TEOREMA DE CHEBYSHEV.

Si una variable aleatoria tiene una varianza o desviacin estndar pequea, esperaramos que la mayora de los valores se agrupan alrededor de la media. Por lo tanto, la probabilidad de que una variable aleatoria tome un valor dentro de cierto intervalo alrededor de la media es mayor que para una variable aleatoria similar con una desviacin estndar mayor si pensamos en la probabilidad en trminos de una rea, esperaramos una distribucin continua con un valor grande de que indique una variabilidad mayor y, por lo tanto, esperaramos que el rea este extendida. Sin embargo, una desviacin estndar pequea debera tener la mayor parte de su rea cercana a . Podemos argumentar lo mismo para una distribucin discreta. En el histograma de probabilidad. El rea se extiende mucho ms que. Lo cual indica una distribucin ms variable de mediciones o resultados el matemtico ruso P. L. Chebyschev (18211894) descubri que la fraccin de rea entre cualesquiera dos valores simtricos alrededor de la media est relacionada con la desviacin estndar. Como el rea bajo una curva de distribucin de probabilidad, o de un histograma de probabilidad, suma 1, el rea entre cualesquiera dos nmeros es la probabilidad de que la variable aleatoria tome un valor entre estos nmeros. El siguiente teorema, debido a Chebyshev da una estimacin conservadora de la probabilidad de que una variable aleatoria tome un valor dentro de desviaciones estndar de su media para cualquier nmero real proporcionaremos la demostracin solo para el caso continuo y se deja el caso discreto como ejercicio. 1. Caso variable discreta. La probabilidad de que cualquier variable aleatoria X, tome un valor dentro de la desviaciones estndar de la media es al menos . Es decir:

De hecho, la desigualdad de Chebyshev se puede escribir tambin como:

(| O bien, utilizando el complemento:

(|

El teorema de Chebyshev tiene una valides para cualquier distribucin de observaciones y, por esta razn los resultados son generalmente dbiles el valor que el teorema proporciona es solo un lmite inferior. Es decir, sabemos que la probabilidad de una variable aleatoria que cae dentro de dos desviaciones estndar de la media no puede ser menor que 3/4, pero nunca sabemos cunto podra ser en realidad nicamente cuando se conoce la distribucin de probabilidad podemos determinar probabilidades exactas. Por esta razn llmanos al teorema resultado de distribucin libre cuando se supongan distribuciones especficas. El uso del teorema de Chebyshev se restringe a situaciones donde se desconoce la forma de la distribucin. Ejemplo 1. 1.- Una variable aleatoria X tiene una media = 12 una varianza 2 = 9, y distribucin de probabilidad conocida. Utilizando el teorema de Chevyshev obtener: a) P (4 < X < 18). b) P (3 < X < 21). Solucin a) P (4 < X < 18) = P[ 12 (2) (3) < X < 12 + (2) (3) ] 3/4 b) P (3 < X < 21) = P[ 12 (3) (3) < X < 12 + (3) (3) ] 8/9 Ejemplo 2. Tener a mano un suministro adecuado de refacciones es funcin importante del almacn de una gran empresa electrnica. Se estudi la demanda mensual de tarjetas para impresoras de microcomputadoras durante algunos meses y se vio que el promedio o media es 28 y la desviacin estndar es 4. Cuntas tarjetas de impresora deben tener a la mano al principio de cada mes para asegurar que la demanda ser mayor que la oferta cuando mucho con una probabilidad de 0,10? Solucin Sea X la variable aleatoria que representa la demanda. Utilizando el teorema de Chebyshev con se tiene:

(|

Es decir: ( ( ( )) )

Por lo que deben existir 41 tarjetas de impresora en el inventario. El teorema de Chebyshev y la regla emprica proporcionan una interpretacin de y para las variables aleatorias continuas, como en el caso de las variables aleatorias discretas. Aun si desconocemos las distribuciones exactas de las variables aleatorias de inters, el conocimiento de las medias y las desviaciones estndar nos permite especificar cotas significativas para las probabilidades de eventos que a menudo nos interesan. 2. Caso de variable continua. En la seccin anterior propusimos y utilizamos el teorema de Chebyshev. Ahora replanteamos este teorema y proporcionamos una demostracin aplicable al caso de una variable aleatoria continua. Si Y es una variable aleatoria con media finita y varianza 2, entonces, para cualquier k>0, (| Demostracin Demostraremos el teorema para una variable aleatoria continua. Para el caso de una variable discreta se procede de manera similar. Si ( ) es la funcin de densidad de Y, entonces ( ) ( ) ( ) | ) (| | )

( )

( )

( ) )

( )

La segunda integral siempre es mayor o igual a cero (

para todos los

valores de y entre los lmites de integracin de la primera y tercera integrales; es decir, las regiones de integracin se encuentran en las colas de la funcin de densidad y slo

abarcan valores de y para los cuales ( cero y sustituya desigualdad ( ) As [ O * ( Dividiendo entre obtenemos: (| o, de forma equivalente, (| | | ) ( por (

. Reemplace la segunda integral por

) en la primera y tercera integrales para obtener la

( )

( )

( )

( )

)+

(|

El verdadero valor del teorema de Chebyshev radica en el hecho de que nos permite determinar cotas para las probabilidades que, por lo comn, hubiramos tenido que obtener mediante tediosos clculos matemticos (suma o integracin). Adems, a menudo hace posible obtener medias y varianzas de variables aleatorias sin necesidad de especificar la distribucin de la variable. En situaciones de esta naturaleza el teorema de Chebyshev todava proporciona cotas importantes para las probabilidades de inters. Ejemplo 3. Supongamos que la experiencia demuestra que el tiempo Y (en minutos) necesario para dar mantenimiento peridico a un dictfono sigue una distribucin gamma con = 3.1 y = 2. A un nuevo tcnico en mantenimiento le toma 22,5 minutos revisar la mquina. Este tiempo utilizado en el mantenimiento al dictfono concuerda con el periodo anterior? Solucin: La media y la varanza de los tiempos de mantenimiento (con base en la experiencia anterior) son, de acuerdo con el teorema: = = (3,1)(2) = 6,2 y

2 = 2 = (3,1)(22) = 12,4

Se deduce que

.Advierta que y = 22.5 minutos supera a la media

=6,2 minutos por 16,3 minutos, o k = 16.3/3.52 = 4,63 desviaciones estndar. As, segn el teorema de Chebyshev, (| | ) (| | )

Esta probabilidad se basa en el supuesto de que la distribucin de los tiempos de mantenimiento no ha cambiado con el tiempo. Por lo tanto, si observamos que P(Y 22,5) es pequea, debemos concluir que nuestro nuevo tcnico en mantenimiento gener por azar un periodo de mantenimiento prolongado, que tiene baja probabilidad de ocurrir, o que es ms lento que los anteriores. Si tomamos en cuenta la baja probabilidad de P(Y22.5), optamos por la ltima posibilidad. La probabilidad exacta, P(Y22.5), del ejemplo requerira la evaluacin de la integral ( )

Aunque podramos utilizar las tablas de Pearson (1965) para evaluarla, no podemos hacerlo directamente. Las integrales similares para la funcin de densidad beta y otras funciones de densidad son difciles de evaluar. El teorema de Chebyshev a menudo proporciona de inmediato cotas para las probabilidades, evitndonos clculos de integracin laboriosos o la bsqueda de tablas adecuadas.