ASIGNATURA

NOMBRE DEL ESTUDIANTE

TRABAJO

MARTES, 29 DE MARZO DE 2022

TABLA DE CONTENIDO

INTRODUCCIÓN.............................................................................................................................3

DESARROLLO.................................................................................................................................4

Principales propiedades del teorema central del límite...................................................................4

Ejemplo..........................................................................................................................................5

CONCLUSIONES.............................................................................................................................7

BIBLIOGRAFÍA...............................................................................................................................8
INTRODUCCIÓN

Si la población o el proceso del cual se extrae una muestra tienen una distribución normal,

entonces la distribución de muestreo para la media también será una distribución normal,

independientemente del tamaño de la muestra.

Sin embargo, ¿qué ocurre si una población NO tiene una distribución normal? Existe un

teorema llamado Teorema del Límite Central.

El Teorema del Límite Central establece que a medida que el tamaño de la muestra

aumenta, la forma de la distribución de muestreo para la media se aproxima a la de una

distribución normal, independientemente de la forma de la distribución de la población de

la cual se extrajo la muestra.

En el trabajo práctico podemos suponer que la distribución de muestreo para la media es

una distribución aproximadamente normal siempre que el tamaño de la muestra sea n >=

30.

En poblaciones que son sólo ligeramente normales será suficiente un tamaño de muestra

más pequeño. Pero un tamaño de muestra de por lo menos 30 será suficiente aún en la

situación poblacional más adversa.

DESARROLLO

El teorema central del límite El teorema central del límite es uno de los resultados

fundamentales de la estadística. Este teorema nos dice que si una muestra es lo bastante

grande (generalmente cuando el tamaño muestral (n) supera los 30), sea cual sea la

distribución de la media muestral, seguirá aproximadamente una distribución normal. Es

decir, dada cualquier variable aleatoria, si extraemos muestras de tamaño n (n>30) y

calculamos los promedios muestrales, dichos promedios seguirán una distribución normal.

Además, la media será la misma que la de la variable de interés, y la desviación estándar de

la media muestral será aproximadamente el error estándar. Un caso concreto del teorema

central del límite es la distribución binomial. A partir de n=30, la distribución binomial se

comporta estadísticamente como una normal, por lo que podemos aplicar los tests

estadísticos apropiados para esta distribución. La importancia del teorema central del límite

radica en que, mediante un conjunto de teoremas, se desvela las razones por las cuales, en

muchos campos de aplicación, se encuentran en todo momento distribuciones normales o

casi normales

Principales propiedades del teorema central del límite

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 TCL considera

una muestra como grande cuando el tamaño de la misma es superior a 30. Por tanto,

si la muestra es superior a 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 TCL 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.

Ejemplo

Queremos analizar las rentabilidades medias históricas del índice S&P 500, que como

sabemos, tiene unas 500 compañías dentro del mismo. Pero no tenemos suficiente

información como para analizar la totalidad de las 500 compañías del índice. En este caso

la rentabilidad media del S&P 500 sería la media poblacional.

Ahora bien, siguiendo al TCL podemos coger una muestra de estas 500 empresas para

realizar el análisis. La única limitación que tenemos es que en la muestra tiene que haber

más de 30 compañías para que se cumpla el teorema. Entonces imaginemos que cogemos
50 compañías del índice de manera aleatoria y repetimos el proceso varias veces. Los pasos

para seguir el ejemplo serían los siguientes:

 Elegimos la muestra de unas 50 compañías y obtenemos la rentabilidad media de la

totalidad de la muestra.

 De manera continuada seguimos escogiendo 50 compañías y obtenemos la

rentabilidad media.

 La distribución de todas las rentabilidades medias de todas las muestras escogidas

se aproximará a una distribución normal.

 Las rentabilidades medias de todas las muestras seleccionadas se aproximarán a la

rentabilidad media del total del índice. Tal y como demuestra el teorema Central del

Límite.

Por tanto, mediante inferencia de la rentabilidad media de la muestra podemos acercarnos a

la rentabilidad media del índice.

CONCLUSIONES

El Teorema del límite central indica que, independientemente de la forma de la distribución

de población, la distribución muestral de medias se aproximará a la distribución de

probabilidad normal. Cuanto mayor sea el número de observaciones en cada muestra,

mayor será la convergencia.

BIBLIOGRAFÍA

Martín Pliego, F.J. (2004). Introducción a la Estadística Económica y Empresarial.

(Ed.)  Thomson. Madrid.

Mendenhall, W.; Reinmuth, J.E. (1978). Estadística para administración y economía. (Ed.)

Grupo Editorial Iberoamericana. ISBN 968‐7270‐13‐6.

Peña, D. (2001). Fundamentos de Estadística. (Ed.) Alianza Editorial, S.A. Madrid. ISBN:

84‐206‐ 8696‐4.

Romero, R y Zúnica, L.R. (1993). Estadística (Proyecto de Innovación   Educativa).

SPUPV‐93.637. [7] Romero, R y Zúnica, L.R. (2000). Introducción a la Estadística. (Ed.).

SPUPV‐  2000.4071.