TEOREMA DEL LMITE CENTRAL El teorema del lmite central o teorema central del lmite indica que, en condiciones

muy generales, si Sn es la suma de n variables aleatorias independientes, entonces la funcin de distribucin de Sn se aproxima bien a una distribucin normal (tambin llamada distribucin gaussiana, curva de Gauss o campana de Gauss). As pues, el teorema asegura que esto ocurre cuando la suma de estas variables aleatorias e independientes es lo suficientemente grande El Teorema del 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 gaussiana cuando la cantidad de variables es muy grande. Existen diferentes versiones del teorema, en funcin de las condiciones utilizadas para asegurar la convergencia. Una de las ms simples establece que es suficiente que las variables que se suman sean independientes, idnticamente distribuidas, con valor esperado y varianza finitas. 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 cual se prefiere el nombre Teorema del Lmite Central (central califica al lmite, ms que al teorema). Esta relacin entre la forma de la distribucin de la poblacin y la forma de la distribucin de muestreo se denomina teorema del lmite central, que es tal vez el ms importante de toda la inferencia estadstica. Nos asegura que la distribucin de muestreo de la media se aproxima a la normal al incrementarse el tamao de la muestra. Hay situaciones tericas en las que el teorema del lmite central no se cumple, pero casi nunca se encuentran en la toma de decisiones prctica. Una muestra no tiene que ser muy grande para que la distribucin de muestreo de la media se acerque a la normal. Los estadsticos utilizan la distribucin normal como una aproximacin a la distribucin de muestreo siempre que el tamao de la muestra sea al menos de 30, pero la distribucin de muestreo de la media puede ser casi normal con muestras incluso de la mitad de ese tamao. La importancia del teorema del lmite central es que nos permite usar estadsticas de muestra para hacer inferencias con respecto a los parmetros de poblacin sin saber nada sobre la forma de la distribucin de frecuencias de esa poblacin ms que lo que podamos obtener de la muestra.

Sea

la funcin de densidad de la distribucin normal definida como1

con una media y una varianza 2. El caso en el que su funcin de densidad es , a la distribucin se le conoce comonormal estndar. Se define Sn como la suma de n variables aleatorias, independientes, idnticamente distribuidas, y con una media y varianza 2finitas (20): de manera que, la media de Sn es n y la varianza n2, dado que son variables aleatorias independientes. Con tal de hacer ms fcil la comprensin del teorema y su posterior uso, se hace una estandarizacin de Sn como

para que la media de la nueva variable sea igual a 0 y la desviacin estndar sea igual a 1. As, las variables Zn convergern en distribucin a la distribucin normal estndar N(0,1), cuando n tienda a infinito. Como consecuencia, si (z) es la funcin de distribucin de N(0,1), para cada nmero real z:

donde Pr( ) indica probabilidad y lim se refiere a lmite matemtico. Enunciado formal De manera formal, normalizada y compacta el enunciado del teorema es: 3 Teorema del lmite central: Sea , , ..., un conjunto de variables aleatorias, independientes e idnticamente distribuidas con media y varianza 2 distinta de cero. Sea

Entonces

. Es muy comn encontrarlo con la variable estandarizada Zn en funcin de la media muestral ,

puesto que son equivalentes, as como encontrarlo en versiones no normalizadas como puede ser:4 5 Teorema (del lmite central): Sea , , ..., un conjunto de variables aleatoria, independientes e idnticamente distribuidas de una distribucin con media y varianza 20. Entonces, si n es suficientemente grande, la variable aleatoria

tiene aproximadamente una distribucin normal con

Nota: es importante remarcar que este teorema no dice nada acerca de la distribucin de , excepto la existencia de media y varianza.4 Propiedades

El teorema del lmite central garantiza una distribucin normal cuando n es suficientemente grande. Existen diferentes versiones del teorema, en funcin de las condiciones utilizadas para asegurar la convergencia. Una de las ms simples establece que es suficiente que las variables que se suman sean independientes, idnticamente distribuidas, con valor esperado y varianza finitas. 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 cual se prefiere el nombre "teorema del lmite central" ("central" califica al lmite, ms que al teorema).

Este teorema, perteneciente a la teora de la probabilidad, encuentra aplicacin en muchos campos relacionados, tales como lainferencia estadstica o la teora de renovacin. Si una poblacin tiene media y desviacin tpica , y

tomamos muestras de tamao n (n>30, cualquier tamao si la poblacin es "normal"), las medias de estas muestras si guen aproximadamente la distribucin:

Consecuencias: 1. Permite averiguar la probabilidad de que la media de una muestra concreta est en un cierto intervalo. 2. Permite calcular la probabilidad de que la suma de los elementos de una muestra est, a prio ri, en un cierto intervalo.

3.Inferir la media de la poblacin a partir de una muestra.

Las bolsas de sal envasadas por una mquina tienen = 500 g y = 35 g. Las bolsas se empaquetaron en cajas de 100 unidades. 1.Calcular la probabilidad de que la media de los pesos de las bolsas de un paquete sea menor que 495 g.

2.Calcular la probabilidad de que una caja 100 de bolsas pese ms de 51 kg.

BIBLIOGRAFIA / WEBGRAFIA https://www.ucursos.cl/ingenieria/2009/2/MA3401/1/material_docente/bajar?id_material=2 60765 http://es.wikipedia.org/wiki/Teorema_del_l%C3%ADmite_central http://www.vitutor.com/estadistica/inferencia/intervalos.html http://www.estadisticafacil.com/Main/TeoremaDelLimiteCentral http://www.mat.uda.cl/hsalinas/cursos/2010/eyp2/Tabla%20ChiCuadrado.pdf http://fcm.ens.uabc.mx/~chelo/estadistica/doc-pdf/t-l-c.pdf http://www.mat.uda.cl/hsalinas/cursos/2010/eyp2/Tabla%20ChiCuadrado.pdf