Teorema de Chebyshev (desigualdad de Chebyshev) con ejemplos

Teorema de Chebyshev (desigualdad de Chebyshev) con ejemplos
Índice
  1. Enunciado de la desigualdad de Chebyshev
  2. Demostración
  3. Tabla de valores de la desigualdad de Chebyshev
  4. Ejemplos resueltos del teorema de Chebyshev
  5. Consecuencia: la ley débil de los grandes números
  6. Errores frecuentes
  7. Historia y otro «teorema de Chebyshev»
  8. Preguntas frecuentes
    1. ¿Qué dice el teorema de Chebyshev?
    2. ¿Cuál es la fórmula de la desigualdad de Chebyshev?
    3. ¿Qué diferencia hay entre Chebyshev y la regla empírica 68-95-99,7?
    4. ¿Cuántas desviaciones típicas hacen falta para asegurar el 90 % de los datos?
  9. Fuentes

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

kMínimo dentro de μ ± kσ (Chebyshev)Dentro de μ ± kσ si la distribución es normal
1,555,6 %86,6 %
275 %95,4 %
2,584 %98,8 %
388,9 %99,7 %
493,75 %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.

Fuentes

Teoremas

RELACIONADOS

Subir