Scientia et Technica Ao XVII, No 51, Agosto de 2012. Universidad Tecnolgica de Pereira.

ISSN 0122-1701 242

Desigualdad de Chebyshev bidimensional

Two - dimensional Chebyshev Inequality

Edgar Alirio Valencia, Yuri Alexander Poveda, Carlos Arturo Escudero Salcedo
Departamento de Matemticas, Universidad Tecnolgica de Pereira, Pereira, Colombia
evalencia@utp.edu.co
carlos10@utp.edu.co
yapoveda@utp.edu.co

para todo y todo entero positivo .

ResumenEn este artculo se presentan y se demuestran en
forma detallada, algunas desigualdades interesantes en La estimacin que la desigualdad de Chebyshev da a la
probabilidad y estadstica que son consecuencia de la
desigualdad de Chebyshev. probabilidad del evento {| | }; puede ser muy
buena. Esta probabilidad generalmente es menor que
Palabras clave Variable aleatoria, Desigualdad de
Chebyshev.

y en consecuencia este valor es una buena sobre estimacin de

AbstractThis article presents and demonstrates in detail
some interesting inequalities in probability and statistics that | | .
result from Chebyshev's inequalit

Key Word Random variable, Chebyshev Inequality Una de las aplicaciones principales de las desigualdades de tipo
Chebyshev es el de aproximar o estimar probabilidades de la
forma | | por medio de calculo de cotas ver [5].
I. INTRODUCCIN
Es conocido en la literatura, que si conocemos la funcin de
La desigualdad de Chebyshev es uno de los resultados distribucin de la variable aleatoria , podemos calcular su
ms importantes e interesantes en la teora de la esperanza y su varianza , si estas existen.
probabilidad. Este resultado establece que si es una De igual modo si conocemos dos variables aleatorias con
variable aleatoria y es la esperanza de , la cual su funcin de distribucin conjunta, podemos calcular
existe, entonces y su matriz de covarianzas .
Pero el problema reciproco no es cierto, es decir si conocemos
| | y , no necesariamente, se puede construir la funcin
de distribucin de la variable aleatoria y por consiguiente
para todo donde es la varianza de la variable cantidades como
aleatoria ver [3] y [4].
| |

La demostracin de esta desigualdad se basa en la

son muy difciles de obtener. Igualmente para el caso de
desigualdad de Markov, la cual dice lo siguiente: Si es
funciones de distribuciones conjuntas de dos variables
una variable aleatoria, entonces
aleatorias.

En este artculo vamos a desarrollar principalmente la

| | desigualdad de Chebyshev bidimensional, la cual no es muy
| |
conocida en la literatura de la probabilidad, adems es muy

Fecha de Recepcin: 05 de Mayo de 2012

Fecha de Aceptacin: 30 de Agosto de 2012
243 Scientia et Technica Ao XVII, No 51, Agosto de 2012. Universidad Tecnolgica de Pereira.

conveniente, ya que en ocasiones la estimacin del valor

real de una probabilidad conjunta, suele dar informacin De las Proposiciones 1 y 2, se obtiene la desigualdad de
insuficiente para nuestro objetivo, como por ejemplo, lado Chebyshev, la cual dice lo siguiente:
derecho de la desigualdad mayor o igual a uno. En este
sentido podemos decir que entre mas pequeo sea el lado Proposicin 3 (Desigualdad de Chebyshev). Si es una
derecho de la desigualdad ms precisa es la informacin de variable aleatoria y es la esperanza de , entonces para
las probabilidades. Esta desigualdad bidimensional aparece todo
como un problema propuesto en [8]. | |

Adems del resultado la desigualdad de Chebyshev

Demostracin. Si consideramos la desigualdad anterior para el
bidimensional vamos a presentar otros resultaos
caso y la variable aleatoria | |, entonces,
interesantes que son consecuencia de la desigualdad de
Chebyshev. | |
| |
II. DESIGUALDAD DE CHEBYSHEV
Finalmente como ( ) , se concluye que
Antes de hacer la demostracin de la desigualdad de
Chebyshev bidimensional y presentar algunos resultados
que son consecuencia de esta desigualdad, presentamos | |
algunos resultados que vamos a utilizar en el desarrollo de
este artculo. El resultado principal en este artculo, tiene que ver con la
desigualdad de Chebyshev en dos variables aleatorias, pero antes
Proposicin 1. Si es una variable aleatoria no negativa, de enunciar y demostrar este resultado el cual esta propuesto en
entonces para se tiene [8], demostremos, la siguiente proposicin.

Proposicin 3 Si y son variables aleatorias con

La demostracin se puede ver en [6] y [7]. y

El siguiente resultado es una consecuencia de la y con coeficiente de correlacin Muestre que

Proposicin 1
{ }
Proposicin 2. Si es una variable aleatoria no negativa,
entonces, para todo y para todo entero positivo , se Demostracin. Por definicin
tiene

Demostracin. Es claro que
Como

y
por la proposicin anterior
entonces

y por lo tanto Adems, el mximo de viene dado por

| |
{ }
Scientia et Technica Ao XVII, No 51, Agosto de 2012. Universidad Tecnolgica de Pereira. 244

esto implica que (| | | | )

{ } | |+ ( )

Aplicando esperanza en ambos lados, obtenemos

Demostracin. Sea { }, veamos que
{ } | || | { } { }.

Ahora, como Supongamos que

{ } ,
por lo tanto

Similarmente , por consiguiente { } { }

{ } | || | Anlogamente se tiene el resultado si { } .

Ahora
esto es equivalente a
(| | | | )
{ } | || |
| | | |
( { } )
elevando al cuadrado, obtenemos
| | | |
{ } | || | ( { }
| | | |
Luego )

| | | |
{ } ( { })

( )( ) ( ) por consiguiente

esto es, (| | | | )
{ } ( ) . | | | |
( { })
Finalmente, como
y por la proposicin anterior
,
entonces
| | | |
{ } . ( { })

Luego
{ } Luego se concluye que

Proposicin 4 (Desigualdad de C. Bidimensional). Si y (| | | | )

son variables aleatorias con coeficiente de correlacin ,
( )
entonces para

Proposicin 5. Sea una funcin no negativa, no

decreciente, para todo nmero positivo . Entonces para una
variable aleatoria con | | , donde es una constante, se
tiene:
245 Scientia et Technica Ao XVII, No 51, Agosto de 2012. Universidad Tecnolgica de Pereira.

( )
| |
Como
( ( ))

entonces , luego
Demostracin. Sea
( )
( ) ( ) { }

{ }
y como es una funcin positiva, se tiene que
as que
( )
( ) ( ) { }
Y finalmente llegamos a que
Como es creciente y
( )

entonces
( ) , Otro resultado interesante, el cual es una consecuencia de la
desigualdad de Chebyshev, se resume en la siguiente
de aqu se sigue proposicin:

( ) { } Proposicin 5. Si son variables aleatorias

independientes con ( para ), entonces
Ahora, como es una variable aleatoria positiva y
acotada, es decir ({| | })

Entonces
para todo

( ) { } Demostracin. Sea

esto implica que

( ( )) entonces por la desigualdad Chebyshev aplicada a la variable

luego aleatoria

( ( ))
se tiene que

Demostremos la otra desigualdad.

({| | }) .
Podemos escribir Ahora, como

{ } { }
( ) ,
Como

como para todo entonces

y es creciente, entonces , por consiguiente
.
Luego
Scientia et Technica Ao XVII, No 51, Agosto de 2012. Universidad Tecnolgica de Pereira. 246

[7]. Vicente Quesada y Alfonso Garca. Lecciones de

Calculo de Probabilidad. Das de Santos. 1988.
({| | })

[8]. A. N. Shiryaev. Probability. Second Edition.

Academic Press, 1975.

III. CONCLUSIONES [9]. A. J. Weir, General integration and measure. Vol II

Cambridge Univ. Press 1974.
Entre las principales aplicaciones de la desigualdad de
Chebyshev esta el calcular cotas inferiores para
probabilidades, lo cual es muy importante cuando no es
posible o es difcil dar un valor exacto de la probabilidad.

La desigualdad de Chebyshev se emplea para demostrar

otros resultados importantes en probabilidad como la ley
dbil de los grades nmeros, esta ley es una consecuencia
inmediata de la Proposicin 5, la ley dice que si tiende a
infinito esta probabilidad tiende a cero.

Finalmente la La desigualdad de Chebyshev se puede

generalizar a dos variables aleatorias que tienen cierta
correlacin.

REFERENCIAS

[1]. R. B. Ash, Analysis and probability. Ac Press,

1972.

[2]. D. L. Cohn, Measure theory . Cambridge

Birkhauser Boston, 1980.

[3]. M. Degroot. Probabilidad y estadstica, Segunda

edicin, Addison-Wesley Iberoamericana, S. A.
1988.

[4]. P. Ibarrola, L. Pardo y V. Quesada. Teora de la

probabilidad, Editorial Sntesis S. A, 1997.

[5]. Paul Meyer. Probabilidad y Aplicaciones

Estadsticas. Addinson Wesley Iberoamericana,
S. A 1970.

[6]. M. Muoz, L. Blanco. Introduccin a la teora

avanzada de la probabilidad. Universidad
Nacional de Colombia, Primera edicin 2002.