Teorema del Límite Central

Leyes de los grandes Números

Teorema:
Sean X1, X2, …, Xn variables aleatorias independientes y cada una con las mismas
media μ y varianza σ 2. Entonces,

Conforme aumenta el tamaño de la muestra, ilimitadamente, la probabilidad de que

la media muestral difiera de la media poblacional μ, por más de una cantidad
arbitraria ε, converge a cero.

Ejemplo
Un gran centro de servicio automotriz cobra $40, $45 y $50 por la afinación de carros
de cuatro, seis y ocho cilindros, respectivamente. Si 20% de sus afinaciones se
realizan en carros de cuatro cilindros, 30% en carros de seis cilindros y 50% en
carros de ocho cilindros, entonces la distribución de probabilidad de los ingresos por
una afinación seleccionada al azar está dada por:

(1)
Suponga que en un día particular sólo se realizan dos trabajos de servicio que
implican afinaciones. Sea X1 el ingreso por la primera afinación y X2 el ingreso por
la segunda. Suponga que X1y X2 son independientes, cada una con la distribución
de probabilidad mostrada en (5.2) [de modo que X1 y X2 constituyen una muestra
aleatoria de la distribución (1)]. La tabla 1 pone en lista pares posibles (x1, x2), la
probabilidad de cada uno [calculado por medio de (1) y la suposición de
independencia] y los valores 𝑋̅ y s2 resultantes. Ahora para obtener la distribución
de probabilidad de 𝑋̅, el ingreso promedio muestral por afinación, se debe
considerar cada valor posible de 𝑋̅ y calcular su probabilidad. Por ejemplo, 𝑋̅=45
ocurre tres veces en la tabla con probabilidades 0.10, 0.09 y 0.10, por lo tanto
Tabla 1 Resultados, probabilidades y valores de 𝑋̅ y S2 en el ejemplo
Teorema del límite central
Si 𝑋̅ es la media de una muestra aleatoria de tamaño n tomada de una población
con media μ y varianza finita 𝜎 2 ,

entonces, es una variable aleatoria, cuya función de distribución tiende a la

distribución normal estándar conforme n → ∞.
El teorema del límite central proporciona una distribución normal que permite
asignar probabilidades a intervalos de valores para 𝑋̅. Sin importar la forma de la
distribución de población, la distribución de 𝑋̅ es aproximadamente normal, con
media μ y varianza 𝜎 2 /n, siempre que n sea grande.
Las figuras muestran una ilustración de la tendencia hacia la normalidad para la
distribución muestral de 𝑋̅, conforme aumenta el tamaño de la muestra.

Bibliografía
Jay L. Devore (2008). Probabilidad y estadística para ingeniería y ciencias. Cengage
Learning. Mexico.