình đẳng không cần giả định trên (trừ rằng nó không phải là gần như chắc chắn không thay đổi trong trường hợp bất bình đẳng nonstrict, mà phiên bản gốc cũng ngầm giả định), trong bản chất, vì các mẫu bình và mẫu sai luôn tồn tại dù có tương tự dân số của họ hay không.X