Zur Vereinfachung sei eine kontinuierliche Zufallsvariable mit dem Mittelwert Null und der Dichtefunktion f ( x ) und sei P { X ≥ a } mit a > 0 . Wir haben
P { X ≥ a } = ∫ ∞ a f ( x )Xf( x )P{ X≥ a }a > 0
wobei g ( x ) = 1 [ a , ∞ ) . Ist n einegeradeganze Zahl und b eine positive reelle Zahl, so ist
h ( x ) = ( x + b
P{ X≥ a } = ∫∞einf( x )d x= ∫∞- ∞G( x ) f( x )d x=E[ g( X) ]
G( x ) = 1[ a , ∞ )nb
und so
E[h(X)]=∫ ∞ - ∞ h(x)f(x)h ( x ) = ( x + ba + b)n≥ g( x ) , - ∞ < x < ∞ ,
So haben wirdass für alle positiven reellen Zahlen
a und
b ,
P { X ≥ a } ≤ E [ ( X + bE[ h ( X) ] = ∫∞- ∞h ( x ) f( x )d x≥ ∫∞- ∞G( x ) f( x )d x=E[ g( X) ] .
einb
wo die am weitesten rechts liegende Erwartung in
(1)das ist
n-ten Zeitpunkt (
ngerade) von
Xüber
-b. Wenn
n=2 ist, wird die kleinste Obergrenze von
P{X≥a}erhalten, wenn
b=σ2 istP{ X≥ a } ≤ E[ ( X+ ba + b)n] =(a+b )- nE[ ( X+ b )n](1)
( 1 )nnX- bn = 2P{ X≥ a } mit der einseitigen Chebyshev-Ungleichung (oder Chebyshev-Cantelli-Ungleichung):
P { X ≥ a } ≤ σ 2b = σ2/ a
Für größere Werte von
nist die Minimierung in Bezug auf
bunordentlicher.
P{ X≥ a } ≤ σ2ein2+ σ2.
nb