切比雪夫不等式攻略：横向选型
切比雪夫不等式攻略的核心不是死套，而是会在一堆概率界里选工具。它和马尔可夫、Cantelli、正态经验法则、Hoeffding各有脾气。下面按决策步骤横向对比，帮你在题目或报告里选得更准，少走弯路。
步骤1：先问信息有几层
攻略第一步，不算公式，先盘信息。只有变量非负和均值这一层，马尔可夫上；有均值和方差，但分布未知，切比雪夫上；知道只看单侧偏离，考虑Cantelli；知道独立且有上下界，再看Hoeffding。信息越多，工具通常越锋利。
步骤2：同一问题跑一遍
假设月消费均值3000元、标准差500元，问花到4000元以上的风险。切比雪夫看作偏离2σ以上，双侧上界25%；Cantelli专打右侧，给1/(1+2²)=20%；马尔可夫只用均值，P(X≥4000)≤75%，明显粗。
步骤3：加入分布假设再比
如果你愿意假设消费近似正态，超过4000元约等于右尾2.3%，比20%和25%都小。但这一步风险也最大：正态是假设，不是白送的真相。写攻略式答案时，我会把“无分布保证”和“正态假设下估计”分成两行，别混在一起。
步骤4：看要保守还是精细
做风控底线、课堂证明、早期资料判断，切比雪夫很香，因为它保证最坏情况；做运营预测、A/B测试或高频监控，光靠它可能太钝。它给的是护栏，不是导航。你想知道一定不会太离谱，用它；想知道最可能是多少，换统计模型。
步骤5：给出最终选择规则
我的选择顺序很简单：先用题目给的信息决定候选工具，再看问题是单侧还是双侧，最后看能不能承担分布假设。没有分布、双侧偏离、只有均值方差，切比雪夫就是默认答案；有更多结构，就别舍不得升级工具。
常见问题
切比雪夫不等式攻略里最常用的k是多少？
常见是k=2和k=3，因为好算也好解释。但k不该凭喜好选，要由目标区间离均值的距离除以标准差得到。
切比雪夫和Cantelli怎么选？
双侧偏离选切比雪夫，只关心高于或低于均值的一侧时，Cantelli通常更紧。题目问法会直接决定工具。
切比雪夫不等式在实际业务中有用吗？
有用，但更适合早期粗筛和保守预警。它能在不知道分布时给安全边界，不适合替代完整预测模型。