Vous êtes sur la page 1sur 10

UNIVERSIDAD NACIONAL DE LOJA

rea de la Energa, de las Industrias y de los Recursos Naturales No Renovables

Ingeniera Electrnica y Telecomunicaciones

TEMA: TEOREMA DE CHEBYSHEV

VI Mdulo INTEGRANTES: Gilda Alvarado Leonel Armijos Katherine Minga Santiago Ramrez

Juan Carlos Torres DOCENTE: Ing. Juan Pablo Cabrera

Loja Ecuador

TEOREMA DE CHEBYSHEV
BIOGRAFA
Pafnuty Lvovich Chebyshev naci el 16 de Mayo de 1821 al oeste de Rusia fue un clebre matemtico del siglo XIX. A Chebyshev se le reconoce como el creador de la escuela matemtica de San Petersburgo cuyo eco e influencia ha llegado hasta nuestro tiempo en muchas ramas de la matemtica. Los mritos de Chebyshev fueron debidamente reconocidos en su tiempo. A efectos de un resumen podemos clasificar los trabajos matemticos de Chebyshev en las cuatro ramas siguientes: Mecanismos y Teora de la Aproximacin de Funciones, Teora de los Nmeros, Teora de Probabilidades y Teora de Integracin. Sin embargo escribi acerca de muchos otros temas.
IFig.1. Imagen de Lvovich Chebyshev

La Teora de Probabilidades: Chebyshev se dedic desde su juventud a la teora de probabilidades siendo el objeto de su primera tesis. Escribi en total cuatro trabajos sobre teora de probabilidades, en los aos 1845, 1846, 1867 y 1887; segn el reconocimiento

universal, estos trabajos llevaron la teora de probabilidades nuevamente al rango de ciencia matemtica y sirvieron de base para la creacin de toda una escuela matemtica. Es sabido que se le atribuyen las leyes principales de esta teora, como la ley de los grandes nmeros y el teorema central del lmite, aunque quizs su contribucin ms conocida a la teora de la probabilidad es el llamado Teorema de Chebyshev 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 . DEFINICIN

Sea X una variable aleatoria discreta con media y varianza 2 , entonces la probabilidad que X tome un valor dentro de k desviaciones estndar de su media
es al menos 1 k2 : P k < X < + k 1 1 donde , k R+ , k 1 k2
1

Fig.1 Distribucin estadstica para demostrar el teorema de Chebyshev

Este teorema establece un valor mnimo para la probabilidad de una variable aleatoria ya sea continua o discreta en un intervalo alrededor de la media, independiente de su funcin de probabilidad. El valor que se obtiene es nicamente de referencia. El teorema de Chevychev permite inferir la proporcin de valores que deben quedar dentro de una cantidad especifica de desviaciones estandar respecto a la media.

Cuando menos (1

1
2

)de los datos debe estar a menos de k desviaciones estandar de

separacin respecto a la media, siendo k cualquier valor mayor que 1. El este teorema se especifica el porcentaje mnimo de observaciones que caern dentro de un nmero determinado de desviaciones estndar a partir de la media, independientemente de la forma de la distribucin. El teorema se aplica a cualquier distribucin, sin tomar en cuenta su forma. DEMOSTRACIN: PARA UNA VARIABLE DISCRETA: Separamos el dominio de la variable aleatoria X en tres regiones R1, R2, R3:

R1

R2

R3 X

Con la definicin de varianza:


2

[ X X
2

2]

f f + X
3 2

X
1

+ X
2

Entonces: Se suprime un trmino positivo:


2

X
1

+ X
3

f X
2

En R1: X En R3: X

k +k

X X

k k

X X
2

k k2
2

k2

Al sustituir en las sumatorias, se mantiene la desigualdad:


2

k2
1

+ k2
3

De donde se obtiene simplificando:


2

k2 1 k2

f
1

+ f
3

f
1

+ f
3

Las sumas son valores de probabilidad: 1 k2 P(X k X + k ),

Tomando el complemento de probabilidad: 1 1 k2 P( k < X< + k ),

PARA UNA VARIABLE CONTINUA: Con la definicin de varianza:


2

[ X
k

2]

d
k

d +
k

d +
k

d +
k

Debido a que la segunda de las tres integrales es no negativa. Ahora bien como |X | k para cualquier + k o k , tenemos que X
2

k2

En ambas integrales restantes, se sigue que:


k 2

k2

d + k2
k

k 2

k2
k

d + f
k

1 f k2 De aqu:

d + f
k

k <X<

+k

f
k

d 1

1 k2

Con lo que el teorema queda establecido EJERCICIOS: Como ejemplos de aplicacin: 1) Suponga, que las calificaciones del examen parcial de 100 alumnos en un curso de estadistica para la administracion tuvieron un promedio de 70 y una desviacion estandar de 5. Cuntos alumnos tuvieron calificaciones entre 60 y 80? Cuntos entre 58 y 82? Para las calificaciones de 60 y 80 vemos que el valor 60 esta a dos desviaciones estandar abajo del promedio, y que el valor y que el valor 80 a dos desviaciones estandar arriba. Al aplicar el teorema de Chevishef, cuando menos el 0.75 o 75% de las observaciones deben tener valores menores de dos desviaciones estandar del promedio. As, cuando menos 75 de lso 100 alumnos deben haber obtenido calificaciones entre 60 y 80.

Para las calificaciones entre 58 y 82, (58-70)/5= -2.4 indica que 58 esta a 2.4 desviaciones estandar abajo del promedio, y que (82-70)/5=+2.4 indique que 82 est a 2.4 desviaciones estandar arriba del promedio. Aplicamos el teorema de Chevyshev con z=2.4 y obtenemos (1 1
2

[1

1
2

Cuando menos 82.6 % de los alumnos deben tener calificaciones entre 58 y 82. 2) El nmero de peridicos vendidos diariamente en un quiosco es una variable aleatoria de media 200 y desviacin tpica 10. cuntos ejemplares diarios debe encargar el quiosquero para tener seguridad de al menos un 99% de no quedarse sin existencias? Particularizando la expresin extendida del teorema de Chebyshev,
P200 k 10 x 200 k 10 1 1 k2

para tener la seguridad de al menos el 99% k=10, por tanto,


P200 100 x 200 100 1 1 100

Rresultando el intervalo (100<x<300) luego 300 (extremo superior) son los peridicos que garantizan no quedarse sin existencia con al menos un 99% de probabilidad.

APLICACIONES DE LA DESIGUALDAD DE CHEBYSHEV


El teorema es aplicable incluso en distribuciones que nos tienen forma de curva de campana y acotada la cantidad de datos que estn o no en medio Teorema: Sea X una variable aleatoria de media y varianza finita todos nmero real ,
2

Entonces para

En otra palabra la desigualdad de Chebyshev nos dice que la varianza es una medida de dispersin de los valores de X alrededor de su valor esperado. Dentro de las principales aplicaciones de la desigualdad de Chebyshev, podemos mencionar las siguientes:

Calculo de cotas para probabilidades, la cual es importante cuando es difcil dar un valor exacto de la probabilidad Teoremas limite en probabilidad Clculo de tamao de muestra en la aproximacin de la media de una poblacin Acotamiento de Probabilidades Esta aplicacin es la ms directa, y se utiliza para dar una cota superior para | | donde , usando la esperanza y varianza de la variable aleatoria X, isn necesidad de conocer su distribucin. A continuacin se presenta un ejemplo, para ilustrar mejor esta aplicacin. Ejemplo: Supongamos que le nmero de artculos produciendo en una fbrica durante una semana es una variable aleatoria con media 50. Si la varianza de una semana de produccin se sabe que es igual a 225, entonces Qu podemos decir acerca de la probabilidad de que es esta semana la produccin difiere en ms de 10 a la medida? Solucin Por la desigualdad de Chebyshev | |1 1 1
2

Entonces la probabilidad de que en la semana de produccin el nmero de artculo exceda en ms de 10 a la medida es a lo ms de 0.25 Teoremas Lmite La desigualdad de Chebyshev juega un papel muy importante en la demostracin de algunos de los ms importantes teoremas lmite. Sean 1, denotemos
1,

variables aleatorias independientes con media y varianzas finitas y 1 Entonces, para todo 1

( Ahora por desigualdad de Chebyshev (| Para todo 1 (

1
2

)| )

(
2

1 2 2

Tamao de Muestra La desigualdad de Chebyshev permite encontrar, en trminos de la varianza, un tamao de muestra n que es suficiente para garantizar que la probabilidad de que la desigualdad (| | ) ocurre es tan pequea como se desee, lo cual permite obtener una aproximacin a la media. Concretamente, sea X1, X2,..., Xn, una muestra aleatoria de tamao n, es decir, variables aleatorias y supngase que tienen media y varianza 2 finitas. Entonces, por la desigualdad de Chebyshev,
2

(| Sea fijo. De esta manera,

| )

(| Ejemplo

| )

Supngase que X1, X2.. Xn, Son variables aleatorias, con distribucin de bernulli de tal forma que toman el valor 1 con probabilidad Entonces, De qu tamao se tiene que tomar la muestra para garantizar que la probabilidad de que la diferencia entre la media aritmtica y su valor esperado no exceda en ms de una dcima, sea menor o igual a una centsima? Solucin: Tenemos que Chebyshev, (| y
2

(1 ) 1
2

. Por la desigualdad de

| )

Con cualquier (|

Ahora para |

= 0.01, 1) 1

1 se tiene que
2

12

De esta manera se concluye que se necesitan un tamao de muestra de al menos 2500 para garantizar que la probabilidad del evento | | 1 sea menor que 0.01.

CONCLUSIONES: El valor que el teorema proporciona es solo un lmite inferior. Solo cuando se conoce la distribucin de probabilidad podemos conocer probabilidades exactas. El uso del teorema se refleja a situaciones donde se conoce la forma de distribucin. Establece un valor mnimo para la probabilidad de una variable aleatoria. El tema es muy importante ya que permite determinar los lmites de las probabilidades de variables aleatorias discretas o continuas si tener que especificar sus funciones de probabilidad. Cuando una poblacin o una muestra tienen una desviacin estndar pequea, las observaciones se encuentran cerca de la media. Por el contario, una desviacin estndar ms grande ser resultado de que las observaciones se encuentran muy dispersas en relacin con la media.

BIBLIOGRAFA

[1] WALPOLE Myers. Probabilidad y Estadstica para Ingenieros, 6ta Edicin, Pretince Hall Hispanoamericana. [2] Prof. William la Cruz Bastidas.(2002) Teorema de Chevyshev. [Online]. Available: http://www.buenastareas.com/ensayos/Teorema-De-Chebyshev/953213.html [3] Prof.Emilio Soria, Probabilidad: Teorema de Chevyshef. [Online]. Available: http://probabilidadunad1.blogspot.com/2010/05/teorema-de-chebyshev_14.html