TEOREMA DEL LMITE CENTRAL

DEFINICION:
El teorema central del lmite es uno de los resultados fundamentales de la estadstica. Este teorema nos dice que si una muestra es lo bastante grande (generalmente cuando el tamao muestral (n) supera los 30), sea cual sea la distribucin de la media muestral, seguir aproximadamente una distribucin normal. Es decir, dada cualquier variable aleatoria, si extraemos muestras de tamao n (n>30) y calculamos los promedios muestrales, dichos promedios seguirn una distribucin normal. Adems, la media ser la misma que la de la variable de inters, y la desviacin estndar de la media muestral ser aproximadamente el error estndar.

IMPORTANCIA: La importancia del teorema central del lmite radica en que mediante un conjunto de teoremas, se desvela las razones por las cuales, en muchos campos de aplicacin, se encuentran en todo momento distribuciones normales o casi.

Teorema del lmite central

Teorema del lmite central. Si X1, X2, ..., Xn son variables aleatorias (discretas o continuas) independientes ,con idntico modelo de probabilidad, de valor medio y varianza 2 , entonces la distribucin de la variable

se aproxima a la de una variable normal tipificada N(0,1), mejorndose la calidad de la aproximacin a medida que n aumenta. Este resultado prueba que el estadstico o estimador media muestral

Con carcter general, o al menos en los modelos de probabilidad clsicos, se admite una aproximacin aceptable al modelo normal siempre que n sea mayor o igual que30, a pesar de que esta cifra es insuficiente en determinados casos y excesiva en otros; por lo que debemos ser cautelosos en su aplicacin. En el enlace modelos de probabilidad , se establece una relacin de algunos modelos, con aproximaciones particulares, que en la mayora de los casos derivan del teorema del lmite central.