Аналитика / Описательная статистика

Неравенство Чебышёва: граница вероятности отклонения

Неравенство Чебышёва ограничивает вероятность отклонения случайной величины от её среднего через дисперсию. Оно не требует нормального распределения и даёт верхнюю границу, а не точную вероятность события.

Опубликовано: 15 октября 2026 г.Обновлено: 15 октября 2026 г.

Формула

P(|X-\mu|\ge a)\le\min\left(1,\frac{\sigma^2}{a^2}\right),\qquad a>0

График Верхняя граница вероятности и Порог a/σ

Для конечной ненулевой дисперсии P(|X−μ|≥a)≤σ²/a². Это граница, а не точная вероятность.

Обозначения

$X$: случайная величина, единица измерения X
$μ$: математическое ожидание X, единица измерения X
$σ²$: дисперсия X, квадрат единицы X
$a$: порог абсолютного отклонения, единица измерения X
$P$: вероятность события, безразмерная величина

Условия применения

Математическое ожидание и дисперсия существуют, дисперсия конечна, а порог a строго положителен. В формулу подставляют параметры рассматриваемой случайной величины. Если известны лишь оценки по выборке, их подстановка сама по себе не создаёт гарантированной границы для неизвестной генеральной совокупности.

Ограничения

Граница может быть широкой и даже бесполезной, если σ²/a²≥1. Неравенство не даёт точную вероятность и не означает, что все значения лежат внутри интервала. Для распределений без конечной дисперсии оно неприменимо. Правило трёх сигм для нормального закона нельзя заменить этой оценкой без изменения результата.

Подробное объяснение

Дисперсия равна среднему квадрату отклонения от математического ожидания. На событии |X−μ|≥a квадрат отклонения не меньше a². Значит вклад этого события в средний квадрат составляет как минимум a²·P(|X−μ|≥a). Весь средний квадрат не меньше этого вклада: σ²≥a²P.

Деление на положительное a² даёт неравенство Чебышёва. Это также частный случай неравенства Маркова для неотрицательной величины (X−μ)². Доказательство объясняет, почему не нужно знать форму плотности, но необходимо конечное значение дисперсии.

При σ>0 удобно положить a=kσ. Тогда вероятность отклонения не менее чем на k стандартных отклонений не превышает 1/k². Для k=2 верхняя граница равна 1/4, а для k=3 — 1/9. Это более слабые гарантии, чем специализированные формулы для нормального закона.

Дополнительное событие |X−μ|<a имеет вероятность не меньше 1−σ²/a², когда правая часть положительна. Строгий знак внутри и нестрогий снаружи согласованы; на распределениях с точечными вероятностями нельзя бездумно переставлять граничные знаки.

Для среднего n независимых одинаково распределённых величин дисперсия уменьшается до σ²/n. Применив ту же оценку к среднему, получаем верхнюю границу σ²/(na²). Так выражается связь между накоплением независимых измерений и уменьшением вероятности большого отклонения среднего.

Как пользоваться формулой

Установите, к какой случайной величине относится вопрос: к одному измерению или среднему нескольких.
Запишите её математическое ожидание и дисперсию; не подменяйте дисперсию стандартным отклонением.
Выразите положительный порог a в тех же единицах, что и X, и вычислите квадрат этого порога.
Разделите дисперсию на a²; если получилось больше единицы, используйте тривиальную границу 1.
Запишите ответ со словами «не более» для внешнего события, сохранив нестрогий знак на его границе.

Историческая справка

Оценки отклонений играли важную роль в развитии закона больших чисел в XIX веке. В работе «О средних величинах» 1867 года Пафнутий Чебышёв использовал неравенство, связанное с работами Ирене-Жюля Бьенэме, для обобщения закона больших чисел. Поэтому встречается название неравенство Бьенэме—Чебышёва. Его значение состоит в возможности контролировать отклонения без выбора одного конкретного закона распределения. В современном изложении доказательство часто строят через квадрат центрированной случайной величины и неравенство Маркова. Это компактная форма той же идеи: ограниченное среднее квадратическое отклонение не позволяет слишком большой вероятности сосредоточиться далеко от среднего. Учебная запись через μ, σ² и произвольный положительный порог отражает современный вероятностный язык, а не буквальную символику первоначальной публикации.

Историческая линия формулы

Исторически корректно связывать результат с Бьенэме и Чебышёвым, а его применение к обобщённому закону больших чисел — с работой Чебышёва 1867 года. Современный вывод как следствия неравенства Маркова не отменяет этой атрибуции и не устанавливает нового автора самой оценки.

Пример

Для случайной величины X известны μ=100 г и σ=5 г. Требуется ограничить вероятность отклонения не менее чем на 10 г. Порог a=10 г, дисперсия σ²=25 г². По Чебышёву P(|X−100|≥10)≤25/100=0,25. Следовательно, вероятность попасть строго внутрь интервала (90;110) г составляет не менее 0,75. Единицы сокращаются: г²/г² даёт безразмерную вероятность. Ответ — верхняя граница 25%, а не утверждение, что четверть изделий обязательно выходит за интервал. Если бы порог составлял лишь 2 г, отношение 25/4=6,25 пришлось бы заменить границей 1; такая оценка не сообщала бы ничего сверх обычного свойства вероятности.

Частая ошибка

Не подставляйте σ вместо σ²: отношение должно быть безразмерным. Не заменяйте знак ≤ равенством. Не переносите вывод на неизвестную совокупность только из выборочного стандартного отклонения. Не используйте σ²/n для зависимых наблюдений без учёта ковариаций. Значение больше 1 означает слабую оценку, а не вероятность больше 100%.

Практика

Задачи с решением

Три сигмы

Условие. Какова верхняя граница P(|X−μ|≥3σ), если 0<σ²<∞?

Решение. Подставляем a=3σ: σ²/(9σ²)=1/9≈0,111111.

Ответ. Не более 11,11%

Среднее измерений

Условие. 100 независимых одинаково распределённых измерений имеют дисперсию 4 мм². Ограничьте вероятность отклонения их среднего от μ не менее чем на 0,5 мм.

Решение. Дисперсия среднего 4/100=0,04 мм². Граница 0,04/0,5²=0,16.

Ответ. Не более 16%

Дополнительные источники

https://mathshistory.st-andrews.ac.uk/Biographies/Chebyshev/
https://eng.libretexts.org/Bookshelves/Computer_Science/Programming_and_Computation_Fundamentals/Mathematics_for_Computer_Science_(Lehman_Leighton_and_Meyer)/04%3A_Probability/19%3A_Deviation_from_the_Mean/19.02%3A_Chebyshevs_Theorem

Связанные формулы

Математика

Дисперсия дискретной случайной величины

$D(X)=\sum_i (x_i-M(X))^2p_i$

Формула «Дисперсия дискретной случайной величины» задает численную характеристику вероятностной модели. Она переводит исходы, вероятности или наблюдения в показатель, который удобно считать, сравнивать и проверять.

Математика

Среднеквадратическое отклонение случайной величины

$\sigma=\sqrt{D(X)}$

Формула «Среднеквадратическое отклонение случайной величины» задает численную характеристику вероятностной модели. Она переводит исходы, вероятности или наблюдения в показатель, который удобно считать, сравнивать и проверять.

Математика

Математическое ожидание дискретной случайной величины

$M(X)=\sum_i x_i p_i$

Формула «Математическое ожидание дискретной случайной величины» задает численную характеристику вероятностной модели. Она переводит исходы, вероятности или наблюдения в показатель, который удобно считать, сравнивать и проверять.