Disuguaglianza di Čebyšëv

La disuguaglianza di Čebyšëv è usata soprattutto nell'ambito della teoria probabilistica e più raramente nell'ambito di serie di dati reali.

La disuguaglianza venne pubblicata la prima volta nel 1853 da Irenée-Jules Bienaymé e riscoperta indipendentemente da Pafnutij L'vovič Čebyšëv alcuni anni dopo (pertanto viene anche citata come disuguaglianza di Bienaymé-Čebyšëv).

Nell'ambito della variabili stocastiche (v.s.) afferma che se la v.s. X ha valore atteso μ e la varianza σ² e λ è un reale positivo, allora la probabilità che X assuma un valore compreso tra μ-λσ e μ+λσ è maggiore di 1-1/λ².

In altre parole afferma che, dato un carattere di cui sono noti solamente media aritmetica $\mu$ e deviazione standard $\sigma$, possiamo conoscere la frequenza relativa massima delle unità che possono avere valori esterni a un intervallo simmetrico rispetto alla media aritmetica. In altri termini questo teorema ci assicura che, indipendentemente dalla distribuzione della variabile casuale, la probabilità che questa assuma valori distanti dalla media più di $\lambda$ volte la deviazione standard è al massimo $\tfrac{1}{\lambda^2}$

Espresso con una formula:

$\Pr(\mu - \lambda \sigma \le X \le \mu + \lambda \sigma) \ge \ 1 - \frac{1}{\lambda^2}$

che equivale a:

$\Pr\left(|{X-\mu}| \ge \lambda\cdot\sigma\right)\le \;\frac1{\lambda^2}$

Nell'ambito della statistica descrittiva afferma che l'intervallo di valori compreso tra μ-λσ e μ+λσ ha un livello di confidenza di almeno (1-1/λ²)·100 percento. Fisz dimostrò che per le variabili dotate di media e varianza non è possibile trovare una disuguaglianza migliore di quella di Čebyšëv, a meno che non si impongano dei vincoli alla distribuzione della variabile.

Da questa disuguaglianza si deduce che

• almeno il 75% dei valori sono compresi tra μ-2σ e μ+2σ
• almeno l'88% dei valori sono compresi tra μ-3σ e μ+3σ
• almeno il 93% dei valori sono compresi tra μ-4σ e μ+4σ
• almeno il 96% dei valori sono compresi tra μ-5σ e μ+5σ
• almeno il 99% dei valori sono compresi tra μ-10σ e μ+10σ

indipendentemente da come sono distribuiti i valori.

Dimostrazione probabilistica

Per ogni evento A, sia I_A la variabile casuale indicatore di A, cioè I_A è uguale a 1 se l'evento A accade e 0 altrimenti. Allora si ha:

$\Pr(|X-\mu| \geq \lambda\sigma) = \operatorname{E}(I_{|X-\mu| \geq \lambda\sigma}) = \operatorname{E}(I_{(X-\mu)^2 \geq (\lambda\sigma)^2 }) = \Pr((X-\mu)^2 \geq (\lambda \sigma)^2)$

Dalla disuguaglianza di Markov segue poi:

$\Pr((X-\mu)^2 \geq (\lambda \sigma)^2) \leq \frac{\operatorname{E}((X-\mu)^2)}{(\lambda \sigma)^2}$

Si ha quindi:

$\Pr(|X-\mu| \geq \lambda \sigma) \leq \frac{1}{\lambda^2}\frac{\operatorname{E}((X-\mu)^2)}{\sigma^2} = \frac{1}{\lambda^2}$

Bibliografia

• A. Papoulis (1991), Probability, Random Variables, and Stochastic Processes, 3rd ed. McGraw-Hill. ISBN 0-07-100870-5. pp. 113–114.
• G. Grimmett and D. Stirzaker (2001), Probability and Random Processes, 3rd ed. Oxford. ISBN 0-19-857222-0. Section 7.3.

Voci correlate

• Disuguaglianza di Cantelli, che è la corrispondente disuguaglianza nel caso di una sola coda.
• Disuguaglianza di Bernstein, nel caso di v.c. limitate
• Disuguaglianza di Hoeffding, nel caso di v.c. limitate, con varianza ignota
• Statistica, Probabilità
• Deviazione standard, Intervallo di confidenza

Portale Matematica: accedi alle voci di Wikipedia che trattano di matematica