Materia:

ESTADÍSTICA
DESCRIPTIVA

Actividad:
Teoría del Límite Central

Salas Espinoza Yajseel Adriana

 El teorema del límite central es un teorema fundamental de probabilidad y
estadística. El teorema describe la distribución de la media de una muestra
aleatoria proveniente de una población con varianza finita. Cuando el tamaño
de la muestra es lo suficientemente grande, la distribución de las medias sigue
aproximadamente una distribución normal. El teorema se aplica
independientemente de la forma de la distribución de la población. Muchos
procedimientos estadísticos comunes requieren que los datos sean
aproximadamente normales. El teorema de límite central le permite aplicar
estos procedimientos útiles a poblaciones que son considerablemente no
normales. El tamaño que debe tener la muestra depende de la forma de la
distribución original. Si la distribución de la población es simétrica, un tamaño
de muestra de 5 podría producir una aproximación adecuada. Si la distribución
de la población es considerablemente asimétrica, es necesario un tamaño de
muestra más grande. Por ejemplo, la distribución de la media puede ser
aproximadamente normal si el tamaño de la muestra es mayor que 50. Las
siguientes gráficas muestran ejemplos de cómo la distribución afecta el
tamaño de la muestra que se necesita.

Distribución uniforme

Medias de las muestras

 Muestras de una población uniforme
Una población que sigue una distribución uniforme es simétrica, pero
marcadamente no normal, como lo demuestra el primer histograma. Sin
embargo, la distribución de las medias de 1000 muestras de tamaño 5 de esta
población es aproximadamente normal debido al teorema del límite central,
como lo demuestra el segundo histograma. Este histograma de las medias de
las muestras incluye una curva normal superpuesta para ilustrar esta
normalidad.

Distribución exponencial

Medias de las muestras

Muestras de una población exponencial

Una población que sigue una distribución exponencial es asimétrica y no
normal, como lo demuestra el primer histograma. Sin embargo, la distribución
de las medias de 1000 muestras de tamaño 50 de esta población es
 aproximadamente normal debido al teorema del límite central, como lo
demuestra el segundo histograma. Este histograma de las medias de las
muestras incluye una curva normal superpuesta para ilustrar esta normalidad.

Un estadístico (o estimador) es una variable

aleatoria cuyos valores pueden ser determinados a

partir de la observación de los datos aportados por

una muestra.

El conocer la distribución de probabilidad de los estadísticos, permite obtener

conclusiones a partir de una muestra hacia la población en general,
proporcionar una medida del error que se puede cometer en dichas
conclusiones y también permite dar una medida de confianza de que ese sea el
error y no otro más grande. Existe un teorema de mucha importancia práctica,
que especifica la regularidad estadística de los promedios (medias aritméticas)
obtenidos de las mediciones numéricas en las unidades experimentales
analizadas en muestras de tamaño n. Es el teorema de límite central, que dice:

En muestras de tamaño n, tomadas de una población en

la que la regularidad estadística no sigue una
distribución normal (puede ser de cualquier forma), que
tiene una media poblacional y varianza poblacional
, 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 estadística
de los valores de la media que se modela con la
distribución normal con media y varianza
 Se podría preguntar en el teorema ¿qué tan grande debe ser el tamaño n de la
muestra? La respuesta es que depende del grado de alejamiento de la
distribución de “muchas medias muestrales”.
Si el alejamiento es muy fuerte, distribuciones asimétricas con mayores
probabilidades en los extremos, o con varias modas, un tamaño de muestra de
30 o más ya probabilidades en los extremos, o con varias modas, un tamaño de
muestra de 30 o más ya produce la distribución normal. Sin embargo, si la
distribución de la población es normal con muestras de tamaño 10 o más se
tiene la normalidad. Si la distribución de población no es normal, pero no se
aleja mucho de ella, es simétrica o casi, con la media casi igual a la moda y la
mediana, entonces con muestras de tamaño 15 ó 20 dependiendo de qué tan
cercana es la distribución de la población a la distribución normal.
Es importante recordar que no se puede decir que una variable dada o sus
promedios siguen estrictamente una distribución normal. Esta distribución es
una idealización que no se da en realidad, lo que importa es que la distribución
real esté cercana a la normal y este supuesto produzca conclusiones correctas.
Frecuentemente en muchas mediciones no pueden ocurrir valores negativos,
pesos áreas, concentraciones de sustancias, etc.; sin embargo, la normal asigna
probabilidad mayor que cero a valores negativos.
En la medida que dicha posibilidad sea muy pequeña, esa inconsistencia del
modelo con la realidad no es grave. A la desviación estándar 2 / n de la
distribución de las medias muestrales, se le llama error estándar de la media ya
que provee una medida del grado de dispersión de los errores de las medias
alrededor de. Si se quiere conocer el error estándar 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 número que es el error estándar del promedio. el
error estándar se denota como:

Teorema del límite central

Si se seleccionan muestras aleatorias de n observaciones de una población con media   y

desviación estándar  , entonces, cuando n es grande, la distribución muestral de medias tendrá
aproximadamente una distribución normal con una media igual a   y una desviación estándar

de  . La aproximación será cada vez más exacta a medida deque n sea cada vez mayor.

Ejemplo
Para la distribución muestral de medias del ejercicio pasado, encuentre:
a. El error muestral de cada media
b. La media de los errores muestrales
c. La desviación estándar de los errores muestrales.
Solución:
a. En la tabla siguiente se ven las muestras, las medias de las muestras y los errores
muestrales:

Muestra x Error muestral, e=x-

(0,0) 0 0 - 3 = -3
 (0,2) 1 1 - 3 = -2

(0,4) 2 2 - 3 = -1

(0,6) 3 3–3=0

(2,0) 1 1 – 3 = -2

(2,2) 2 2 – 3 = -1

(2,4) 3 3–3=0

(2,6) 4 4–3=1

(4,0) 2 2 – 3 = -1

(4,2) 3 3–3=0

(4,4) 4 4–3=1

(4,6) 5 5–3=2

(6,0) 3 3–3=0

(6,2) 4 4–3=1

(6,4) 5 5–3=2

(6,6) 6 6–3=3

b. La media de los errores muestrales es  , es:

e

c. La desviación estándar de la distribución de los errores muestrales 

es entonces:
e, 
La desviación estándar de la distribución muestral de un estadístico se conoce como error estándar
del estadístico. Para el ejercicio anterior el error estándar de la media denotado por  x, es 1.58.
Con esto se puede demostrar que si de una población se eligen muestras de tamaño n con
reemplazo, entonces el error estándar de la media es igual a la desviación estándar de la distribución
de los errores muestrales.

En general se tiene: 
Cuando las muestras se toman de una población pequeña y sin reemplazo, se puede usar la formula
siguiente para encontrar  x  .

donde   es la desviación estándar de la población de donde se toman las muestras, n es el tamaño
de la muestra y N el de la población.
Como regla de cálculo, si el muestreo se hace sin reemplazo y el tamaño de la población es al
menos 20 veces el tamaño de la muestra (N 20), entonces se puede usar la fórmula.

El factor   se denomina factor de corrección para una población finita.

Abellán, J. L. (2021, 9 febrero). Teorema central del límite (TCL). Economipedia.

https://economipedia.com/definiciones/teorema-central-del-limite.html

El teorema del límite central: las medias de muestras grandes y aleatorias son

aproximadamente normales - Minitab. (2018). (C) Minitab, LLC. All rights

Reserved. 2019.

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-

statistics/supporting-topics/data-concepts/about-the-central-limit-theorem/

Martin, J. (2017). Informe sobre importancia de las funciones, organizacion y staff. Limite

Cental. https://es.slideshare.net/JoelMartin9/informe-sobre-importancia-de-las-

funciones-organizacion-y-staff-79292885