Republica Bolivariana de Venezuela

Ministerio del Poder popular para la Defensa

Universidad Nacional Experimental y Politécnica de la
Fuerza Armada
Núcleo Yaracuy-Sede San Felipe

Ley de los grandes números y

El teorema del límite central

Autores:
Genesis Mendoza
C.I 27.737.395
Profesor:
Edgardo Camacho

Octubre 2019
 6

Ley de los grandes números

La ley de los grandes números es un teorema fundamental de la teoría de la probabilidad que indica que si repetimos
muchas veces (tendiendo al infinito) un mismo experimento, la frecuencia de que suceda un cierto evento tiende a ser una
constante.

La ley de los grandes números señala que si se lleva a cabo repetidas veces un mismo experimento (por ejemplo lanzar
una moneda, tirar una ruleta, etc.), la frecuencia con la que se repetirá un determinado suceso (que salga cara o sello, que
salga el número 3 negro, etc.) se acercará a una constante. Dicha constante será a su vez la probabilidad de que ocurra este
evento.

Origen de la Ley de los grandes números

La ley de los grandes números fue mencionada por primera vez por el matemático Gerolamo Cardamo aunque sin contar
con ninguna prueba rigurosa. Posteriormente, Jacob Bernoulli logró hacer una demostración completa en su obra “Ars
Conjectandi” en el año 1713. En los años 1830´s el matemático Siméon Denis Poisson describió con detalle la Ley de los
Grandes Números lo que vino a perfeccionar la teoría. Otros autores también harían aportaciones posteriores.

Ejemplo de la Ley de los grandes números

Supongamos el siguiente experimento: lanzar un dado común. Ahora consideremos el evento de que nos salga el número
1. Como sabemos, la probabilidad de que salga el número 1 es de 1/6 (el dado tiene 6 caras, una de ellas es el uno).

¿Qué nos dice la Ley de los Grandes Números?, nos dice que a medida que vamos aumentando el número de repeticiones
de nuestro experimento (hacemos más lanzamientos del dado), la frecuencia con la que se repetirá el evento (nos sale 1) se
acercará cada más a una constante, que tendrá un valor igual a su probabilidad (1/6 o 16,66%).

Posiblemente a los primeros 10 o 20 lanzamientos, la frecuencia con que nos sale 1 no será del 16% sino que de otro
número 5% o 30%. Pero a medida que hacemos más y más lanzamientos (digamos 10000), la frecuencia en que aparece el
1 será muy cercana al 16,66%.

En el siguiente gráfico vemos un ejemplo de un experimento real en donde se lanza un dado repetidas veces. Acá
podemos ver cómo se va modificando la frecuencia relativa de sacar un determinado número.

Tal como indica la Ley de los grandes números, en los primeros lanzamientos la frecuencia es inestable pero a medida que
aumentamos el número de lanzamientos, la frecuencia tiende a estabilizarse a un cierto número que es la probabilidad de
que ocurra el suceso (en este caso números del 1 al 6 ya que se trata del lanzamiento de un dado).
 7

Mala interpretación de la Ley de los grandes números

Muchas personas interpretan mal la ley de los grandes números creyendo que un evento tenderá a compensar a otro. Así
por ejemplo, creen que dado que la probabilidad de que salga el número 1 en el lanzamiento de un dado debe ser cercana a
1/6, cuando el número 1 no aparece en los primeros 2 o 5 lanzamientos, es muy probable que aparezca en el siguiente.
Esto no es cierto, la Ley de los Grandes Números sólo se aplica para muchas repeticiones, por lo que podemos estar todo
el día lanzando un dado y no alcanzar la frecuencia de 1/6.

El lanzamiento de un dado es un evento independiente y por ende, cuando aparece cierto número, este resultado no afecta
al próximo lanzamiento. Sólo después de miles de repeticiones podremos comprobar que la Ley de los Grandes Números
existe y que la frecuencia relativa de que nos salga un número (en nuestro ejemplo el 1) será de 1/6.

La mala interpretación de la teoría puede llevar a personas (sobretodo jugadores de apuestas) a perder dinero y tiempo.

El teorema del límite central

El teorema del límite central es un teorema fundamental de probabilidad y estadística. El teorema describe la distribución
de la media de una muestra aleatoria proveniente de una población con varianza finita. Cuando el tamaño de la muestra es
lo suficientemente grande, la distribución de las medias sigue aproximadamente una distribución normal. El teorema se
aplica independientemente de la forma de la distribución de la población. Muchos procedimientos estadísticos comunes
requieren que los datos sean aproximadamente normales. El teorema de límite central le permite aplicar estos
procedimientos útiles a poblaciones que son considerablemente no normales. El tamaño que debe tener la muestra
depende de la forma de la distribución original. Si la distribución de la población es simétrica, un tamaño de muestra de 5
podría producir una aproximación adecuada. Si la distribución de la población es considerablemente asimétrica, es
necesario un tamaño de muestra más grande. Por ejemplo, la distribución de la media puede ser aproximadamente normal
si el tamaño de la muestra es mayor que 50. Las siguientes gráficas muestran ejemplos de cómo la distribución afecta el
tamaño de la muestra que se necesita.

Distribución uniforme Medias de las muestras

Muestras de una población uniforme

Una población que sigue una distribución uniforme es simétrica, pero marcadamente no normal, como lo demuestra el
primer histograma. Sin embargo, la distribución de las medias de 1000 muestras de tamaño 5 de esta población es
aproximadamente normal debido al teorema del límite central, como lo demuestra el segundo histograma. Este histograma
de las medias de las muestras incluye una curva normal superpuesta para ilustrar esta normalidad.
 8

Distribución exponencial Medias de las muestras

Muestras de una población exponencial

Una población que sigue una distribución exponencial es asimétrica y no normal, como lo demuestra el primer
histograma. Sin embargo, la distribución de las medias de 1000 muestras de tamaño 50 de esta población es
aproximadamente normal debido al teorema del límite central, como lo demuestra el segundo histograma. Este histograma
de las medias de las muestras incluye una curva normal superpuesta para ilustrar esta normalidad.

Propiedades
 El teorema del límite central garantiza una distribución aproximadamente normal cuando n es suficientemente
grande.
 Existen diferentes versiones del teorema, en función de las condiciones utilizadas para asegurar la convergencia.
Una de las más simples establece que es suficiente que las variables que se suman sean independientes,
idénticamente distribuidas, con valor esperado y varianza finitas.
 La aproximación 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 límite central" ("central" califica al límite, más que
al teorema).
 Este teorema, perteneciente a la teoría de la probabilidad, encuentra aplicación en muchos campos relacionados,
tales como la inferencia estadística o la teoría de renovación.