Ley de los grandes

números

Castillo, S. (2021) Ley de los grandes números.

[Apunte]. Universidad Andrés Bello, Santiago,
Chile.
 A PUNTE - P ROBABILIDAD Página 36

16. Ley de los grandes números.

Es considerado el primer teorema fundamental de la teorı́a de probabilidad. Establece que la fre-
cuencia de los resultados de cierto experimento aleatorio, tiende a estabilizarse en cierto número
que es precisamente la probabilidad, cuando el experimento se realiza muchas veces. Es decir,
los resultados convergen al valor esperado.
Veamos el experimento de lanzar una moneda (no cargada) al aire y que su resultado sea cara.
Desde un enfoque ”frecuentista” si solo nos quedamos con los primeros lanzamientos, la pro-
babilidad de sacar cara no será precisamente 0,5. Sin embargo, a medida que aumentamos los
lanzamientos, en el largo plazo veremos como la probabilidad de obtener cara se estabiliza en
0,5. Veamos esto simulando 10.000 lanzamientos con Python.
[7]: # Ejemplo ley de grandes números
# moneda p=1/2 cara=1 cruz=0
resultados = []
for lanzamientos in range(1,10000):
lanzamientos = np.random.choice([0,1], lanzamientos)
caras = lanzamientos.mean()
resultados.append(caras)

# graficamente
df = pd.DataFrame({ lanzamientos : resultados})

df.plot(title= Ley de grandes números ,color= r ,figsize=(8, 6))

plt.axhline(0.5)

plt.xlabel("Número de lanzamientos")
plt.ylabel("Frecuencia caras")
plt.show()
A PUNTE - P ROBABILIDAD Página 37

17. Teorema central del lı́mite.

Sea { x1 , x2 , ..., xn } una muestra de variables aleatorias independientes e idénticamente distribui-
das cada una con E( xi ) = µ y V ( xi ) = s2 , entonces la función de probabilidad para la media
s2
muestral converge a una normal con media o esperanza µ y varianza . Es decir,
n
s2
E( x̄ ) = µ ; V ( x̄ ) =
n
✓ ◆
s2
De esta forma x̄ ⇠ N µ,
n
Ejemplo: Un ascensor limita el peso de sus ocupantes a 460 kg. Si este peso es excedido
sonará una alarma y un ocupante tiene que salir antes de poder continuar. Si el peso de un
individuo que utiliza el ascensor sigue una distribución normal con media de 75 kg y desviación
estándar de 8 kg.
1. Calcular la probabilidad de que con 6 ocupantes suene la alarma del ascensor.
2. Si la alarma no suena con 6 ocupantes, ¿cuál es la probabilidad de que el promedio no sea
menor a 74,17 kg?
Solución:
1. Se nos pide: ! !
6 6
P Â xi > 460 = 1 P Â xi < 460
i =1 i =1

= 1 P ( X̄ < 76, 67)

0 1
B 76, 67 75 C
= 1 PB
@ Z < C
A
8
p
6

= 1 P ( Z < 0, 51)

= 1 0, 69497

= 0, 305.
Por lo que existe un 31 % de probabilidad de que suene la alarma con 6 ocupantes.
A PUNTE - P ROBABILIDAD Página 38

2. Debemos encontrar:
, !
6
P X̄ > 74, 17 Â xi < 460 = P ( X̄ > 74, 17/ X̄ < 76, 67)
i =1

P (74, 17 < X̄ < 76, 67)

=
P ( X̄ < 76, 67)

P ( X̄ < 76, 67) P ( X̄ < 74, 17)

=
P ( X̄ < 76, 67)

P( Z < 0, 51) P( Z < 0, 25)

=
P( Z < 0, 51)

0, 69497 0, 40129
=
0, 69497

= 0, 423

Por lo que cuando no suena la alarma, la probabilidad de que el promedio de peso no sea
menor a 74,17 kg es 42 %.
Ejemplo: Si la edad de personas que postulan a cierto cargo se distribuye de forma normal con
media 46,6 años y una desviación estándar de 13,97 años.
Se elige una muestra aleatoria de 25 postulantes de la población en estudio:
1. Determina la probabilidad de que el promedio de la muestra supere los 41 años.
2. ¿Cuál es la probabilidad de que la suma de las edades de la muestra sea mayor a 1200?
Solución:
1. Nos piden:
P( X̄ > 41) = 1 P( X̄ < 41)
0 1
X̄ µ 41 46, 6 A
= 1 P@ < 13,97
ps p
n 25

= 1 P(z < 2, 00)

= 1 0, 0228

= 0, 9772
Por lo que la probabilidad de que el promedio de las edades de una muestra de 25 postu-
lantes supere los 41 años es de un 97, 7 %.
A PUNTE - P ROBABILIDAD Página 39

2. Debemos obtener:
! !
25 25
P Â Xi > 1200 = 1 P Â Xi < 1200
i =1 i =1

!
1 25 1200
= 1 P Â
25 i=1
Xi <
25

= 1 P( X̄ < 48)

= 1 P( Z < 0, 50)

= 1 0, 6915

= 0, 30854

Por lo que la probabilidad de que la suma de las edades de una muestra de 25 postulantes
supere los 1200 años es de 30, 9 %.
A PUNTE - P ROBABILIDAD Página 40
A PUNTE - P ROBABILIDAD Página 41

.................................................................................................

Referencias bibliográficas.
1. Devore, J. L. (2008). Probabilidad y estadı́stica para ingenierı́as y ciencias. Cengage Lear-
ning Editores.
2. Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2007). Probabilidad y estadı́stica para
ingenierı́a y ciencias. Norma, 162, 157.
3. Montgomery, D. C., Runger, G. C., & Medal, E. G. U. (1996). Probabilidad y estadı́stica
aplicadas a la ingenierı́a (No. 968-18-5914-6. 01-A1 LU. AL-PyE. 1.). Mexico DF, Mexico:
McGraw-Hill.