关于[0,1]上连续密度概率分布中均值与中位数最大差距上界的证明求助

嘿，你的猜想完全正确！这个最大差距的上界确实是0.5，我来给你一步步拆解证明思路：

首先明确几个基础定义：

• 设连续密度函数为 ( f(x) )，定义在区间[0,1]上；中位数 ( m ) 满足 ( \int_0^m f(x)dx = 0.5 )
• 均值 ( \mu = \int_0^1 x f(x)dx )，我们要找 ( |\mu - m| ) 的最大值

先看均值大于中位数的情况（对称情况推导逻辑一致） #

1. 极值构造思路：要让均值尽可能比中位数大，最优策略是把一半的概率质量尽可能往区间右端（1附近）放，另一半概率刚好满足中位数为 ( m ) 的要求。
2. 固定中位数计算均值上限：
   • 均值可以拆成两部分：( \mu = \int_0^m x f(x)dx + \int_m^1 x f(x)dx )
   • 已知 ( \int_0^m f(x)dx = 0.5 )，所以 ( \int_m^1 f(x)dx = 0.5 )
   • 对于前半部分积分 ( \int_0^m x f(x)dx )，因为x≤m，要最大化这部分，我们可以让这0.5的概率尽可能集中在m处（连续密度下用趋近于该情况的序列，比如在[m-ε, m]上设置均匀密度，ε→0），此时这部分积分趋近于 ( 0.5 \times m )
   • 对于后半部分积分 ( \int_m^1 x f(x)dx )，要最大化它，就让这0.5的概率尽可能集中在1处，此时积分趋近于 ( 0.5 \times 1 )
   • 所以均值的上限趋近于 ( 0.5m + 0.5 \times 1 = 0.5(m+1) )
3. 计算最大差值：
   • 此时 ( \mu - m = 0.5(m+1) - m = 0.5(1 - m) )
   • 要让这个差值最大，只需让m尽可能小，最小的m趋近于0（当中位数趋近于0时，意味着一半概率集中在0附近，一半在1附近），此时差值趋近于 ( 0.5(1-0)=0.5 )

对称情况（均值小于中位数） #

用同样的逻辑，要让均值尽可能小，就让一半概率集中在0附近，另一半集中在中位数m处，此时均值趋近于 ( 0.5 \times 0 + 0.5m = 0.5m )，差值 ( m - \mu = 0.5m )，当m趋近于1时，差值也趋近于0.5。

验证上界的可达性（极限意义下） #

我们可以构造连续密度序列来逼近这个上界：比如对任意小的ε>0，在[0,ε]上设置密度为 ( \frac{0.5}{\varepsilon} )，在[1-ε,1]上设置密度为 ( \frac{0.5}{\varepsilon} )，中间[ε,1-ε]密度为0。如果要严格连续，还可以把端点处的密度用线性函数平滑过渡（比如在[ε/2,ε]和[1-ε,1-ε/2]上用线性下降/上升的密度），这样每个密度都是连续的。当ε→0时，中位数趋近于0（或1），均值趋近于0.5，两者差距趋近于0.5。

综上，[0,1]上连续密度概率分布中，均值与中位数的最大差距上界确实是0.5，你的猜想完全正确！

备注：内容来源于stack exchange，提问作者Simd