„Tschebyscheffsche Ungleichung“ – Versionsunterschied – Wikipedia

Zeile 1:

{{Dieser ArtikelWeiterleitungshinweis|behandelt die statistische TschebyschowTschebyscheff-Ungleichung.|Zur FürUngleichung diein arithmetischeder Tschebyschow-UngleichungArithmetik siehe [[Tschebyscheff-Ungleichung (Arithmetik)]].}}

Die '''Tschebyscheff-tschebyscheffsche Ungleichung''', auch '''Tschebyscheff-Ungleichung''' oder '''Bienaymé-Tschebyscheff-Ungleichung''' genannt,<ref> {{Literatur |Autor=Norbert Henze |Titel=Stochastik für Einsteiger |TitelErg=Eine Einführung in die faszinierende Welt des Zufalls |Auflage=10. |Verlag=Springer Spektrum |Ort=Wiesbaden |Datum=2013 |ISBN=978-3-658-03076-6 |Seiten=165 |DOI=10.1007/978-3-658-03077-3}}</ref> ist eine [[Ungleichung]] in der [[Stochastik]], einem Teilgebiet der Mathematik. Sie ist nach [[Irénée-Jules Bienaymé]] und [[Pafnuti Lwowitsch Tschebyschow|Pafnuti Lwowitsch TschebscheffTschebyscheff]] benannt; dessen NamenName findet sich in der Literatur in verschiedenen Schreibungen, unter anderem ''Tschebyschew'', ''Chebyshev'', ''Čebyšev'' oder ''Tschebyschow''.<ref>{{Literatur |Autor=Hans-Otto Georgii |Titel=Stochastik |TitelErg=Einführung in die Wahrscheinlichkeitstheorie und Statistik |Auflage=4. |Verlag=Walter de Gruyter |Ort=Berlin |JahrDatum=2009 |ISBN=978-3-11-021526-7 |Seiten=112 |DOI=10.1515/9783110215274}} </ref> In der Tschebyscheff-tschebyscheffschen Ungleichung wird die Wahrscheinlichkeit, dass eine [[Zufallsvariable]] mehr als einen vorgegebenen Schwellenwert vomvon ihrem [[Erwartungswert]] abweicht, durch dieihre [[Varianz (Stochastik)|Varianz]] abgeschätzt.

== Aussage ==

Sei <math>X</math> eine [[Zufallsvariable]] mit [[Erwartungswert]]

:<math>\mu:= \operatorname E(X) </math>

Zeile 12:

Dann gilt für alle reellen Zahlen <math>k > 0</math>:

:<math>\operatorname{P}\left[(\left|X-\mu\right|\geq k\right]) \leq \frac{\sigma^2}{k^2}</math>.

Durch Übergang zum [[Komplementäres Ereignis|komplementären Ereignis]] erhält man

:<math>\operatorname{P}\left[(\left|X-\mu\right| < k\right]) \geq 1 - \frac{\sigma^2}{k^2}</math>.

== Güte der Abschätzung ==

Die von der Tschebyscheff-tschebyscheffschen Ungleichung angegebenen Grenzen sind scharf in dem Sinne, dass Zufallsvariablen existieren, für die bei der Abschätzung Gleichheit gilt.

Dies ist beispielsweise der Fall für eine diskrete Zufallsvariable <math>X</math> mit

:<math>\operatorname{P}\left[(X=0\right])=1-p</math>

und

:<math>\operatorname{P}\left[(X=-a\right])=\operatorname{P}\left[(X=a\right])=p/2</math>,

wobei <math>a </math> eine echt positive reelle Zahl ist und <math> p \in (0,1) </math>. Dann ist <math>\mu= \operatorname E(X)=0 </math> und <math>\sigma^2= \operatorname{Var}(X)=a^2p </math>, damit folgt die Abschätzung

:<math> P(|X-0|\geq k)\leq \frac{a^2 p}{k^2} </math>,

Zeile 35:

== Varianten ==

=== Abweichungen ausgedrückt durch die Standardabweichung ===

Ist die [[Standardabweichung (Wahrscheinlichkeitstheorie)|Standardabweichung]] <math>\sigma</math> von Null verschieden und <math>\lambda</math> eine positive Zahl, so erhält man mit <math>k = \lambda \sigma</math> eine oft zitierte Variante der Tschebyscheff-tschebyscheffschen Ungleichung:

:<math>\operatorname{P}\left[(\left|X-\mu\right|\geq \lambda \sigma\right]) \leq \frac{1}{\lambda^2}</math>.

Diese Ungleichung liefert nur für <math>\lambda > 1</math> eine sinnvolle Abschätzung, für <math>0<\lambda\leq 1</math> ist sie trivial, denn Wahrscheinlichkeiten sind stets durch 1 beschränkt.

=== Verallgemeinerung auf höhere Momente ===

Die Tschebyscheff-tschebyscheffsche Ungleichung lässt sich auf höhere [[Moment (Stochastik)|Momente]] verallgemeinern. Man bezeichnet diese verallgemeinerte Ungleichung nicht selten (vereinfachend) ebenfalls als Tschebyscheff-tschebyscheffsche Ungleichung ({{EnSenS|''Chebyshev'sChebyshev’s inequality''}}),<ref name="RBA">Robert B. Ash: ''Real Analysis and Probability.'' 1972, S. 84–85 & S. 227</ref>, während sie im Rahmen der [[Wahrscheinlichkeitstheorie]] manchmal auch als ''markoffsche Ungleichung'' (bzw. als ''markovsche Ungleichung'' o. &nbsp;ä., {{EnSenS|''Markov'sMarkov’s inequality''}}) genannt wird.<ref name="ANS">A. N. Širjaev: ''Wahrscheinlichkeit.'' 1988, S. 572</ref><ref name="RGL-VKR">R. G. Laha, V. K. Rohatgi: ''Probability Theory.'' 1979, S. 33</ref>. Bei einigen Autoren findet man die verallgemeinerte Ungleichung auch unter der Bezeichnung ''tschebyscheff-markoffsche Ungleichung'' (bzw. ''chebyshev-markovsche Ungleichung'' o. &nbsp;ä.).<ref name="HB_1">Heinz Bauer: ''Maß- und Integrationstheorie.'' 1992, S. 128</ref>

Die verallgemeinerte Ungleichung besagt, dass für einen [[Maßraum]] <math>(\Omega,\Sigma,\nu)</math> und eine messbare Funktion <math>f\colon\Omega\to\R_0^+</math> und <math>\varepsilon, p\in\R^+</math> stets die Ungleichung

Zeile 54:

Die oben genannte Version der Ungleichung erhält man als Spezialfall, indem man <math>\nu = P</math>, <math>f=|X-\mu|</math> und <math>p=2</math> setzt, denn dann ist

:<math>P(|X-\mu| \ge k) = P(|X-\mu|^2 \ge k^2) \le \frac{1}{k^2}\int_\Omega |X-\mu|^2 \;{\rm d}P = \frac{\sigma^2}{k^2}</math>.

=== Mehrdimensionale Tschebyscheffsche Ungleichung ===

{{Hauptartikel|Mehrdimensionale Tschebyscheffsche Ungleichung}}

Die Tschebyscheffsche Ungleichung kann auf mehrdimensionale Zufallsvariable erweitert werden.

Ist X = (<math>x^1,...,x^n</math>) eine n-dimensionale Zufallsvariable, die auf den "Mittelpunkt" (μ(x¹) / ... / μ(xⁿ) ) zentriert wurde, so gilt für die zentrierte Variable die Mehrdimensionale Tschebyscheffsche Ungleichung:

:<math> 1 - P( (x^1,...x^n)C^{-1}\begin{pmatrix}x^1\\...\\x^n\end{pmatrix}\le k^2 ) \leq \tfrac{n}{k^2}</math>

=== Exponentielle Tschebyscheff-Ungleichung ===

Dass die Verallgemeinerung gleichzeitig für alle positiven Momente gilt, lässt sich beim Beweis der sogenannten ''exponentiellen Tschebyscheff-Ungleichung''<ref name="Große Abweichungen">{{Internetquelle |autor=Matthias Löwe |url=https://www.uni-muenster.de/Stochastik/loewe/grosseabweichungen.pdf |titel=Große Abweichungen |hrsg=Westfälische Wilhelms-Universität Münster, Institut für Mathematische Stochastik |seiten=4 |abruf=2020-03-08 |abruf-verborgen=1 |format=PDF; 418 KB}}</ref> ausnutzen.

Sei <math>X \sim P</math> eine reelle Zufallsvariable, die gemäß <math>P</math> verteilt ist und <math>a \in \R</math> eine reelle Zahl.

In der Notation von oben setzt man nun <math>\nu = P</math>, <math>\varepsilon = \mathrm{e}^a</math> und <math>f(x) = \mathrm{e}^x</math> und erhält

:<math>P(X \ge a) = P(\mathrm{e}^X \ge \varepsilon) \le \inf_{p \in \R^+} \frac{1}{\varepsilon^{p}} \int_\R \mathrm{e}^{px} \, \mathrm{d}P = \inf_{p \in \R^+} \frac{E(\mathrm{e}^{pX})}{\mathrm{e}^{pa}}.</math>

Der Zähler <math>M_X(p) = E(\mathrm{e}^{pX})</math> ist die [[momenterzeugende Funktion]] von <math>X</math>.

Die Anwendung der exponentiellen Tschebyscheff-Ungleichung auf eine Summe von [[Unabhängig und identisch verteilte Zufallsvariablen|unabhängigen und identisch verteilten Zufallsvariablen]] ist der entscheidende Schritt im Beweis der [[Chernoff-Ungleichung]].

== Geschichte ==

In den meisten Lehrbüchern trägt die Ungleichung lediglich den Namen von [[Pafnuti Lwowitsch Tschebyschow]]. Er veröffentlichte seinen Beweis für diskrete Zufallsvariablen im Jahre 1867 simultan in St. Petersburg und in Paris, dort in [[Joseph Liouville]]s Journal ''Journal de Mathématiques Pures et Appliquées''. Ein allgemeinerer Beweis wurde jedoch schon 1853 von [[Irénée-Jules Bienaymé]] in dem Paper ''Considérations a l'appuil’appui de la découverte de Laplace sur la loi de probabilité dans la méthode des moindres carrés.'' veröffentlicht. Dieses wurde sogar direkt vor Tschebyscheffs Veröffentlichung in Liouvilles Journal nochmals in ebendiesem abgedruckt. In einer späteren Veröffentlichung erkannte Tschebyscheff die Erstveröffentlichung von Bienaymé an. <ref>{{EoM| Autor =| Titel = Chebyshev, Pafnutii Lvovich| Url =

https://www.encyclopediaofmath.org/index.php/Chebyshev,_Pafnutii_Lvovich| id = }} </ref> <ref>{{EoM| Autor = V.V. Sazonov| Titel = Bienaymé, Irenée-Jules| Url = https://www.encyclopediaofmath.org/index.php/Bienaym%C3%A9,_Iren%C3%A9e-Jules| id = }} </ref>

== Anwendungen ==

* Die Tschebyscheff-tschebyscheffsche Ungleichung gehtwird wesentlichbeispielsweise einbeim in die Beweise des [[Borel-Cantelli-Lemma]]s undBeweis des [[Schwaches Gesetz der großen Zahlen|Schwachen Gesetzes der großen Zahlen]] verwendet.<ref name="HB_2">Heinz Bauer: ''Wahrscheinlichkeitstheorie.'' 2002, S. 69 ff</ref>

* Die Verallgemeinerung auf höhere Momente kann benutzt werden, um zu zeigen, dass aus der <math>L^p\;</math>-Konvergenz von [[Funktionenfolge]]n die [[Konvergenz im Maß]] folgt.

* Für den [[Median (Stochastik)|Median]] <math>m</math> gilt <math>\left|\mu-m\right| \leq \sigma</math>.

Zeile 66 ⟶ 85:

== Beispiele ==

=== Beispiel 1 ===

Nehmen wir zum Beispiel an, dass die Länge von Wikipedia-ArtikelArtikeln einen Erwartungswert der Länge von 1000 Zeichen mit einer [[Standardabweichung (Wahrscheinlichkeitstheorie)|Standardabweichung]] von 200 Zeichen habenhat. Aus der ''Tschebyscheff-tschebyscheffschen Ungleichung'' kann man dann ableiten, dass mit mindestens 75 % Wahrscheinlichkeit ein Wikipedia-Artikel eine Länge zwischen 600 und 1400 Zeichen hat (<math>k=400, ~ \mu=1000, ~ \sigma=200</math>).

Der Wert für die Wahrscheinlichkeit wird auf folgende Weise berechnet:

:<math>\operatorname{P}\left[(\left|X-1000\right| < 400\right]) \geq 1 - \frac{200^2}{400^2} = 0{,}75 = 75\ \%</math>

=== Beispiel 2 ===

Zeile 76 ⟶ 95:

=== Beispiel 3 ===

Ein Zufallsereignis tritt bei einem Versuch mit Wahrscheinlichkeit <math>p</math> ein. Der Versuch wird <math>n</math>-mal wiederholt; das Ereignis trete dabei <math>k</math>-mal auf. <math>k</math> ist dann [[Binomialverteilung|binomialverteilt]] und hat Erwartungswert <math>np</math> und Varianz <math>np(1-p)</math>; die relative Häufigkeit <math>\tfrac{k}{n}</math> des Eintretens hat somit Erwartungswert <math>p</math> und Varianz <math>\tfrac{p(1-p)}{n}</math>. Für die Abweichung der relativen Häufigkeit vom Erwartungswert liefert die Tschebyscheff-tschebyscheffsche Ungleichung

:<math>\operatorname{P}\left[(\left|\frac{k}{n}-p \right|\geq \epsilon \right]) \leq \frac{p(1-p)}{\epsilon^2n} \leq \frac{1}{4\epsilon^2n} </math>,

wobei für die zweite Abschätzung die unmittelbar aus der [[Ungleichung vom arithmetischen und geometrischen Mittel]] folgende Beziehung <math>\sqrt{p(1-p)}\leq \tfrac{1}{2}</math> verwendet wurde.

Bei dieser Formel handelt es sich um den Spezialfall eines schwachen Gesetzes der großen Zahlen, das die [[stochastische Konvergenz]] der relativen Häufigkeiten gegen den Erwartungswert zeigt.

Die Tschebyscheff-tschebyscheffsche Ungleichung liefert für dieses Beispiel nur eine grobe Abschätzung, eine quantitative Verbesserung liefert die [[Chernoff-Ungleichung]].

== Beweisskizze ==

Die meisten Autoren führen die Tschebyscheff-tschebyscheffsche Ungleichung als Spezialfall der [[Markow-Ungleichung (Stochastik)|Markow-Ungleichung]]

:<math>

:<math>P \left[( Y \geq k \right]) \leq \frac{\operatorname{E}\left[(h(Y)\right])}{h(k)}.</math>

</math>

mit <math> Y= |X-\mu| </math> und der Funktion <math> h(x)=x^2 </math> ein.<ref>{{Literatur |Autor=[[Achim Klenke]] |Titel=Wahrscheinlichkeitstheorie |Auflage=3. |Verlag=Springer-Verlag |Ort=Berlin Heidelberg |JahrDatum=2013 |ISBN=978-3-642-36017-6 |Seiten=110 |DOI=10.1007/978-3-642-36018-3}}</ref> <ref>{{Literatur |Autor=Hans-Otto Georgii |Titel=Stochastik |TitelErg=Einführung in die Wahrscheinlichkeitstheorie und Statistik |Auflage=4. |Verlag=Walter de Gruyter |Ort=Berlin |JahrDatum=2009 |ISBN=978-3-11-021526-7 |Seiten=122 |DOI=10.1515/9783110215274}}</ref> <ref>{{Literatur |Autor=Klaus D. Schmidt |Titel=Maß und Wahrscheinlichkeit |Auflage=2., durchgesehene |Verlag=Springer-Verlag |Ort=Heidelberg Dordrecht London New York |JahrDatum=2011 |ISBN=978-3-642-21025-9 |Seiten=288 |DOI=10.1007/978-3-642-21026-6}} </ref>

Wie man die Markow-Ungleichung mit schulgemäßen Mitteln aus einem unmittelbar einsichtigen Flächenvergleich folgern und dann daraus diese Fassung der Ungleichung von Tschebyscheff herleiten kann, findet man zum Beispiel bei Wirths.<ref>H. Wirths: Der Erwartungswert – Skizzen zur Begriffsentwicklung von Klasse 8 bis 13. In: Mathematik in der Schule 1995/Heft 6, S. 330–343</ref> Für einen direkten Beweis definiert man

:<math> A_k= \{ \omega \in \Omega \mid |X - \mu| \geq k \} </math>.▼

Für einen direkten Beweis definiert man

:<math>

▲:<math> A_k= \{ \omega \in \Omega \mid |X - \mu| \geq k \} </math>.

</math>

Bezeichnet <math> \mathbf 1_A </math> die [[Indikatorfunktion]] auf der Menge <math> A </math>, so gilt für alle <math> \omega </math> die Ungleichung

:<math>
|X(\omega)-\mu|^2 \geq k^2 \mathbf 1_{A_k}(\omega) .
</math>.

Denn ist <math> \omega \notin A_k </math>, so ist die rechte Seite null und die Ungleichung erfüllt. Ist <math> \omega \in A_k </math>, so hat die linke Seite nach Definition der Mengen <math> A_k </math> mindestens den Wert <math> k^2 </math>, und die Ungleichung ist wiederum erfüllt. Mit der Monotonie des Erwartungswertes und seinen elementaren Rechenregeln folgt über die Definition der Varianz

:<math>

:<math> \sigma^2 = \operatorname{Var}(X)= \operatorname E (|X-\mu|^2) \geq \operatorname E (k^2 \mathbf 1_{A_k})= k^2 P(A_k)= k^2P(|X - \mu| \geq k) </math>.▼

\sigma^2 = \operatorname{Var}(X)= \operatorname E (|X-\mu|^2)

▲:<math> \sigma^2 = \operatorname{Var}(X)= \operatorname E (|X-\mu|^2) \geq \operatorname E (k^2 \mathbf 1_{A_k})= k^2 P(A_k)= k^2P(|X - \mu| \geq k) </math>.

</math>

Teilen durch <math> k^2 </math> liefert die Tschebyscheff-Ungleichung.<ref>{{Literatur |Autor=Ehrhard Behrends |Titel=Elementare Stochastik |TitelErg=Ein Lernbuch – von Studierenden mitentwickelt |Verlag=Springer Spektrum |Ort=Wiesbaden |Datum=2013 |ISBN=978-3-8348-1939-0 |Seiten=229-230 |DOI=10.1007/978-3-8348-2331-1}}</ref>▼

Diese ergibt sich aber auch ohne Erwartungswert-Regeln aus einem einfachen Flächenvergleich, ausgehend von der allgemeingültigen Darstellung [[Erwartungswert#(3)|(3)]] auf der Seite [[Erwartungswert]].<ref>Roland Uhl: ''Charakterisierung des Erwartungswertes am Graphen der Verteilungsfunktion''. Technische Hochschule Brandenburg, 2023, {{DOI|10.25933/opus4-2986}} ([https://opus4.kobv.de/opus4-fhbrb/files/2986/Uhl2023.pdf PDF]). S.&nbsp;5.</ref>

▲Teilen durch <math> k^2 </math> liefert die Ungleichung.<ref>{{Literatur|Autor=Ehrhard Behrends|Titel=Elementare Stochastik|TitelErg=Ein Lernbuch – von Studierenden mitentwickelt|Verlag=Springer Spektrum|Ort=Wiesbaden|Datum=2013|ISBN=978-3-8348-1939-0|Seiten=229-230|DOI=10.1007/978-3-8348-2331-1}}</ref>

== Verwandte Resultate ==

Zeile 106 ⟶ 133:

* [[Ungleichung von Cantelli]]

* [[Chernoff-Ungleichung]]

* [[Lemma von Frank#Folgerung:_Die Die Ungleichung von Hájek und Rényi|Ungleichung von Hájek und Rényi]]

* [[Jensensche Ungleichung]]

* [[Kolmogorow-Ungleichung]]

Zeile 112 ⟶ 139:

* [[Markow-Ungleichung (Stochastik)]]

* [[Ungleichung von Ottaviani-Skorokhod]]

* [[Mehrdimensionale Tschebyscheffsche Ungleichung]]

* [[Hoeffding-Ungleichung]]

== Literatur ==

{{Wikibooks|Statistik: Ungleichung von Bienaymé-Tschebyschew|Beschreibung mit Beispiel}}▼

* [[Robert B. Ash]]: ''Real Analysis and Probability''. Academic Press, New York 1972, ISBN 0-12-065201-3.

* {{Literatur▼

*{{Literatur|Autor=[[Heinz Bauer (Mathematiker)|Heinz Bauer]]|Titel=Maß- und Integrationstheorie|Reihe=De Gruyter Lehrbuch|Band=|Auflage=2., überarbeitete|Verlag=[[de Gruyter]]|Ort=Berlin, New York|Jahr=1992|ISBN=3-11-013625-2}}

|Autor=[[Heinz Bauer (Mathematiker)|Heinz Bauer]]

▲*{{Literatur

|Titel=Maß- und Integrationstheorie

|Autor=Heinz Bauer|Titel=Wahrscheinlichkeitstheorie|Reihe=De Gruyter Lehrbuch|Band=|Auflage=5., durchgesehene und verbesserte|Verlag=de Gruyter

|Reihe=De Gruyter Lehrbuch

|Ort=Berlin, New York|Jahr=2002|ISBN=3-11-017236-4}}▼

|Auflage=2., überarbeitete

* [[Ulrich Krengel]]: ''Einführung in die Wahrscheinlichkeitstheorie und Statistik''. 7. Auflage, Vieweg Verlag, Wiesbaden 2003, ISBN 3-528-67259-5.▼

|Verlag=de Gruyter

*{{Literatur|Autor=[[Radha Govinda Laha|R. G. Laha]], [[Vijay K. Rohatgi|V. K. Rohatgi]]|Titel=Probability Theory|Reihe=Wiley Series in Probability and Mathematical Statistics|Band=|Auflage=|Verlag=[[John Wiley & Sons]]|Ort=New York (u.&nbsp;a.)|Jahr=1979|ISBN=0-471-03262-X}}

|Ort=Berlin / New York

*{{Literatur|Autor=[[Albert Nikolajewitsch Schirjajew|A. N. Širjaev]]|Titel=Wahrscheinlichkeit|Reihe=Hochschulbücher für Mathematik|Band=91|Auflage=|Verlag=[[Deutscher Verlag der Wissenschaften|VEB Deutscher Verlag der Wissenschaften]]|Ort=Berlin|Jahr=1988|ISBN=3-326-00195-9}}

|Datum=1992

* P. L. Tschebyschow: ''On Mean Values'', in: Journal de Mathématiques Pures et Appliquées 2(12), 1867, S. 177–184.

|ISBN=3-11-013625-2}}

* [[Andreas Wagener]]: ''Chebyshev's Algebraic inequality and comparative statics under uncertainty'', in: Mathematical social sciences 52 (2006), S. 217–221.▼

* {{Literatur

|Autor=Heinz Bauer

|Titel=Wahrscheinlichkeitstheorie

|Reihe=De Gruyter Lehrbuch

|Auflage=5., durchgesehene und verbesserte

|Verlag=de Gruyter

|Ort=Berlin / New York

|Datum=2002

▲|Ort=Berlin, New York|Jahr=2002 |ISBN=3-11-017236-4}}

▲* [[Ulrich Krengel]]: ''Einführung in die Wahrscheinlichkeitstheorie und Statistik''. 7. Auflage,. Vieweg Verlag, Wiesbaden 2003, ISBN 3-528-67259-5.

* {{Literatur

|Autor=[[Radha Govinda Laha|R. G. Laha]], [[Vijay K. Rohatgi|V. K. Rohatgi]]

|Titel=Probability Theory

|Reihe=Wiley Series in Probability and Mathematical Statistics

|Verlag=John Wiley & Sons

|Ort=New York (u.&nbsp;a.)

|Datum=1979

|ISBN=0-471-03262-X}}

* {{Literatur

|Autor=[[Albert Nikolajewitsch Schirjajew|A. N. Širjaev]]

|Titel=Wahrscheinlichkeit

|Reihe=Hochschulbücher für Mathematik

|BandReihe=91

|Verlag=VEB Deutscher Verlag der Wissenschaften

|Ort=Berlin

|Datum=1988

|ISBN=3-326-00195-9}}

▲* [[Andreas Wagener (Ökonom, 1967)|Andreas Wagener]]: ''Chebyshev'sChebyshev’s Algebraic inequality and comparative statics under uncertainty'',. inIn: ''Mathematical socialSocial sciencesSciences'', 52, (2006), S. 217–221, {{DOI|10.1016/j.mathsocsci.2006.05.004}}.

== Weblinks ==

== Einzelnachweise und Fußnoten ==▼

▲{{Wikibooks|Statistik: Ungleichung von Bienaymé-Tschebyschew|Beschreibung mit Beispiel}}

<references />▼

▲== Einzelnachweise und FußnotenAnmerkungen ==

▲<references />

[[Kategorie:ZufallsvariableStochastik]]

[[Kategorie:Wahrscheinlichkeitsrechnung]]

[[Kategorie:Ungleichung (Stochastik)]]