Desigualdade de Chebyshev

A rea sob a curva normal

A mdia populacional denotada por /1 e o desvio padro populacional por o.
Lembramos que numa distribuio de probabilidade normal a mdia esta no centro da
distribuio e, como a distribuio normal simtrica, o valor de tem maior
frequncia, dado que amdia igual amoda e amediana. Nesta distribuio, o desvio-
padro (o) fornece a distancia entre a mdia (/1) e qualquer ponto na reta base logo
abaixo na forma desino.
A rea sob acurva 100%, sendo que 50% se concentra antes de /1 e 50% depois.
A pergunta que surge , qual o percentual de ocorrncias (probabilidade) que fica
entre amdia eo desvio-padro? Como mostra afigura acima, uma proporo constante
da rea total sob a curva normal se encontrar entre a mdia e qualquer distncia da
mdia do desvio-padro. De onde vem este resultado?
Desigualdade de Chebyshev:
A desigualdade de Chebyshev permite fazer afirmaes acerca da proporo de
valores de dados que devem estar contidas entre umnmero especifico de desvio padro
e amdia. Para entend-Ia precisa-se da mdia e avarincia de uma varivel aleatria
X. Ao conhecermos adistribuio deprobabilidade de X, tambm saberemos sua mdia
[E(x)] e sua varincia [cr
2
]. No entanto, a reciproca no verdadeira. Isto , apartir da
mdia e da varincia de X no se pode construir a distribuio de probabilidade de X.
Porm, poderemos construir limites (superior einferior) teis para essas probabilidades.
Este resultado obtido utilizando adesigualdade de Chebyshev.
A nica restrio que se faz sobre X que sua varincia seja finita. Neste sentido,
a desigualdade fornece limites para a probabilidade de X com varincia finita esteja
dentro de certa distancia damdia. E ela se aplica mesmo seX no tiver sua distribuio
deprobabilidade dada por uma normal.
Como dito acima, adesigualdade deChebyshev afirma que seja qualquer varivel
aleatria X commdia J .levarincia 0
2
finitas , ento:
Onde k uma constante qualquer. Analogamente, pode-se escrever assim:
Esta desigualdade ainda pode ser escrita emtermos da distncia do desvio-padro
emrelao amdia.
De forma anloga:
Pr(lx- J .ll):skc) ~1 - 1/ k
2
Por esta desigualdade, independente da forma da distribuio de probabilidade,
ser obtido ovalor das ocorrncias (prob) entre amdia eo desvio-padro, asaber:
Pr(lx- J .ll)~10)=68,26%
Pr(lx- J .ll)~20)=95,44%
Prtjx- J .ll)~30)=99,74%
Por exemplo, suponha que os artigos publicados em um site tenham em mdia
1000 caracteres, com desvio-padro de 200, ento pode-se afirmar que 95,44% dos
valores esto entre 600 e 1400 (k=2).
Lei dos grandes nmeros
Probabilidade
O estudo da probabilidade tem sua ligao inicial aos jogos de azar. Esses jogos
possuem duas caractersticas comuns: aprimeira aincerteza de acontecer determinado
evento e a segunda a regularidade em longo prazo, que permite prever o nmero de
vezes que ocorrer determinado evento emuma srie de tentativas.
No campo da cincia experimental existe um tipo semelhante de incerteza e
regularidade em longo prazo. Assim incerto se o prximo nascimento dentro de um
hospital ser uma criana do sexo feminino ou do sexo masculino, mas existe uma
regularidade para prever para um grande nmero de nascimentos a porcentagem de
meninos emeninas (50% meninos e50% meninas).
Fenmenos como o acima mencionado, nos quais no possvel prever com exatido o
resultado das manifestaes individuais, recebem o nome de fenmenos casuais.
Embora no seja possvel definir o termo "acaso", o que importa na individualizao
dos fenmenos casuais o carter errtico das flutuaes encontradas emsequncias de
resultados obtidos essencialmente sob as mesmas condies e, consequentemente, a
impossibilidade depredio exata de suas manifestaes individuais.
Lei dos grandes nmeros
"Quando um experimento se repete um grande nmero de vezes, a probabilidade (na
definio pela frequncia relativa) de umevento tende para aprobabilidade terica".
A lei afirma que a aproximao pela frequncia relativa tende a melhorar quando o
nmero de observaes aumenta Essa lei reflete uma noo bastante simples apoiada
pelo senso comum: Uma estimativa probabilstica baseada apenas em umas poucas
observaes pode apresentar grande divergncia, mas com um nmero crescente de
observaes a estimativa tende aser cada vez com menor erro (preciso). Por exemplo,
se fizermos uma pesquisa se fizermos uma pesquisa sobre a populao de um estado
brasileiro e observamos apenas alguns cidados (amostra), os resultados podem conter
grande erro, porm se analisarmos vrias pessoas em vrias cidades diferentes dentro
deste estado (selecionados ao acaso), os resultados das amostras estaro muito prximos
dos verdadeiros valores da populao e quanto maior a amostra (maior nmero de
pessoas entrevistadas) maior ser esta aproximao.
Sejam J Y1, J X " 2 , .XSvariveis aleatrias independentes eidenticamente distribudas.
__ 1 n
2. .~Yn == - 2:x,
Seja E (. 1(,i) =J-l'e l-l'a:r(Xi) =" <00. Defina-se amdia ri i=l .
Ento, para cada >O,
Definio formal
Lei Fraca dos Grandes Nmeros:X-nconverge emprobabilidade para P. Ou seja,
}~ p ( I }( n - ; tI <c) =1
Lei Forte dos Grandes Nmeros: Xnconverge quase certamente para o seu valor
. p (linI I ~) ( n- { li <c) =1
esperado (esperanajJ . Ou seja, '"n--too .
Tanto para aLei Fraca quanto para aLei Forte dos Grandes nmeros, tivemos a
suposio deuma varincia finita. Embora esta suposio seja verdadeira (e desejvel)
namaioria das aplicaes ela , emverdade, uma suposio mais forte do que o
necessrio. Ambas as leis semantm semesta suposio. A nica condio necessria
que E( X i) =11, <00
,