Ley de Los Grandes Números

Repblica Bolivariana de Venezuela
Ministerio del Poder Popular para la Defensa

Universidad Nacional Experimental Politcnica
de la Fuerza Armada Nacional
UNEFA
Acarigua-Portuguesa
Participantes:
Ismar Rodrguez C.I.: 5.952.059
Celid Silva C.I.: 9.841.157
Castillo Csar C.I.: 14.091.295
Ereu Jess C.I.: 14.540.205
Jos Dilinger Prez C.I.: 14.981.280
Ronald Hernndez C.I.: 16.292.026
Caneln David C.I.: 16.862.280
Carrera: Ing. en Gas
Seccin: E
Acarigua, febrero de 2009
Desigualdad de Chebyshev
El teorema recibe su nombre del matemtico Pafnuti Chebyshov. Es
un resultado estadstico que ofrece una cota inferior a la probabilidad de
que el valor de una variable aleatoria con varianza finita est a una cierta
distancia de su esperanza matemtica o de su media; equivalentemente, el
teorema proporciona una cota superior a la probabilidad de que los valores
caigan fuera de esa distancia respecto de la media. El teorema es aplicable
incluso en distribuciones que no tienen forma de "curva de campana" y acota
la cantidad de datos que estn o no "en medio".
Teorema: Sea X una variable aleatoria de media y varianza finita
. Entonces, para todo nmero real k > 0,
Slo los casos con k > 1 proporcionan informacin til.

Para ilustrar este resultado, supongamos que los artculos de
Wikipedia tienen una extensin media de 1000 caracteres y una desviacin
tpica de 200 caracteres. De la desigualdad de Chebyshov se deduce que al
menos el 75% de los artculos tendrn una extensin comprendida entre
600 y 1400 caracteres (k = 2).
Otra consecuencia del teorema es que para cada distribucin de
media y desviacin tpica finita , al menos la mitad de los valores caern
en el intervalo (-2 , +2 ).
Las cotas proporcionadas por la desigualdad de Chebyshov, en
general, no se pueden mejorar; es posible construir una variable aleatoria
cuyas cotas de Chebyshov sean exactamente iguales a las probabilidades

reales. Sin embargo, en general el teorema proporcionar cotas poco
precisas.
El teorema puede ser til a pesar de las cotas imprecisas porque se
aplica a una amplia gama de variables que incluye las que estn muy alejadas
de la distribucin normal, y porque las cotas son fciles de calcular. El
teorema se emplea para demostrar la ley dbil de los nmeros grandes.
La Desigualdad de Chebychev:
P ( X k )
1
k2
Por ejemplo, la probabilidad de que la variable se aleje ms que 2

desviaciones estndar de su valor esperado es menor que 1/4 = 0.25
La probabilidad de que se aleje ms de 3 desviaciones estndar es

menor que 1/9 = 0.11
La Desigualdad de Chebychev pone un mximo a la probabilidad de que
la variable aleatoria tome un valor que se aleja de su valor esperado por ms

de cierto valor.
Ms precisamente (P denota probabilidad de ... )
P ( X k )
1
k2
Donde es la esperanza de la variable aleatoria,
es su desviacin
estndar (la raz de su varianza) y k es un nmero real positivo cualquiera.

Notemos que esto se puede reescribir como
P ( k X k ) 1
1
k2
O sea un intervalo en que encontramos el valor de X en al menos el
75% de las veces es

[ 2 , 2 ]
Usando
k 2
En la prctica no se conoce la esperanza y la varianza (o desviacin

estndar) de X, pero se puede reemplazar la esperanza por el promedio y la
desviacin por la desviacin estndar muestral.
1
k2
La Desigualdad de Chebychev es un caso especial de la desigualdad de
P (X k X X k) 1
Markov
P ( a X a )
E (X )
a
Ley de los Grandes Nmeros

Teorema 4.1
Sea
una variable aleatoria que tiene varianza. Sea
una sucesin de variables aleatorias independientes con la misma

ley que
. Entonces para todo
Demostracin: Se tiene:
La desigualdad de Bienaym-Tchebichev da:
cuando
La idea intuitiva es la siguiente: si medimos una misma cantidad
aleatoria en una sucesin de experimentos independientes, entonces la
media aritmtica de los valores observados va a estabilizarse sobre la
esperanza. Como caso particular volvemos a encontrar la Ley de los Grandes
Nmeros para la probabilidad de un evento. Para una sucesin de
experimentos independientes denotemos por
en el
-simo experimento. Las
la indicatriz del evento
siguen la ley de Bernoulli de parmetro
es la frecuencia experimental del evento
El orden de magnitud del error cometido al aproximar
media
es
demostracin, tomemos
por la
: en la ltima desigualdad de la
. Se tiene:
Esta estimacin del error ser precisada ms tarde con la nocin de

intervalo de confianza, gracias al Teorema del Lmite Centrado.
Teorema del Lmite Central
Este teorema establece, que si tenemos un grupo numeroso de
variables independientes y todas ellas siguen el mismo modelo de
distribucin (cualquiera que ste sea), la suma de ellas se distribuye segn
una distribucin normal.
Ejemplo: la variable "tirar una moneda al aire" sigue la distribucin de
Bernouilli. Si lanzamos la moneda al aire 50 veces, la suma de estas 50
variables (cada una independiente entre si) se distribuye segn una
distribucin normal.
Este teorema se aplica tanto a suma de variables discretas como de
variables continuas.
Los parmetros de la distribucin normal son:
Media: n * m (media de la variable individual multiplicada por el

nmero de variables independientes)
Varianza: n * s2 (varianza de la variable individual multiplicada por el
nmero de variables individuales)
Ejemplo:
Se lanza una moneda al aire 100 veces, si sale cara le damos el valor 1
y si sale cruz el valor 0. Cada lanzamiento es una variable independiente que
se distribuye segn el modelo de Bernouilli, con media 0,5 y varianza 0,25.
Calcular la probabilidad de que en estos 100 lanzamientos salgan ms de 60
caras.
La variable suma de estas 100 variables independientes se distribuye,
por tanto, segn una distribucin normal.
Media = 100 * 0,5 = 50
Varianza = 100 * 0,25 = 25
Para ver la probabilidad de que salgan ms de 60 caras calculamos la
variable normal tipificada equivalente:
(*) 5 es la raz cuadrada de 25, o sea la desviacin tpica de esta

distribucin
Por lo tanto:
P (X > 60) = P (Y > 2,0) = 1- P (Y < 2,0) = 1 - 0,9772 = 0,0228
Es decir, la probabilidad de que al tirar 100 veces la moneda salgan

ms de 60 caras es tan slo del 2,28%.
Ejercicio 1.
La renta media de los habitantes de un pas se distribuye
uniformemente entre 4,0 millones ptas. y 10,0 millones ptas. Calcular la
probabilidad de que al seleccionar al azar a 100 personas la suma de sus
rentas supere los 725 millones ptas.
Cada renta personal es una variable independiente que se distribuye
segn una funcin uniforme. Por ello, a la suma de las rentas de 100
personas se le puede aplicar el Teorema Central del Lmite.
La media y varianza de cada variable individual es:
m = (4 + 10 ) / 2 = 7
s2 = (10 - 4)^2 / 12 = 3
Por tanto, la suma de las 100 variables se distribuye segn una normal
cuya media y varianza son:
Media: n * m = 100 * 7 = 700
Varianza : n * s2 = 100 * 3 = 300
Para calcular la probabilidad de que la suma de las rentas sea superior
a 725 millones ptas, comenzamos por calcular el valor equivalente de la
variable normal tipificada:
Luego:
P (X > 725) = P (Y > 1,44) = 1 - P (Y < 1,44) = 1 - 0,9251 = 0,0749
Es decir, la probabilidad de que la suma de las rentas de 100 personas
seleccionadas al azar supere los 725 millones de pesetas es tan slo del
7,49%
Ejercicio 2.
En una asignatura del colegio la probabilidad de que te saquen a la
pizarra en cada clase es del 10%. A lo largo del ao tienes 100 clases de esa
asignatura. Cul es la probabilidad de tener que salir a la pizarra ms de 15
veces?
Se vuelve a aplicar el Teorema Central del Lmite.
Salir a la pizarra es una variable independiente que sigue el modelo de
distribucin de Bernouilli:
"Salir a la pizarra", le damos el valor 1 y tiene una probabilidad del
0,10
"No salir a la pizarra", le damos el valor 0 y tiene una probabilidad
del 0,9
La media y la varianza de cada variable independiente es:
m = 0,10
s2 = 0,10 * 0,90 = 0,09
Por tanto, la suma de las 100 variables se distribuye segn una normal
cuya media y varianza son:
Media: n * m = 100 * 0,10 = 10
Varianza: n * s2 = 100 * 0,09 = 9
Para calcular la probabilidad de salir a la pizarra ms de 15 veces,
calculamos el valor equivalente de la variable normal tipificada:
Luego:
P (X > 15) = P (Y > 1,67) = 1 - P (Y < 1,67) = 1 - 0,9525 = 0,0475
Es decir, la probabilidad de tener que salir ms de 15 veces a la
pizarra a lo largo del curso es tan slo del 4,75%.

Ley de Los Grandes Números

Cargado por

Copyright:

Formatos disponibles

Ley de Los Grandes Números

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ley de Los Grandes Números

Cargado por

Copyright:

Formatos disponibles

Repblica Bolivariana de Venezuela

Ministerio del Poder Popular para la Defensa

Acarigua, febrero de 2009

Slo los casos con k > 1 proporcionan informacin til.

cuyas cotas de Chebyshov sean exactamente iguales a las probabilidades

Por ejemplo, la probabilidad de que la variable se aleje ms que 2

La probabilidad de que se aleje ms de 3 desviaciones estndar es

la variable aleatoria tome un valor que se aleja de su valor esperado por ms

Donde es la esperanza de la variable aleatoria,

estndar (la raz de su varianza) y k es un nmero real positivo cualquiera.

O sea un intervalo en que encontramos el valor de X en al menos el

75% de las veces es

En la prctica no se conoce la esperanza y la varianza (o desviacin

Ley de los Grandes Nmeros

una variable aleatoria que tiene varianza. Sea

una sucesin de variables aleatorias independientes con la misma

. Entonces para todo

La desigualdad de Bienaym-Tchebichev da:

-simo experimento. Las

la indicatriz del evento

siguen la ley de Bernoulli de parmetro

es la frecuencia experimental del evento

El orden de magnitud del error cometido al aproximar

Esta estimacin del error ser precisada ms tarde con la nocin de

Media: n * m (media de la variable individual multiplicada por el

(*) 5 es la raz cuadrada de 25, o sea la desviacin tpica de esta

Es decir, la probabilidad de que al tirar 100 veces la moneda salgan

También podría gustarte