ESCUELA POLITECNICA NACIONAL

PROBABILIDAD Y ESTADISTICA BASICAS

Teorema del lmite central

 Teorema del lmite central. El Teorema Central del Lmite dice que si tenemos un grupo numeroso de variables independientes y todas ellas siguen el mismo modelo de distribucin (cualquiera que ste sea), la suma de ellas se distribuye segn una distribucin normal. Este teorema se aplica tanto a suma de variables discretas como de variables continuas.

RecordandoLa variable Normal

La grfica de la funcin densidad, conocida como campana de Gauss, se expone a continuacin para la variable normal tipificada o estndar, definida para =0 y =1 :

 Ejemplo : la variable "tirar una moneda al aire" sigue la distribucin de Bernoulli. Si lanzamos la moneda al aire 50 veces, la suma de estas 50 variables (cada una independiente entre si) se distribuye segn una distribucin normal

Los parmetros de la distribucin normal son: Media : n * m (media de la variable individual multiplicada por el nmero de variables independientes) Varianza : n * s2 (varianza de la variable individual multiplicada por el nmero de variables individuales)

 El teorema del lmite central garantiza una distribucin normal cuando n es suficientemente grande. Si n > 30, se puede usar el TLC. Si la distribucin madre es normal, la distribucin de la media muestral tambin es normal, independientemente del tamao. x N(x; x) x N(x; x)

 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 la inferencia estadstica o la teora de renovacin.

 Ejemplo 1: Si se sabe que la dureza Rockwell de pernos de cierto tipo tiene un valor medio de 50 y desviacin estndar de 1,5. a) Si la distribucin es normal, cul es la probabilidad de que la dureza muestral media para una muestra aleatoria de 9 pernos sea por lo menos 52? b) Cul es la probabilidad (aproximada) de que la dureza muestral media para una muestra aleatoria de 40 pernos sea al menos 52?
x = 50 = 1,5 x N(50; 1,5)

a)
n=9 x = 52 x N(50; 1,5.9) z = (x - )/(/n)

La probabilidad de que la media muestral sea superior a 52 es:

Tener en cuenta que los valores para: (z) = P(z z1)

b) n = 40 Con el valor de z obtenido de tablas:

Ejemplo 2
Se lanza una moneda al aire 100 veces, si sale cara le damos el valor 1 y si sale cruz el valor 0. Calcular la probabilidad de que en estos 100 lanzamientos salgan ms de 60 caras.

 E(X)=0,5 Var(X)=0,25 La variable suma de estas 100 variables independientes se distribuye, por tanto, segn una distribucin normal. Media = 100 * 0,5 = 50 Varianza = 100 * 0,25 = 25

 Para ver la probabilidad de que salgan ms de 60 caras calculamos la variable normal tipificada equivalente: Por lo tanto: P (X > 60) = P (Y > 2,0) = 1- P (Y < 2,0) = 1 0,9772 = 0,0228

 la probabilidad de que al tirar 100 veces la moneda salgan ms de 60 caras es tan slo del 2,28%.

Ejercicios
Los clientes en un hotel, usan el agua en las duchas en un promedio de 11.4 min cada dia, con una variacion tipica de 2.6 min. Asuma una distribucion normal. Cual es la probabilidad de que en promedio 84 huespedes tomen duchas mayores a 12 min.