TEOREMA DEL LIMITE

CENTRAL.
ESTADÍSTICA APLICADA II
TEOREMA DEL LIMITE CENTRAL.

• Si se seleccionan de cualquier población todas las muestras posibles de un

tamaño determinado, la distribución de las medias muestrales se acercará a una
de tipo normal. Esta aproximación aumenta en el caso de muestras más grandes.
• La importancia del teorema del límite central es que nos permite usar
estadísticas de muestra para hacer inferencias con respecto a los parámetros de
población sin saber nada sobre la forma de la distribución de frecuencias de esa
población más que lo que podamos obtener de la muestra.
TEOREMA DEL LIMITE CENTRAL.

• Se puede ver que la media de la distribución muestral es igual al de la media

poblacional, y si la
• desviación estándar de la población es , la desviación estándar en las medias
muestrales es:
• Donde n representa el número de observaciones en cada muestra. Se lo
conoce también como “Error estándar de la media”
USO DEL TEOREMA DEL LÍMITE CENTRAL
CON EL SIGUIENTE EJEMPLO.

• La distribución de los ingresos anuales de todos los pagadores de un banco

con cinco años de experiencia esta sesgada de manera negativa. Esta
distribución tiene una media de $19.000 y una desviación estándar de $2.000
si extraemos una muestra aleatoria de 30 pagadores, ¿cuál es la probabilidad
de que sus ganancias promedien más de $19.750 anualmente?
CALCULAMOS EL ERROR ESTÁNDAR DE LA
MEDIA.
SOLUCIÓN.
TABLA DE DISTRIBUCIÓN NORMAL
ESTÁNDAR.
CONCLUSIÓN.