PROFESORA: ROSA VIRGINIA

HERNÁNDEZ
El teorema central del límite (TLC) es una teoría estadística
que establece que, dada una muestra suficientemente
grande de la población, la distribución de las medias
muestrales seguirá una distribución normal.

Además, el TLC afirma que a medida que el tamaño de la

muestra se incrementa, la media muestral se acercará a la
media de la población.

Por tanto, mediante el TLC podemos definir la distribución de

la media muestral de una determinada población con
una varianza conocida. De manera que la distribución seguirá
una distribución normal si el tamaño de la muestra es lo
suficientemente grande.
 PROPIEDADES DEL TLC

El teorema central del límite tiene una serie de propiedades de gran utilidad
en el ámbito estadístico y probabilístico. Las principales son:

•Si el tamaño de la muestra es suficientemente grande, la distribución de las

medias muestrales seguirá aproximadamente una distribución normal. El TLC
considera una muestra como grande cuando el tamaño de la misma es
superior a 𝑛 ≥ 30. Por tanto, si la muestra es superior a 𝑛 ≥ 30, la media
muestral tendrá una función de distribución próxima a una normal. Y esto se
cumple independientemente de la forma de la distribución con la que
estamos trabajando.
•La media poblacional y la media muestral serán iguales. Es decir, la media
de la distribución de todas las medias muestrales será igual a la media del
total de la población.
•La varianza de la distribución de las medias muestrales será σ²/n. Que es la
varianza de la población dividido entre el tamaño de la muestra.
Que la distribución de las medias muestrales se parezca a una
normal es tremendamente útil. Porque la distribución normal
es muy fácil de aplicar para realizar contrastes de hipótesis y
construcción de intervalos de confianza.

En estadística que una distribución sea normal es bastante

importante, dado que muchos estadísticos requieren este tipo
de distribución. Además, el TLC nos permitirá hacer inferencia
sobre la media poblacional a través de la media muestral.

Y esto es de gran utilidad cuando por falta de medios no

podemos recolectar datos de toda una población.
 REPRESENTACIÓN GRÁFICA
DEL TLC
Suponemos que tenemos una
población representada por esa
figura y sus elemento
representados por los puntos
blancos y no conocemos la
distribución de la población.
Pero se asume que conocemos su
media 𝜇 y su varianza (sigma
cuadrado) 𝜎 2 .
De esta población vamos a tomar
una muestra #1 de tamaño 𝑛 ≥
30 formada por los elementos
𝑥1 , 𝑥2,… 𝑥𝑛 y con ellos se calcula el
promedio muestral 𝑥ҧ1 .
Si este procedimiento lo repetimos 𝑘 veces, lo que vamos a obtener al final es un conjunto
de 𝑘 medias muestrales (𝑥ҧ𝑘 ) y el TLC lo que nos garantiza es un patrón de comportamientos
de estas medias muestrales siempre y cuando se cumpla la siguiente condición: de que 𝑛
sea lo suficientemente grande el patrón de distribución de esas medias muestrales es las
distribución normal con esta la media 𝜇 y 𝜎 2 .
Tres cosas importantes para destacar el TLC es:

1. Sin importar la distribución de la población, el teorema me garantiza que las medias

muestrales tienen distribución normal.
2. Que la media la media (𝜇) poblacional de esa distribución de las medias muestrales 𝑥ҧ𝑘
coincide con la media de la población; es decir, las medias muestrales “todas ellas” me
están apuntando o centrando al valor de interés que es 𝜇.
3. Que la varianza de esa distribución de las medias muestrales está relacionada con la va
𝜎2
varianza de la población por medio de la siguiente expresión 𝑛
teniendo en cuenta que a
𝜎2
medida que 𝑛 se hace más grande esta variabiliad disminuye y eso hace que la
𝑛
distribución de las medias muestrales esté mucho más concentrada alrededor de 𝜇
 EJEMPLO 1
Una máquina llena bolsas de pasabocas con un contenido medio de 150 gr y una varianza
de 120 𝑔𝑟 2 . Si se toma una m. a. de 400 bolsas. ¿cuál es la probabilidad de que la media
muestral esté entre 145 y 153 gr

El TLC nos asegura que la distribución de las 𝑋−𝜇

SOLUCIÓN medias muestrales es una distribución normal con 𝑍=
la misma media de la población y la varianza es 3 𝜎

𝜇 = 150 120
𝜎 2 = 120 𝑔𝑟 2 𝑥ҧ ~𝑁 150, 𝑃 145 ≤ 𝑋 ≤ 153 =? ? ?
40
𝑛 = 40
145 − 150 𝑥ҧ − 150 153 − 150
𝑃 145 ≤ 𝑋 ≤ 153 = 𝑃 ≤ ≤
3 3 3
= 𝑃 −2,89 ≤ 𝑍 ≤ 1,73 Buscamos en la tabla
= 𝑃 𝑍 ≤ 1,73 − 𝑃 𝑍 ≤ −2,89
= 0,9582 - 0,0019
=0,9563
El 95,63% es la probabilidad de que la
media muestral esté entre 145 y 153 gr
 TALLER
De forma grupal (2 estudiantes) consultaran cada
estudiante 1 ejemplo del Teorema del Límite
Central (TLC) lo desarrolla en presentación
PowerPoint y deberá grabar explicando la temática
correspondiente (como exposición).

En total son 2 ejemplos y uno de los dos lo enviará

al correo y ambos lo subiran en cada carpeta
individual del Google Drive