概念进阶统计描述与离散度量
切比雪夫不等式
也叫：Chebyshev Inequality、契比雪夫不等式
任意分布中落在均值k倍标准差内的占比下界。
核心讲解
切比雪夫不等式以标准差为衡量单位，给出任意数据集离散程度的界：对任意数据集，落在均值k个标准差范围内的数据占比至少为 1−1/k²，其中k>1。
它的强大之处在于几乎不挑数据——只要求方差有限，不管数据是什么分布，结论都成立。换个说法：落在均值k个标准差之外的数据占比不会超过 1/k²。用符号表达即 P(|X−μ|≥kσ)≤1/k²。随着k增大，1/k²趋近于0，偏离很远的数据越来越少。
原书例题：k=2时，至少 1−1/4=75% 的数据落在均值两个标准差内，也就是说超过两个标准差的数据至多占25%。正因为不依赖分布假设，它常与正态分布的经验法则对照使用——后者在正态前提下给出的占比更精确。
费曼版：用大白话再讲一遍
不管一群人收入怎么分布，只要平均数和波动（标准差）已知，就能保证“离平均数不太远的人”至少占某个比例：离平均数两倍“正常波动”范围内的至少占七成五。它像一条对任何数据都生效的保底承诺。
要点
- 均值k倍标准差内数据占比至少1−1/k²（k>1）。
- 落在k倍标准差之外的数据占比不超过1/k²。
- 只要求方差有限，不依赖分布形状。
- k=2时至少75%的数据落在两个标准差内。
常见误区
- 以为它给出了精确占比，其实只是下界与保底值。
- 忽略k>1的前提，代入k≤1时结果无意义。
- 把它与正态分布经验法则混用，后者只对正态分布成立。