Ley de los grandes números

Cualquiera sea la distribución de la variable X (siempre que tenga esperanza y variancia finitas),
la distribución de la media muestral ( X ) se concentra más y más alrededor de la media
poblacional, µ, conforme aumente el tamaño de la muestra. La Ley de los Grandes Números
enuncia este concepto en términos de probabilidad:

Enunciado: Sea d un número real positivo, arbitrariamente pequeño. La probabilidad de que la

media muestral X diste de la poblacional µ en una magnitud mayor que d tiende a "cero" a
medida que el tamaño de la muestra (n) tiende a "infinito" .

En símbolos : P{ X − µ > d } →0

n →∞
Lo que significa que X →µ para n→∞

Teorema de Bernoulli (Aplicación de la Ley de los Grandes Números)

Estudia el comportamiento de la probabilidad de la frecuencia relativa en un esquema binomial.

nA
Sea un suceso A tal que fA = ∴ P ( A) = p
n
Enunciado :
Sea ε un número real positivo, arbitrariamente pequeño. La probabilidad de que la proporción
muestral h diste de la poblacional p en una magnitud menor que ε tiende a "uno" a medida que el
tamaño de la muestra (n) tiende a "infinito" .

En símbolos: P{ h − p < ε } →1

n →∞
Lo que significa que h→p, para n→∞

Teorema Central del Límite

Es el teorema más importante de la Teoría y Practica Estadística. La Ley de los Grandes
Números trata de la convergencia en probabilidad, pero nada dice acerca de la distribución de la
media (o proporción) muestral.
El Teorema Central del Límite trata de la convergencia en distribución de la suma de variables
aleatorias independientes, de las cuales no se requiere conocer su distribución.

Enunciado : Sean n variables aleatorias independientes : X1 , X2 ,...., Xn independientes con

esperanza y variancia finitas, con n grande. Entonces la distribución de la suma de estas variables
converge a la distribución Normal.

En símbolos:

Sean X1 , X2 ,...., Xn independientes con

E ( X i ) = µi
V ( X i ) = σ i2
 n
Sea Sn = ∑ X i = X 1 + X 2 + ...... + X n
i =1

Entonces
S n − E (S n ) D
→ N (0,1)
σ (S n ) n→∞

Ya vimos que:
n n n n n n
E(Sn) = E ( ∑X
i =1
i) = ∑ E ( X ) =∑ µ
i =1
i
i =1
y V(Sn) = V ( ∑ X i ) = ∑ V ( X i ) = ∑ σ i2
i =1 i =1 i =1

n n n
∑ X i − ∑ µi S n − ∑ µi D
i =1 i =1 i =1
Luego tenemos que: = → N (0,1)
n n
2 n →∞
∑σ i ∑σ i
2
i =1 i =1

Distribución de la media muestral X

Se considera una muestra de n elementos de una población. Se define Xi como la

observación hecha al i-ésimo elemento. Se dispone entonces de n variables
aleatorias independientes X1 ,X2 ,....,Xn idénticamente distribuidas.

n n n
E(Sn) = E ( ∑ X i ) = ∑ E ( X i ) = ∑ µ = nµ y
i =1 i =1 i =1

n n n
V(Sn) = V ( ∑ X i ) = ∑ V ( X i ) = ∑ σ i2 = nσ 2
i =1 i =1 i =1

Sn − E ( Sn ) S n − nµ Sn − nµ D

V ( Sn )
=
nσ2
=
nσ
→
n →∞
N( 0,1 )

( Sn − nµ )
S n − nµ X −µ D
pero
nσ
=
nσ n
n =
σ →
n →∞
N( 0,1 )
n

 σ 
para n → ∞ X ~ N  µ, 
 n
Por lo anterior la distribución muestral de X es la distribución de probabilidad de
todos los valores de la media muestral X

Donde:

1. La distribución de X en el muestreo tiene la media

E( X ) = µ
2. La distribución de X en el muestreo tiene la desviación típica
σ
σX =
n
Se llama error típico de X
3. Si el tamaño de la muestra, n, no es pequeño en comparación con el tamaño de la población,
N, el error típico de X es:
σ N −n
σX =
n N −1
Generalmente se usa si la población es finita y n/N > 0.05.

4. Si la población de la que procede la muestra es normal y por tanto la distribución de las medias
muestrales en el muestreo es normal, (o por el TCL si el tamaño de la muestra es grande,
para n ≥ 30 ) entonces la variable aleatoria

X −µ
Z=
σX
Sigue una distribución normal estándar de media 0 y de varianza 1

DISTRIBUCIÓN DE LA PROPORCIÓN MUESTRAL

En una población binomial, dada una muestra aleatoria, si la población es finita, con
reemplazamiento, o si la población es infinita, la proporción muestral se define como el cociente del
número de elementos de la muestra que tienen la característica deseada, entre el número total de
x
elementos de la muestra pˆ = .
n
1
E( p̂ ) = E(x/n) = 1/n E(x) = np ⇒ E ( p̂ ) = p
n

1 1 1 p.q
Var ( p̂ ) = Var(x/n) = 2
Var(x) = 2 n.p.(1-p)= 2 n.p q ⇒ Var ( p̂ ) =
n n n n
 p( 1 − p )
Es decir σ p̂ =
n
Si el tamaño de la muestra es grande, entonces p̂ se distribuye aproximadamente normal, es
 p (1 − p ) 
decir p̂ ∼ N  p,  , La aproximación es muy buena cuando np( 1 − p ) > 5
 n 
 

Por lo tanto, la variable aleatoria

ˆp - p ˆp - p
Z= = ∼ N( 0,1 )
pq σ pˆ
n
Nota: Se considera un tamaño de muestra grande para valores mayores o iguales a 50.

Si la población es finita y la extracción simultánea o sin reposición, la desviación típica de la

proporción muestral será:

p( 1 − p ) N − n
σ p̂ = ,
n N −1

N −n
donde es el factor de corrección por población finita.
N −1

Al igual que para la media muestral, si la población es finita y n/N ≤ 0.05 se puede usar
p( 1 − p )
σ p̂ = , pero si la población es finita y n/N > 0.05 se debe usar el factor de
n
p( 1 − p ) N − n
corrección por población finita, es decir σ p̂ =
n N −1
PROBLEMAS

1. El departamento de control de riesgos de una empresa distribuidora de energía eléctrica

afirma que el 30% de de las viviendas antiguas tienen una instalación eléctrica peligrosa.
La empresa contrata un estudio, a una agencia de investigación de mercados y publicidad,
con el propósito de verificar la afirmación del departamento de control de riesgo y elaborar
una campaña publicitaria con el fin de disminuir estos niveles de riesgo. La agencia de
investigación de mercados, con la ayuda de un especialista en la detección de
instalaciones peligrosas, toma una muestra de 250 viviendas antiguas, en la zona de
influencia de la empresa distribuidora de energía eléctrica. Si se asume que el
departamento de control de riesgo de la empresa tiene razón, ¿cuál es la probabilidad de
que la proporción de viviendas antiguas con instalaciones eléctricas peligrosas sea:
¿menor a 25%?, ¿mayor al 33%?, ¿este entre el 27% y el 35%?

2. El departamento de mercadeo de un hipermercado observa que el 20% de los clientes que

entran a la sección de música realizan una compra en ella. Una mañana entran 180
personas, que pueden considerarse una muestra aleatoria de todos los clientes. ¿Cuál es
la probabilidad de que la proporción muestral sea inferior a 0.15? ¿Cuál es la probabilidad
de que la proporción muestral sea superior a 0.18? ¿Cuál es la probabilidad de que la
proporción muestral este entre 0.18 y 0.25?

3. Una fábrica productora de alimentos envasa mermelada de frutas por medio de un

proceso automático. EL peso neto de un frasco se considera una variable aleatoria con un
promedio de 420 gr. Y una desviación estándar de 15gr. El peso neto de cada frasco no
afecta ni es afectado por el peso neto de los otros. Una vez llenos los frascos se empacan
en cajas de 72 frascos cada una. ¿Cuál es la probabilidad de que una caja contenga
menos de 30 Kg. de mermelada.

4. Una empresa firma un contrato para la entrega de 1290 unidades de un producto en un

mes. La empresa tiene 64 obreros, el número de unidades producidas por obrero por mes
es una variable aleatoria con media de 20 unidades y desviación estándar de 2. ¿Cuál es
la probabilidad de que el contrato sea cumplido?

5. Se tiene una máquina de llenado para vaciar 500 gr. de cereal en una caja de cartón.
Supóngase que la cantidad de cereal que se coloca en cada caja es una variable aleatoria
normalmente distribuida con una media de 500gr. Y desviación estándar igual a 20gr. Para
verificar que el peso promedio de cada caja se mantiene en 500 gr., se toma una muestra
aleatoria de 25 de éstas en forma periódica y se pesa el contenido de cada caja. El gerente
de la planta ha decidido detener el proceso y encontrar la falla cada vez que el valor
promedio de la muestra sea mayor de 510gr. o menor de 490gr. Obtener la probabilidad de
detener e proceso.

6. Supóngase que el número de barriles de petróleo crudo que produce un pozo diariamente
es una variable aleatoria con una distribución no especificada. Se observa la producción
en 64 días, seleccionados en forma aleatoria, y si se sabe que la desviación estándar del
número de barriles por día es 16, determínese la probabilidad de que la media muestral se
encuentra a no más de 4 barriles del verdadero valor de la producción por día.

7. Un investigador desea estimar la media de una población usando una muestra

suficientemente grande, para que la probabilidad de que la media muestral no difiera de la
media de la población en más del 25% de la desviación estándar, sea 0,95. ¿De qué
tamaño debe tomarse la muestra?
8. Si x1.x2.........x10 es una muestra aleatoria de una población distribuida normalmente con
media 8 y varianza 9. Calcular la probabilidad de que la media de la muestra sea mayor
que 9.

9. La resistencia a la tensión para cierto tipo de alambre se distribuye normalmente con una
media µ y una varianza desconocida σ . Se seleccionaron al azar 6 segmentos de
2

alambre de un rollo grande; encuentre la probabilidad de que la media muestral esté a lo

s
sumo a 2,015 de la verdadera media poblacional µ.
n

10. Si x1.x2.....x64 es una muestra aleatoria de una población binomial con p = 0,7. ¿ Cuál
es la probabilidad de que la proporción muestral sea menor que 0,5?.

11. Supóngase que quiere encontrar la proporción de los habitantes de Caracas que favorece
la construcción de una línea del METRO. ¿A cuántos habitantes se le debe preguntar para
que la probabilidad de que la proporción observada a favor de la construcción de la línea
difiera de la verdadera proporción en menos del 5% sea 0,98?.

12. Un fabricante de cigarrillos asegura que el contenido promedio de nicotina en una de sus
marcas, es de 0,6 mg. por cigarrillo. Una organización independiente mide el contenido
de nicotina de 16 cigarrillos de esta marca y, encuentra que el promedio y la desviación
estándar es de 0,75 y 0,175 mg. Respectivamente de nicotina. Si se supone que la
cantidad de nicotina en estos cigarrillos es una variable aleatoria normal, ¿qué tan
probable es el resultado sea mayor o igual al encontrado en la muestra, dado el dato
proporcionado por el fabricante?.

13. El Departamento de Protección al Medio Ambiente asegura que, para un automóvil

compacto en particular, el consumo de gasolina en carretera es de un galón por cada 45
millas. Una organización independiente de consumidores adquieren uno de estos
automóviles y lo somete a prueba con el propósito de verificar la cifra proporcionada por el
DPMA. El automóvil recorrió una distancia de 100 millas en 25 ocasiones. En cada
recorrido se anotó el número de galones necesarios para realizar el viaje. Los 25 ensayos,
el valor promedio y la desviación estándar tuvieron un valor de 43,5 y 2,5 millas por galón
respectivamente. Si se supone que el número de milla que se recorre por galón es una
variable aleatoria distribuida normalmente, con base en esta prueba ¿existe alguna razón
para dudar de la veracidad del dato dado por el DPMA?.

14. Una empresa dispone de un listado de 500 clientes. Históricamente se sabe que de la
proporción de clientes que realizan una compra al ser contactados telefónicamente es del
0.45. ¿Si en un día cualquiera una de las operadoras realiza 25 llamadas cual es la
probabilidad de que al menos 20 de ellos hagan una compra? ¿Si otra operadora, más
eficiente, realiza 80 llamadas cual es la probabilidad de que por lo menos el 75% de los
clientes contactados efectúen una compra?