P(4 < X <12) 使用 Chebyshev's 与模拟值不一致
P(4 < X <12) using Chebyshev's not consistent with the simulation value
在使用均值 = 8 和方差 = 7.9 的切比雪夫计算 P(4 < X < 12) 时,概率结果为 0.5 但是当 运行 在 R 中进行此模拟时,我得到 0.79
我做错了什么吗?
nsims=10000
x1=rpois(nsims,8)
mean(x1)
var(x1)
length1 = length(which (x1 < 12))
length2 = length(which (x1 <= 4))
length1
length2
(length1 - length2)/nsims
如果您在 P(4 < X < 12)
上应用切比雪夫不等式,您将得到其概率的下限。
下面是向您展示原因的推导。
P(4 < X < 12)
= P(|X-8| < 4)
= 1 - P(|X-8| >= 4/sqrt(7.9)* sqrt(7.9))
>= 1 - (sqrt(7.9)/4)^2 = 0.50625
您的模拟给出了正确答案。 P(4 < x < 12)
的确切答案,其中 x 是从 lambda 为 8 的泊松分布中抽取的随机变量,无需模拟即可在 R 中找到:
sum(dpois(5:11, 8))
#> [1] 0.7884436
您认为 实际概率 应该满足切比雪夫不等式的 下限 的期望是您出错的地方。
在使用均值 = 8 和方差 = 7.9 的切比雪夫计算 P(4 < X < 12) 时,概率结果为 0.5 但是当 运行 在 R 中进行此模拟时,我得到 0.79
我做错了什么吗?
nsims=10000
x1=rpois(nsims,8)
mean(x1)
var(x1)
length1 = length(which (x1 < 12))
length2 = length(which (x1 <= 4))
length1
length2
(length1 - length2)/nsims
如果您在 P(4 < X < 12)
上应用切比雪夫不等式,您将得到其概率的下限。
下面是向您展示原因的推导。
P(4 < X < 12)
= P(|X-8| < 4)
= 1 - P(|X-8| >= 4/sqrt(7.9)* sqrt(7.9))
>= 1 - (sqrt(7.9)/4)^2 = 0.50625
您的模拟给出了正确答案。 P(4 < x < 12)
的确切答案,其中 x 是从 lambda 为 8 的泊松分布中抽取的随机变量,无需模拟即可在 R 中找到:
sum(dpois(5:11, 8))
#> [1] 0.7884436
您认为 实际概率 应该满足切比雪夫不等式的 下限 的期望是您出错的地方。