Está en la página 1de 16

El Teorema del Lmite Central consiste en un conjunto de resultados acerca del comportamiento de las distribuciones muestrales.

en el que se afirma, bajo ciertas hiptesis, que la distribucin de las medias de un nmero muy grande de muestras se aproxima a una distribucin normal.

El trmino Central, debido a Poly (1920), significa fundamental, o de mportancia central, este describe el rol que cumple este teorema en la teora de la probabilidad. Muchos grandes matemticos colaboraron para desarrollar el teorema del lmite central, sin embargo Laplace ocupa un lugar fundamental: a pesar de que nunca enunci formalmente este resultado, ni lo demostr rigurosamente, a l le debemos este importante descubrimeiento.
GEORGE POLYA PIERRE SIMON LAPLACE

"Para una poblacin con una media m y una varianza s2, la distribucin de las medias de todas las muestras posibles de tamao n generadas de la poblacin estarn distribuidas de forma aproximadamente normal asumiendo que el tamao de la muestra es suficientemente grande." Con relacin al teorema del lmite central debemos enfatizar en: 1. Si el tamao de la muestra n es suficientemente grande (n > 30) la distribucin normal de las medias ser aproximadamente normal. No importa si la poblacin es normal, sesgada u uniforme, si la muestra es grande el teorema se aplicar.

2. La media de la poblacin y la media de todas las posibles muestras son iguales. Si la poblacin es grande y un gran nmero de muestras son seleccionadas de esa poblacin entonces la media de las medias muestrales se aproximar a la media poblacional. 3. La desviacin estndar de la distribucin muestral de las medias, a la que llamaremos error estndar, es determinado por:

Teorema del lmite central

El Lema de Lmite Central o Teorema Central del Lmite indica que, bajo condiciones muy generales, la distribucin de la suma de variables aleatorias tiende a una Distribucin Normal (tambin llamada Distribucin Gaussiana) cuando la cantidad de variables es muy grande. Teorema: Sea X1, X2, ..., Xn una muestra aleatoria de una distribucin con media y varianza 2. Entonces, si n es suficientemente grande, la variable aleatoria

Tiene aproximadamente una distribucin normal con Tambin se cumple que si Tiene aproximadamente una distribucin normal con Cuanto ms grande sea el valor de n, mejor ser la aproximacin. El Teorema del Lmite Central garantiza una distribucin normal cuando n es suficientemente grande. La aproximacin entre las dos distribuciones es, en general, mayor en el centro de las mismas que en sus extremos o colas, motivo por el que se prefiere el nombre "Teorema del Lmite Central" ("central" califica al lmite, ms que al teorema).

Pasos del teorema

Para mostrar la validez del teorema del limite central veamos el siguiente ejemplo Suponga que de una poblacin consistente en los valores 0, 2, 4, 6 y 8, se toman muestras de tamao 2 con remplazo.

1. Paso Se calcula la media poblacional, la varianza y desviacin estndar poblacional.

X
i

2 ( X ) 2 N i n

2. Paso Grfica de la distribucin de frecuencia para la poblacin


Grfica de la Poblacin
0.205 Frecuencia Relativa 0.200

0.195 0 1 2 3 X 4 5 6 7 8

Paso 3
Muestra
0, 0 0, 2 0, 4

Se toman muestras de tamao dos con remplazo.


X

X
0 1 2

Muestra
4, 0 4, 2 4, 4

X
2 3 4

Muestra
8, 0 8, 2 8, 4

X
4 5 6

0, 6
0, 8 2, 0 2, 2 2. 4 2, 6 2, 8

3
4 1 2 3 4 5

4, 6
4, 8 6, 0 6, 2 6, 4 6, 6 6, 8

5
6 3 4 5 6 7

8, 6
8, 8

7
8

Se agrupa a las medias mustrales en la tabla de frecuencia siguiente:


X

Paso 4
X

0 1 2 3

F 1 2 3 4

4 5 6 7 8

5 4 3 2 1

Paso 5

Se calcula la media poblacional de medias, la varianza de la medias

f (X ) x N i
N

1(0) 2 (1) 3( 2 ) 4 ( 3) 5 ( 4) 4 ( 5 ) 3 ( 6 ) 2 ( 7 ) 1( 8 ) 100 x 4 25 25

y desviacin estndar de las medias error estndar de las medias.


2 f ( X ) 2 x x N i N

2 x

1(0 4 ) 2 (1 4 ) .......... ..1( 8 4 ) 100 4 25 25


2 2 2

x 4 2

Paso 6

Grfica de la distribucin de frecuencia para la poblacin de medias maestrales

Ejemplo:

La variable "tirar una moneda al aire" sigue la distribucin de Bernouilli. Si lanzamos la moneda al aire 50 veces, la suma de estas 50 variables (cada una independiente entre si) se distribuye segn una distribucin normal. Este teorema se aplica tanto a suma de variables discretas como de variables continuas.

Los parmetros de la distribucin normal son: Media : n * m (media de la variable individual multiplicada por el nmero de variables independientes) Varianza : n * s2 (varianza de la variable individual multiplicada por el nmero de variables individuales)