Sesión 10.

Suma de VAs Independientes y

Teorema del Límite Central
Lectura Obligatoria

En estadística aplicada a menudo es de interés conocer la distribución de probabilidad

de una combinación lineal de VAs independientes que tienen distribución Normal. Por
ello resultan relevantes las siguientes propiedades acerca de la suma de VAs
independientes entre sí, y del Teorema del Límite Central (TLC).

Propiedad 1: Suma de VAs Normales Independientes

Sea X1 , X2 , … Xn una colección de n VAs independientes entre sí, donde cada VA

Xi tiene distribución N(μi , σ2i ); entonces la VA W = X1 + X2 + ⋯ + Xn = ∑ni=1 Xi tiene
distribución N(∑ μi , ∑ σ2i ), es decir, la variable aleatoria W tiene distribución

𝐍(𝛍𝟏 + 𝛍𝟐 + ⋯ + 𝛍𝐧 , 𝛔𝟐𝟏 + 𝛔𝟐𝟐 + ⋯ + 𝛔𝟐𝐧 ).

Propiedad 2: Distribución de la media muestral de una muestra aleatoria de una

población Normal.

La primera distribución muestral importante para considerar es la de la media

muestral, 𝑋̅, definida por:
1
𝑋̅ = (𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 ),
𝑛

Suponga que de una población, X, con distribución Normal con media 𝝁 y varianza 𝝈𝟐 ,
se toma una muestra aleatoria de 𝑛 observaciones, X1 , X2 , … Xn . La media muestral

1
𝑋̅ = (𝑋 + 𝑋2 + ⋯ + 𝑋𝑛 ),
𝑛 1

𝝈𝟐
tiene una distribución Normal con media 𝝁𝑿̅ = 𝝁 y varianza 𝝈𝟐𝑿̅ = , tal como se
𝒏
demuestra a continuación:
1 1
E(𝑋̅) = 𝝁𝑿̅ = 𝐸 ( (𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 )) = (𝐸(𝑋1 ) + 𝐸(𝑋2 ) + ⋯ + 𝐸(𝑋𝑛 ))
𝑛 𝑛
1 1
𝑛
(𝜇 + 𝜇 + ⋯ + 𝜇) = 𝑛 𝑛 ∗ 𝜇 = 𝝁. Es decir,
E(𝑋̅) = 𝝁.

Por otro lado,

1 1
Var(𝑋̅) = 𝝈𝟐𝑿̅ = 𝑉𝑎𝑟 ( (𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 )) = ((𝑉𝑎𝑟(𝑋1 ) + 𝑉𝑎𝑟(𝑋2 ) + ⋯ + 𝑉𝑎𝑟(𝑋𝑛 )) (puesto que
𝑛 𝑛2
las VAs Xi son independientes entre sí) y, por tanto:

Lectura Obligatoria Página 1 de 3

 1 2 1 𝝈𝟐
Var(𝑋̅) = 2
(𝜎 + 𝜎 2 + ⋯ + 𝜎 2 ) = 2 𝑛𝜎 2 =
𝑛 𝑛 𝒏

𝝈𝟐
Es decir, Var(𝑋̅) =
𝒏

𝝈𝟐
En conclusión, la media muestral, 𝑋̅ , tiene distribución N(𝝁, ).
𝒏

Ahora veamos qué sucede cuando se tiene una muestra aleatoria de una población, X,
en el caso en el que X tiene una distribución diferente a la distribución Normal.

Si tomamos una muestra aleatoria X1 , X2 , … Xn , de tamaño 𝑛 , de una población X con

distribución de media µ y varianza σ2, entonces la media muestral, 𝑋̅, tendrá una
distribución aproximadamente Normal, con media 𝝁 y varianza 𝝈𝟐 /𝒏, siempre que el
tamaño de la muestra sea suficientemente grande. Este importante resultado es una
consecuencia inmediata del siguiente teorema, que se conoce como el Teorema del
Límite Central.

Propiedad 3: Teorema del Límite Central

La propiedad antes enunciada es equivalente a afirmar que, bajo las condiciones antes
mencionadas, para n suficientemente grande, la ∑ni=1 Xi tiene aproximadamente
distribución N(nμ, nσ2 ).

Referencias:
Tomado y adaptado de Walpole, R.E., Myers, R.H., Myers, S.L. y Ye, K. Probabilidad y Estadística
para Ingeniería y Ciencias, Prentice Hall, Novena Edición, 2012. Páginas 221-224 y 233-236.

Lectura Obligatoria Página 3 de 3