Teorema de Chebyshev (desigualdad de Chebyshev) con ejemplos

Actualizado el
El teorema de Chebyshev (también escrito Chebyshov, Tchebycheff o Chebychev) dice que, en cualquier distribución con media y varianza finitas, al menos el 1 − 1/k2 de los datos está a menos de k desviaciones típicas de la media. Con k = 2, como mínimo el 75 %; con k = 3, como mínimo el 88,9 %. Su valor está en que no exige conocer la forma de la distribución: vale para datos sesgados, discretos o de cualquier tipo.
Enunciado de la desigualdad de Chebyshev
Sea X una variable aleatoria con media μ y desviación típica σ > 0 finitas. Para todo número real k > 0,
P(|X − μ| ≥ kσ) ≤ 1/k2
o, lo que es lo mismo, P(|X − μ| < kσ) ≥ 1 − 1/k2. Escrita con una distancia cualquiera a > 0 en lugar de kσ:
P(|X − μ| ≥ a) ≤ σ2/a2.
Solo dice algo útil cuando k > 1; para k ≤ 1 la cota 1/k2 es mayor o igual que 1 y no aporta información.
Demostración
La forma más corta pasa por la desigualdad de Markov: si Y ≥ 0 y c > 0, entonces P(Y ≥ c) ≤ E[Y]/c.
Prueba de Markov. Como Y ≥ 0, Y ≥ c · 1{Y ≥ c} (la función que vale c cuando Y ≥ c y 0 en otro caso). Tomando esperanzas, E[Y] ≥ c · P(Y ≥ c).
Prueba de Chebyshev. Aplicamos Markov a Y = (X − μ)2, que es no negativa, con c = k2σ2:
P(|X − μ| ≥ kσ) = P((X − μ)2 ≥ k2σ2) ≤ E[(X − μ)2]/(k2σ2) = σ2/(k2σ2) = 1/k2.
La cota es la mejor posible sin más información: para k ≥ 1, la variable que vale −1 y +1 con probabilidad 1/(2k2) cada uno y 0 con probabilidad 1 − 1/k2 tiene μ = 0, σ = 1/k y alcanza la igualdad.
Tabla de valores de la desigualdad de Chebyshev
| k | Mínimo dentro de μ ± kσ (Chebyshev) | Dentro de μ ± kσ si la distribución es normal |
|---|---|---|
| 1,5 | 55,6 % | 86,6 % |
| 2 | 75 % | 95,4 % |
| 2,5 | 84 % | 98,8 % |
| 3 | 88,9 % | 99,7 % |
| 4 | 93,75 % | 99,99 % |
La diferencia entre las dos columnas es el precio de la generalidad: Chebyshev da una garantía para cualquier distribución, y por eso es mucho más conservador que la regla 68-95-99,7, que solo vale para la normal.
Ejemplos resueltos del teorema de Chebyshev
Ejemplo 1: notas de un examen. Las notas de un examen tienen media 60 y desviación típica 8, sobre 100, y no sabemos qué forma tiene la distribución. ¿Qué porcentaje mínimo de alumnos sacó entre 44 y 76? ¿Y entre 40 y 80?
- Entre 44 y 76: la distancia a la media es 16 = 2 · 8, luego k = 2 y al menos 1 − 1/4 = 0,75. Mínimo, el 75 %.
- Entre 40 y 80: distancia 20, k = 20/8 = 2,5 y 1 − 1/6,25 = 0,84. Mínimo, el 84 %.
Ejemplo 2: buscar el intervalo. ¿Cuántas desviaciones típicas hay que tomar para asegurar al menos el 90 % de los datos? Planteamos 1 − 1/k2 = 0,90, de donde k2 = 10 y k = √10 ≈ 3,16. Con la normal bastaría k ≈ 1,645.
Ejemplo 3: un dado. Al lanzar un dado equilibrado, μ = 3,5 y σ2 = 35/12 ≈ 2,917 (σ ≈ 1,708). La probabilidad real de alejarse 2,5 o más de la media es la de sacar 1 o 6: 2/6 ≈ 0,333. Chebyshev, con a = 2,5, da la cota σ2/a2 = 2,917/6,25 ≈ 0,467. La cota se cumple y, como siempre, es holgada.
Ejemplo 4: distribución exponencial. Si X es exponencial de parámetro 1, μ = σ = 1. La probabilidad de que |X − 1| ≥ 2 es P(X ≥ 3) = e−3 ≈ 0,0498, muy por debajo de la cota 1/4 que da Chebyshev con k = 2.
Ejemplo 5: tamaño de muestra. Queremos estimar la probabilidad de cara de una moneda con un error menor que 0,05 y con probabilidad al menos 0,95, sin usar la aproximación normal. La proporción muestral p̂ tiene media p y varianza p(1 − p)/n ≤ 0,25/n. Por Chebyshev, P(|p̂ − p| ≥ 0,05) ≤ 0,25/(n · 0,052). Imponemos que sea ≤ 0,05: n ≥ 0,25/(0,0025 · 0,05) = 2.000 lanzamientos. Con el teorema del límite central bastarían unos 385, pero ese resultado es aproximado; el de Chebyshev es una garantía exacta.
Consecuencia: la ley débil de los grandes números
Si X̄n es la media de n variables independientes con media μ y varianza σ2, su varianza es σ2/n. Chebyshev da P(|X̄n − μ| ≥ ε) ≤ σ2/(nε2), que tiende a 0 cuando n crece, para cualquier ε > 0. Esa es la ley débil de los grandes números, y esta es su demostración más sencilla. Para manejar con soltura la varianza que aparece en la fórmula es útil el teorema de König-Huygens, que la escribe como E[X2] − μ2.
Errores frecuentes
- Leer la cota como el porcentaje exacto: Chebyshev da un mínimo («al menos el 75 %»), no el valor real.
- Aplicarla con k ≤ 1, donde no informa de nada.
- Usar una desviación típica que no existe: en distribuciones sin varianza finita, como la de Cauchy, el teorema no se aplica.
- Confundir la cota de dos colas con la de una. Para una sola cola existe una cota más fina, la de Cantelli: P(X − μ ≥ kσ) ≤ 1/(1 + k2). Con k = 2 da 0,2 en lugar de 0,25.
Historia y otro «teorema de Chebyshev»
La desigualdad lleva el nombre de Pafnuti Chebyshev, pero la formuló antes su amigo Irénée-Jules Bienaymé, que la demostró en 1853. Chebyshev la probó de forma más general en 1867, y su alumno Andréi Markov dio otra demostración en su tesis de 1884. Por eso en algunos libros aparece como desigualdad de Bienaymé-Chebyshev.
En teoría de números, «teorema de Chebyshev» designa a veces otro resultado suyo: el postulado de Bertrand, que afirma que para todo entero n > 1 hay al menos un número primo entre n y 2n. No tiene relación con la estadística. Si buscas más resultados básicos de probabilidad, la guía de axiomas y teoremas básicos de la probabilidad recoge los que se usan en esta demostración.
Preguntas frecuentes
¿Qué dice el teorema de Chebyshev?
Que para cualquier distribución con media μ y desviación típica σ, la proporción de datos a menos de k desviaciones típicas de la media es al menos 1 − 1/k². Con k = 2, al menos el 75 %.
¿Cuál es la fórmula de la desigualdad de Chebyshev?
P(|X − μ| ≥ kσ) ≤ 1/k², o bien P(|X − μ| ≥ a) ≤ σ²/a² para cualquier a > 0.
¿Qué diferencia hay entre Chebyshev y la regla empírica 68-95-99,7?
La regla empírica solo vale para la distribución normal y da porcentajes aproximados exactos para ella. Chebyshev vale para cualquier distribución y da mínimos garantizados, mucho más bajos: 75 % frente a 95 % para dos desviaciones típicas.
¿Cuántas desviaciones típicas hacen falta para asegurar el 90 % de los datos?
Con Chebyshev, k = √10 ≈ 3,16, porque 1 − 1/k² = 0,90 da k² = 10.
RELACIONADOS