Fenómeno en espacios de probabilidad de alta dimensión donde funciones Lipschitz (o con cierta regularidad) tienen una gran probabilidad de tomar valores próximos a una localización típica (media, mediana), de modo que las desviaciones decrecen rápidamente con la dimensión o un parámetro de escala.

Principio

Estructuras métrico‑medida de alta dimensión (medidas producto, gaussianas, variedades con curvatura) muestran que la mayor parte de la medida está concentrada en pequeños vecindarios de conjuntos típicos; formalizado por desigualdades isoperimétricas, de Poincaré o log‑Sobolev que dan cotas de cola exponenciales.

Demostración

Concentración gaussiana: para X∼N(0,I_n) y f 1‑Lipschitz, P(|f(X)-med(f)|>t) ≤ 2 exp(-c t^2). Las desigualdades de Hoeffding y McDiarmid dan concentración para funciones acotadas o de diferencia acotada de variables independientes.

Aplicación incorrecta

Suponer que la concentración se cumple independientemente de la distribución o la dimensión — falla para medidas con colas pesadas, datos de baja dimensión o funciones de muy baja regularidad; usar intuición asintótica en muestras pequeñas es erróneo.

Consecuencia

Justifica la tipicidad y estabilidad en alta dimensión: pequeñas fluctuaciones aleatorias, cotas de generalización en aprendizaje automático y estimaciones probabilísticas casi independientes de la dimensión para algoritmos aleatorios.

Inversión

El comportamiento opuesto es la anti‑concentración o dispersión de colas pesadas donde los valores permanecen ampliamente distribuidos y no existen cotas exponenciales de cola; las desviaciones típicas no disminuyen con la dimensión.

Límite

Requiere regularidad apropiada: estructura métrica, decaimiento de colas (subgaussiano/subexponencial) o desigualdades funcionales. No se aplica a medidas arbitrarias, distribuciones muy sesgadas o de colas pesadas, ni a observables no Lipschitz.

Tensión semántica

Relacionado con la ley de los grandes números — ambos afirman tipicidad — pero la concentración ofrece colas exponenciales cuantitativas y mecanismos geométricos métricos, mientras que la LLN da convergencia de promedios sin cotas exponenciales.

Síntesis

La concentración de medida es el principio métrico‑probabilístico que en contextos de alta dimensión adecuados las observables regulares están fuertemente concentradas alrededor de valores típicos, con desviaciones controladas por desigualdades funcionales o isoperimétricas.