Teorema de Lmite Central

Valoracin estadstica en la investigacin Ignacio Mndez Ramrez (de las pginas 31 a la 33)

Un estadstico (o estimador) es una variable aleatoria cuyos valores pueden ser determinados a partir de la observacin de los datos aportados por una muestra.

El conocer la distribucin de probabilidad de los estadsticos, permite obtener conclusiones a partir de una muestra hacia la poblacin en general, proporcionar una medida del error que se puede cometer en dichas conclusiones y tambin permite dar una medida de confianza de que ese sea el error y no otro ms grande. Existe un teorema de mucha importancia prctica, que especifica la regularidad estadstica de los promedios (medias aritmticas) obtenidos de las mediciones numricas en las unidades experimentales analizadas en muestras de tamao n. Es el teorema de lmite central, que dice:

En muestras de tamao n, tomadas de una poblacin en la que la regularidad estadstica no sigue una

distribucin normal (puede ser de cualquier forma), que tiene una media poblacional m y varianza poblacional s2 , entonces si n es grande, el proceso de tomar muchas muestras y en cada una de ellas tomar su media, el promedio muestral produce una regularidad estadstica de los valores de la media que se modela con la distribucin normal con media m y varianza s2 / n (ver Figura 1).

Se podra preguntar en el teorema qu tan grande debe ser el tamao n de la muestra ? La respuesta es que depende del grado de alejamiento de la distribucin de muchas medias muestrales. Si el alejamiento es muy fuerte, distribuciones asimtricas con mayores probabilidades en los extremos, o con varias modas, una tamao de muestra de 30 o ms ya

probabilidades en los extremos, o con varias modas, una tamao de muestra de 30 o ms ya produce la distribucin normal. Sin embargo, si la distribucin de la poblacin es normal con muestras de tamao 10 o ms se tiene la normalidad. Si la distribucin de poblacin no es normal, pero no se aleja mucho de ella, es simtrica o casi, con la media casi igual a la moda y la mediana, entonces con muestras de tamao 15 20 dependiendo de que tan cercana es la distribucin de la poblacin a la distribucin normal. Es importante recordar que no se puede decir que una variable dada o sus promedios siguen estrictamente una distribucin normal. Esta distribucin es una idealizacin que no se da en realidad, lo que importa es que la distribucin real est cercana a la normal y este supuesto produzca conclusiones correctas. Frecuentemente en muchas mediciones no pueden ocurrir valores negativos, pesos reas, concentraciones de sustancias, etc.; sin embargo, la normal asigna probabilidad mayor que cero a valores negativos. En la medida que dicha posibilidad sea muy pequea, esa inconsistencia del modelo con la realidad no es grave. A la desviacin estndar s2 / n de la distribucin de las medias muestrales, se le llama error estndar de la media ya que provee una medida del grado de dispersin de los errores de las medias alrededor de m . Si se quiere conocer m el error estndar da una idea del grado de error que se comete. Frecuentemente en las investigaciones al reportar promedios se da el valor promedio, seguido de un otro nmero que es el error estndar del promedio (vg. 25.3 4.2). el error estndar se denota como:

__