切比雪夫不等式值得吗？一张清单
切比雪夫不等式值得吗？如果你手里只有均值、方差，又想给极端偏离一个保守上限，它很值得。它不像正态分布那样挑数据形状，优点是稳，缺点是松。下面用步骤清单判断该不该学、该不该用。
步骤1：先看资料够不够
清单第一项很硬核：随机变量要有有限均值μ和有限方差σ²。没有这两个数，别急着谈切比雪夫；只有样本均值但没有波动信息，也别硬算。它最适合那种资料不豪华的场景：只知道平均值、标准差，却不知道分布长什么样。
步骤2：改成几倍标准差
切比雪夫不直接回答某个具体区间，它回答的是：离均值至少k个标准差有多大概率。公式是P(|X-μ|≥kσ)≤1/k²。比如k=2，最坏情况下偏离2个标准差以外不超过25%；k=3，不超过11.1%。
步骤3：判断它值钱的场景
它值得用的地方很明确：考试要证明概率上界、业务早期缺历史数据、风控要先给保守红线。比如一个设备日耗电均值100度、标准差10度，不知道耗电分布，也能说低于70度或高于130度的概率不超过1/9。
步骤4：别当万能钥匙
不值得硬用的场景也要划掉：数据明显近似正态时，它会比68-95-99.7规则松很多；你只关心单侧超标时，Cantelli不等式可能更贴；变量有上下界且样本独立时，Hoeffding通常更锋利。
步骤5：用30秒清单收尾
最后按四个勾选：有均值吗？有方差吗？不想假设分布吗？能接受保守上限吗？四个都勾，切比雪夫不等式就值得；少一个，就先停下。它不是炫技工具，更像数学版安全帽，丑点但真能兜底。
常见问题
切比雪夫不等式值得学吗？
值得，尤其是概率论、统计推断、机器学习基础都会遇到。它证明短，适用面广，但要记住：它给的是保守边界，不是精确概率。
切比雪夫不等式为什么这么保守？
因为它不挑分布，只要求均值和方差存在。条件放得越宽，结论通常越松，这就是它用适用性换精度。
k=2时能说95%都在范围内吗？
不能。切比雪夫只能保证至少75%落在均值±2个标准差内。95%是正态分布经验规则里的说法，不能混用。