Documente Academic
Documente Profesional
Documente Cultură
Lmite
Instituto Nacional
Pesquero
de
Investigacin
Desarrollo
Introduccin:
En este trabajo se pretende un breve repaso de las distintas versiones
del Teorema central del lmite o Teorema del lmite central y sus
aplicaciones. En primer lugar se harn las interpretaciones y observaciones
en cada caso para luego aplicar esto a ejemplos puntuales. Por ltimo se
har una demostracin o ms bien un esquema de demostracin, ya que no
se quiere desarrollar una teora completa del TCL, intentar esto podra
elevar la complejidad y extender demasiado la monografa desvindose del
objetivo planteado.
De manera sencilla el teorema central del lmite indica que siempre que se
seleccione una muestra aleatoria de tamao n de cualquier distribucin con
esperanza y varianza , la media muestral
Desarrollo:
A continuacin se enunciarn las tres versiones del teorema en el
orden histrico para hacerlo ms didctico.
Teorema 1. Teorema del lmite central para variables aleatorias de
Bernoulli.
Supngase que las variables aleatorias X1, X2, , Xn son
independientes y que X i tiene una distribucin de Bernoulli con parmetro pi
pi qi
i=1
es
divergente y sea
n
X i pi
i=1
Y n= i=1 n
1 /2
( pi q i )
i=1
xR
lim P ( Y n x )= ( x )
Siendo
estndar).
Ejemplo1
La variable tirar una moneda al aire sigue una distribucin de
Bernoulli. Ahora, se lanza una moneda al aire 100 veces, si sale cara le
damos el valor 1 y si sale cruz el valor 0. Cada lanzamiento es una variable
independiente que se distribuye segn el modelo de Bernoulli, con media
0,5 y varianza 0,25. Calcular la probabilidad de que en estos 100
lanzamientos salgan ms de 60 caras.
La variable suma de estas 100 variables independientes sigue
aproximadamente una distribucin normal por el TCL.
pi
i=1
pi qi
i=1
X i50
Y 100 = i =1
Por lo tanto:
100
P(
Xi
i=1
6050
) = P (Y100>2) = 1- P (Y100 < 2) = 1 5
0,9772 = 0,0228
Es decir, la probabilidad de que al tirar 100 veces la moneda salgan ms de
60 caras es tan slo del 2,28%.
que
y
que
las
variables
aleatorias
E (| X ii| ) <
para
supngase que
n
E (|X i i| )
lim
i=1
3 /2
( )
i=1
2
i
X i i
Y n= i=1 n i=1
1/ 2
( 2i )
i=1
=0
(1)
X1,
X2,
i=1, 2, , n .
Xn
son
Adems,
lim P ( Y n x )= ( x )
(2)
Xi
i=1
ser
ui
i=1
y varianza
2i
i=1
Ejemplo 2
El gasto mensual de la familia Robles sigue una distribucin normal
de media de 6.000 pesos y varianza 500. Supongamos que el gasto de cada
mes es independiente del de los otros meses. Si el ingreso anual es de
74.000pesos, cul es la probabilidad de que no gasten ms de lo que
ganan por ao?
12
Xi
i=1
12
Entonces, P (
Xi
i=1
< 74.000) = P (
X i72.000
i=1
6.000
<
74.00072.000 ) = P
6000
(Z< 12,9099) =1
Por el TCL Z sigue aproximadamente una distribucin normal tipificada. El
resultado indica que es certero que no se va a gastar el total del ingreso
anual.
Teorema3.
Teorema central del lmite para la media muestral
(Lindeberg y Lvy)
Si las variables aleatorias X1, X2, , Xn constituyen una muestra
aleatoria de tamao n de una distribucin con media y varianza
x ,
lim P
1/ 2
( X n )
x = ( x )
(3)
Observaciones:
cualquier
distribucin
con
media
varianza
n )
n1/ 2 ( X
ser
X n es normal
2
n
Ejemplo 3
Se selecciona una muestra aleatoria de tamao
uniforme sobre el intervalo (0,1).
|X 12| 0.1
n
n=12
de una distribucin
Se determinar el valor de P (
).
varianza es
X n
1
12 . Dado
n=12
y la
varianza
1
2
1
144 .
1
2
n 1
X
2
Por lo tanto la distribucin de la variable aleatoria
1
144
ser
|X 12| 0.1
n
)=P(
1
n 1 1 , 2
12 X n 1 ,2 ) = P [ 1 , 2 12 X
]=
2
2
lim n ( t )=(t)
punto t=0, entonces las sucesin X1, X2, converge en distribucin a X*.
Nota: La demostracin a este teorema requiere tcnicas demasiado
avanzadas para ser presentadas aqu.
. Supngase
i=1, , n
Para
Y 1 , , Y n
sea
Y i=
X i
) 1 n
n 1/ 2 ( X
n
Zn=
= 1 /2 Y i .
n i =1
Z n converge en distribucin a una variable
Zn
converge a la f.g.m. de la
Y i (i=1, , n) ,
Yi
i=1
n (t )
ser
de
[ (t)]
Zn
ser
[ ( )]
t
n ( t )= 1 /2
n
' ( 0 ) =E ( Y i )=0
En este problema
(t)
t =0
tiene la
siguiente forma:
( t )= ( 0 ) +t ' ( 0 ) +
Adems,
t2
t3
' ''
n ( t )= 1+ +
( 0 ) +
2n 3 ! n3 /2
lim an=b
entonces
an
y b,
an
=e b .
n
( )
lim 1+
Pero
3
t 2 t ' ' ' (0)
t2
lim +
+ =
2
n 2
3 ! n3 /2
Por lo tanto,
1
lim n ( t ) =e 2
(4)
Zn
debe ser la
Conclusiones:
o
o
http://es.wikipedia.org/wiki/Teorema_del_l%C3%ADmite_central
http://www.estadisticafacil.com/Main/TeoremaDelLimiteCentral
http://nutriserver.com/Cursos/Bioestadistica/Limite_Central.html
http://www.fisicanet.com.ar/matematica/estadisticas/ap01_teorema_li
mite_central.php
5. http://es.scribd.com/doc/26612892/Teorema-Limite-Central
Bibliografa:
1. DeGroot M. Probabilidad y estadstica. Segunda Edicin,
Wilmington: Addison-Wesley Iberoamericana S.A., 1988. 694 p.
10