Teorema del lmite central

El teorema del lmite central o teorema central del lmite indica que, en condiciones muy generales,
si Sn es la suma de nvariables aleatorias independientes, entonces la funcin de distribucin de Sn se
aproxima bien a una distribucin normal (tambin llamada distribucin gaussiana, curva de
Gauss o campana de Gauss). As pues, el teorema asegura que esto ocurre cuando la suma de estas
variables aleatorias e independientes es lo suficientemente grande. 1 2
Contenido
[ocultar]

1 Definicin

1.1 Enunci
ado formal
2 Propiedades
3 Vase tambin
4 Referencias
5 Enlaces externos

[editar]Definicin
Sea

la funcin de densidad de la distribucin normal definida como1

con una media y una varianza 2. El caso en el que su funcin de densidad es

, a la

distribucin se le conoce comonormal estndar.

Se define Sn como la suma de n variables aleatorias, independientes, idnticamente distribuidas, y
con una media y varianza 2finitas (20):

de manera que, la media de Sn es n y la varianza n2, dado que son variables aleatorias
independientes. Con tal de hacer ms fcil la comprensin del teorema y su posterior uso, se
hace una estandarizacin de Sn como

para que la media de la nueva variable sea igual a 0 y la desviacin estndar sea igual a 1.
As, las variables Zn convergern en distribucin a la distribucin normal estndar N(0,1),
cuando n tienda a infinito. Como consecuencia, si (z) es la funcin de distribucin de
N(0,1), para cada nmero real z:

donde Pr( ) indica probabilidad y lim se refiere a lmite matemtico.

[editar]Enunciado

formal

De manera formal, normalizada y compacta el enunciado del teorema es: 3

Teorema del lmite central: Sea

, ...,

un conjunto de variables aleatorias,

independientes e idnticamente distribuidas con media y varianza 2 distinta de cero. Sea

Entonces

.
Es muy comn encontrarlo con la variable estandarizada Zn en funcin de la media
muestral

puesto que son equivalentes, as como encontrarlo en versiones no normalizadas

como puede ser:4 5

Teorema (del lmite central): Sea

, ...,

un conjunto de variables

aleatoria, independientes e idnticamente distribuidas de una distribucin con

media y varianza 20. Entonces, si n es suficientemente grande, la variable
aleatoria

tiene aproximadamente una distribucin normal con

y

Nota: es importante remarcar que este teorema no dice nada acerca de la

distribucin de

, excepto la existencia de media y varianza.4

[editar]Propiedades

El teorema del lmite central garantiza una distribucin normal cuando n es

suficientemente grande.

Existen diferentes versiones del teorema, en funcin de las condiciones

utilizadas para asegurar la convergencia. Una de las ms simples establece
que es suficiente que las variables que se suman sean independientes,
idnticamente distribuidas, con valor esperado y varianza finitas.

La aproximacin entre las dos distribuciones es, en general, mayor en el

centro de las mismas que en sus extremos o colas, motivo por el cual se
prefiere el nombre "teorema del lmite central" ("central" califica al lmite, ms
que al teorema).

Este teorema, perteneciente a la teora de la probabilidad, encuentra

aplicacin en muchos campos relacionados, tales como lainferencia
estadstica o la teora de renovacin.

Desigualdad de Chebyshov
En probabilidad, la desigualdad de Chebyshev (habitualmente tambin escrito como "Tchebycheff") es
un resultado 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. La desigualdad
recibe su nombre del matemtico ruso Pafnuti Chebyshev.
Contenido
[ocultar]

1 Formulacin

1.1 Casos particulares de la

desigualdad
2 Ejemplos
3 Demostracin

3.1 Demostracin del tercer caso

particular
4 Vase tambin

[editar]Formulacin
Sea

una variable aleatoria no negativa y una funcin

que

. Entonces

[editar]Casos

creciente tal

se da la desigualdad siguiente:

particulares de la desigualdad

Algunas formulaciones menos generales que se desprenden de la primera son las siguientes:

Sea

siendo

variable aleatoria con momento de orden

finito, entonces

Sea

con momento centrado de orden

siendo

finito, entonces

Sea

variable aleatoria de media

todo nmero real

Slo en caso de que

y varianza finita

, entonces, para

la desigualdad proporcionan una cota no trivial.

[editar]Ejemplos
Para ilustrar este resultado, supongamos que los artculos de Wikipedia
tienen una extensin media de 1000 caracteres y unadesviacin
tpica de 200 caracteres. De la desigualdad de Chebyshov, usando k =
2, se deduce que al menos el 75% de los artculos tendrn una
extensin comprendida entre 600 y 1400 caracteres.
Otra consecuencia del teorema es que para cada distribucin de media
y desviacin tpica finita , al menos la mitad de sus valores se
concentrarn en el intervalo (-2 , +2 ).

[editar]Demostracin

Fijmonos en
que

Si ahora aplicamos la funcin esperanza a los dos lados de la

primera desigualdad que hemos establecido habremos
demostrado el resultado.

[editar]Demostracin

particular

del tercer caso

Para demostrar la desigualdad se parte de la variable aleatoria

auxiliar

definida as:

Entonces, trivialmente,

y por lo tanto,

Tomando esperanzas en ambos miembros se

obtiene

por lo que

Pero, a su vez, dado que

slo puede

ser 0 o 1,

lo que prueba el resultado.