DESIGUALDAD DE CHEBYSHEV

Teorema.

Sea 𝑋 una variable aleatoria no negativa (es decir, se cumple que 𝑃(𝑋 ≥ 0) = 1, con esperanza finita 𝜇. Entonces, para
todo 𝛿 > 0 se cumple:

𝑉𝑎𝑟(𝑋)
𝑃(|𝑋 − 𝜇| ≥ 𝛿 ) ≤
𝛿2

O en una forma equivalente,

1
𝑃(|𝑋 − 𝜇| ≥ 𝑘𝜎) ≤
𝑘2

También,
1
𝑃 (|𝑋 − 𝜇| < 𝑘𝜎) ≥ 1 −
𝑘2

Donde la última desigualdad se obtuvo ya que

𝑃 (𝑋 ≥ 𝑎) = 1 − 𝑃(𝑋 < 𝑎)

Partiendo de
1
𝑃 (|𝑋 − 𝜇| < 𝑘𝜎) ≥ 1 −
𝑘2

Se tiene
1
𝑃(𝜇 − 𝑘𝜎 < 𝑋 < 𝜇 + 𝑘𝜎) ≥ 1 −
𝑘2

Si prestamos atención a la expresión anterior, se aprecia que la parte de la izquierda no es más que un intervalo de
confianza. Este nos ofrece tanto una cota inferior como una superior para el valor estimado. Por lo tanto, La desigualdad de
Chebyshev nos dice la probabilidad mínima, de que el parámetro poblacional se encuentre dentro de una determinada
cantidad de desviaciones típicas por encima o por debajo de su media. O dicho de otra manera, nos da la probabilidad de
que de que el parámetro poblacional se encuentre dentro de ese intervalo de confianza.

Demostración. Se tiene que (𝑋 − 𝜇)2 es una variable aleatoria no negativa, por lo que podemos aplicar la desigualdad de
Markov con 𝑎 = 𝛿 2 se obtiene:

𝐸 [(𝑥 − 𝜇)2 ]
𝑃[(𝑥 − 𝜇)2 ≥ 𝛿 2 ] ≤
𝛿2

Ahora como (𝑋 − 𝜇)2 ≥ 𝛿 2 si y solo si |𝑋 − 𝜇| ≥ 𝑘, entonces

𝐸 [(𝑥 − 𝜇)2 ] 𝑉𝑎𝑟(𝑥)

𝑃(|𝑋 − 𝜇| ≥ 𝛿 ) ≤ =
𝛿2 𝛿2

QED

1
Teorema (Desigualdad de Markov).

Si 𝑥 toma solo valores no negativos, entonces

𝐸(𝑋)
𝑃 (𝑋 ≥ 𝑎 ) ≤
𝑎

Demostración. Para probar el teorema, sea

∞
𝐸 (𝑋) = ∫ 𝑥𝑃(𝑥 ) 𝑑𝑥
0
𝑎 ∞
= ∫ 𝑥𝑃(𝑥 )𝑑𝑥 + ∫ 𝑥𝑃(𝑥 )𝑑𝑥
0 𝑎

Dado que 𝑃(𝑋) es la función de densidad debe ser tal que 𝑃 (𝑋) ≥ 0. Además, hemos estipulado como condición que 𝑥 ≥
0, por lo tanto
𝑎 ∞
𝐸 (𝑥 ) = ∫ 𝑥𝑃(𝑥 )𝑑𝑥 + ∫ 𝑥𝑃(𝑥)𝑑𝑥
0 𝑎
∞
≥ ∫ 𝑥𝑃(𝑥 ) 𝑑𝑥
𝑎
∞
≥ ∫ 𝑎 𝑃 (𝑥 )𝑑𝑥
0
∞
= 𝑎 ∫ 𝑃(𝑥 )𝑑𝑥
0
= 𝑎𝑃(𝑥 ≥ 𝑎)

QED

Observaciones:

1. La desigualdad de Chebyshev solo tiene sentido para aquellas variables aleatorias que poseen una varianza finita.

Ejemplo 1 (Acotamiento de probabilidades)

Suponga que el número de artículos producidos en una fábrica durante una semana es una variable aleatoria con media
50. Si la varianza de una semana de producción se sabe que es igual a 25, entonces ¿Qué podemos decir acerca de la
probabilidad de que en esta semana la producción difiera en más de 10 a la media?

Solución. Por la desigualdad de Chebyshev

𝑉𝑎𝑟(𝑋) 25 1
𝑃(|𝑋 − 50| ≥ 10) ≤ = =
102 100 4

Entonces la probabilidad de que en la semana de producción el número de artículos exceda en más de a la media es a lo
más 0.25.

Ejemplo 2

Supongamos que somos gestores de un fondo de inversión. La cartera que estamos gestionando tiene una rentabilidad
media del 8,14% y una desviación típica del 5,12%. Para saber por ejemplo que porcentaje de nuestros retornos se
encuentran al menos a 1.96 desviaciones típicas de nuestra rentabilidad media simplemente aplicaríamos la formula
anterior de la expresión (4) con 𝑘 = 1.96

2
Se tiene
1
𝑃 (8.14 − (1.96)5.12 < 𝑋 < 8.14 + (1.96)5.12) ≥ 1 −
(1.96)2

𝑃(8.14 − (1.96)5.12 < 𝑋 < 8.14 + (1.96)5.12) ≥ 0.739 (73.9%)

Esto quiere decir que hay un 73.9% de los resultados que están en el intervalo de confianza situado a 1.96 desviaciones
estándar de la media.

Realicemos el ejemplo anterior para valores distintos de k; por ejemplo, k = 2,46, k = 3

Sustituyendo el valor de k: 1-1/2,46^2 = 0,835 = 83,5%

Sustituyendo el valor de k: 1-1/3^2 = 0,889 = 88,9%

Hay un 83,5% de los datos que están a una distancia de 2,46 desviaciones típicas de la media y un 88,9% que están a 3
desviaciones típicas de la media.

Generalización de la Desigualdad de Chebyshev (Desigualdad de Kolmogorov o Desigualdad Maximal)

Sean 𝑋1 , 𝑋2 , … , 𝑋𝑛 variables aleatorias independientes con varianza finita y sea 𝛿 un número positivo arbitrario. Entonces se
cumple que
𝑘
∑𝑛𝑗=1 𝑉𝑎𝑟(𝑋𝑗 )
𝑃 ( max |∑(𝑋𝑖 − 𝐸𝑋𝑖 )| ≥ 𝛿 ) ≤
1≤𝑘≤𝑛 𝛿2
𝑖=1

O, en una formulación equivalente,

𝑛 𝑘
∑𝑛𝑗=1 𝑉𝑎𝑟(𝑋𝑗 )
𝑃 (⋂ (|∑(𝑋𝑖 − 𝐸 [𝑋𝑖 ])| ≤ 𝛿)) ≥ 1 −
𝛿2
𝑘=1 𝑖=1

Observe que para 𝑛 = 1 se obtiene la desigualdad de Chebyshev.

Recopilado por: Axel Canales García