Teorema del lmite central

Si

X es la media de una muestra aleatoria de tamano n, tomada de

una poblacin con media y varianza finita 2, entonces la forma lmite

de la distribucin de

La aproximacin normal para

por lo general ser buena si n 30,

siempre y cuando la distribucin de la poblacin no sea muy asimtrica.

Si n < 30, la aproximacin ser buena solo si la poblacin no es muy
diferente de una distribucin normal y, como antes se estableci, si se

sabe que la poblacin es normal, la distribucin muestral de X seguir

siendo una distribucin normal exacta, sin importar que tan pequeo sea
el tamao de las muestras.
El tamao de la muestra n = 30 es un lineamiento para el teorema del
lmite central. Sin embargo, como indica el planteamiento del teorema,

la suposicin de normalidad en la distribucin de X se vuelve ms

precisa a medida que n se hace ms grande. De hecho, la figura 8.1
ilustra cmo funciona el teorema. La fi gura indica como la distribucin

de X se acerca ms a la normalidad a medida que aumenta n,

empezando

con

la

distribucin

claramente

asimtrica

de

observacin individual (n = 1). Tambin ilustra que la media de

una
X

sigue siendo para cualquier tamao de la muestra y que la varianza de

X se vuelve ms pequea a medida que aumenta n.

Figura 8.1: Ejemplo del teorema del lmite central (distribucin de

para n = 1, n moderada y n grande).

Ejemplo 8.4: Una empresa de material elctrico fabrica bombillas que
tienen una duracin que se distribuye aproximadamente en forma
normal, con media de 800 horas y desviacin estndar de 40 horas.
Calcule la probabilidad de que una muestra aleatoria de 16 bombillas
tenga una vida promedio de menos de 775 horas.
Solucin: La distribucin muestral de
normal, con

= 800 y

ser aproximadamente

= 40/16 = 10. La probabilidad que se

desea es determinada por el rea de la regin sombreada de la fi gura

8.2.

Inferencias sobre la media de la poblacin

Una aplicacin muy importante del teorema del lmite central consiste
en determinar valores razonables de la media de la poblacin . Temas
como prueba de hiptesis, estimacin, control de calidad y muchos otros
utilizan el teorema del lmite central. El siguiente ejemplo ilustra cmo
se utiliza el teorema del lmite central con respecto a su relacin con ,
la media poblacional, aunque la aplicacin formal de los temas
precedentes se deja para captulos posteriores.

En el siguiente estudio de caso proporcionamos un ejemplo en el que se

X . En este
hace una inferencia utilizando la distribucin muestral de
ejemplo sencillo se conocen
y . El teorema del lmite central y el concepto general de las
distribuciones muestrales a menudo se utilizan para proporcionar
evidencias acerca de algn aspecto importante de una distribucin, por
ejemplo uno de sus parmetros. En el caso del teorema del lmite central
el parmetro que nos interesa es la media . La inferencia que se hace
acerca de puede adoptar una de varias formas. Con frecuencia el

analista desea que los datos (en la forma de X ) respalden (o no)

alguna conjetura predeterminada respecto al valor de . El uso de lo que
sabemos sobre la distribucin de muestreo puede contribuir a responder
este tipo de pregunta. En el siguiente estudio de caso el concepto de
prueba de hiptesis conduce a un objetivo formal que destacaremos en
captulos posteriores.