Desigualtat de Txebixov

La desigualtat de Txebixov és un resultat de la teoria de la mesura amb grans aplicacions a l'estudi de la probabilitat i l'estadística.

Aquest article o secció no cita les fonts o necessita més referències per a la seva verificabilitat.

Aquest teorema pren el seu nom en honor de Pafnuti Txebixov, que proporcionà la primera demostració de la desigualtat formulada per Irénée-Jules Bienaymé.^[1]

Enunciat

Enunciat en el context de la teoria de la mesura

Sigui (X, Σ, μ) un espai mesurable i sigui f una funció real mesurable definida a X. Aleshores, per a tot nombre real t > 0,

${\displaystyle \mu (\{x\in X\,:\,\,|f(x)|\geq t\})\leq {1 \over t^{2}}\int _{X}f^{2}\,d\mu .}$

De forma més general, si g és una funció real mesurable, no-negativa i creixent al rang de ƒ, aleshores

${\displaystyle \mu (\{x\in X\,:\,\,f(x)\geq t\})\leq {1 \over g(t)}\int _{X}g\circ f\,d\mu .}$

Podem obtenir la primera de les formulacions definint g(t) com

${\displaystyle g(t)={\begin{cases}t^{2}&{\text{si }}t\geq 0\\0&{\text{en cas contrari,}}\end{cases}}}$

i agafant |ƒ| en lloc de ƒ a la segona expressió.

Enunciat probabilistic

En tant que un espai de probabilitats és un espai de mesura 1, retrobem un cas particular de la Desigualtat de Txebixef:

Sigui X una variable aleatòria no-negativa i ${\displaystyle f:\mathbb {R} _{+}\rightarrow \mathbb {R} _{+}}$ una funció creixent tal que ${\displaystyle E[f(X)]<\infty }$ (on ${\displaystyle E[f(X)]}$ indica l'esperança de la variable aleatòria f(X)). Aleshores, per tot nombre real a es té:

${\displaystyle f(a)P\{X\geq a\}\leq E[f(X)]}$

Una versió menys general d'aquesta desigualtat que trobem a diverses obres de referència és

${\displaystyle P\{|X-E[X]|\geq a\}\leq {\frac {\sigma ^{2}(X)}{a^{2}}}}$

on ${\displaystyle \sigma }$ indica la desviació típica de 'X'.

Referències

1. Knuth, Donald. Addison–Wesley. The Art of Computer Programming: Fundamental Algorithms. 3^a, 1997. ISBN 0-201-89683-4 [Consulta: 16 maig 2021]. Arxivat 26 de febrer 2009 a Wayback Machine.